TA的每日心情 | 奋斗 2021-5-1 20:26 |
---|
签到天数: 2013 天 [LV.Master]伴坛终老
- 自我介绍
- 数学中国站长
群组: 数学建模培训课堂1 群组: 数学中国美赛辅助报名 群组: Matlab讨论组 群组: 2013认证赛A题讨论群组 群组: 2013认证赛C题讨论群组 |
摘 要:6 Q2 e1 @ t% Q @3 @3 ~* g. ~
信号的功率放大是电子通信系统的关键功能之一,其实现模块称为功率放大 d( D/ |# s5 s0 A# @
器(PA,Power Amplifier),简称功放。为了提高功率放大器的效率,通常又要
. d7 R, U- _: d* P) l求其工作在饱和状态,这必然就会带来严重的非线性。功放的非线性失真会使得
- E5 {( m T& z/ p6 G原始信号的频谱扩展,从而对邻近信道造成较大的干扰。功率放大器的线性化,
6 s; R, p: J9 l6 z+ A* x是解决其效率和线性度矛盾的有效方法,能够使功放在输出高功率和高效率的同
, ~6 c; W# j8 W3 z' {! h时,保持良好的线性度。常用预失真技术[1](Predistortion)。本文主要研究对象为
- a4 q4 E' c5 C预失真技术中的功放模型的建立及预失真算法的研究。
9 |8 n9 l; u, M2 L" O' B对于问题一,我们首先建立了无记忆功放的泰勒级数模型,利用最小二乘估, G7 f7 t7 u ?4 X9 Y
计得到不同阶数的NMSE 指标(图4.1),综合考虑选取阶数为10,此时' T" V* {+ A: ]8 J
NMSE=-94.5dB 。为了解决最小二乘估计阶数增加后的不稳定性,将观测矩阵正5 ]- ]4 U6 s( W3 R
交化后,采用最小二乘估计得到不同阶数对应的NMSE 指标(图4.3),阶数为6 r5 w6 W7 j4 {" l
10 时,NMSE=-97.5dB。为了避免求逆运算,采用LMS 自适应算法来求解,由
# M/ w4 x2 F' }2 K' `于数据有限,无法达到收敛,性能比较差(图4.7),但重复利用数据40 次后,& I, H; M2 p) }) w$ t
性能有所改善,NMSE=-42.6dB(图4.8)。
6 i% p }2 O. P8 a$ c5 a对于无记忆预失真器同样建立泰勒级数模型,由于数据有限,自适应算法很9 h* D0 W0 h/ U& `& a3 k9 m2 x
难收敛,所以采用直接学习结构,将功率放大器的输出减小g 倍后作为输入,g
: i8 w1 ^( y f8 j) q为理想的线性放大倍数,功率放大器的输入作为输出,通过拟合得到的系统即为
8 p w/ Z+ r/ U# N预失真器。对于模型的求解,分别使用了最小二乘估计,施密特正交化后求解,2 w, G6 k& c. ?1 k# k
估计出预失真器参数。最后用NMSE 评价预失真系统,预失真器在10 阶时,可
+ j, y' g, I) [& f# G$ K4 |) U* m以达到NMSE=-59.03dB。此时线性化放大倍数可以达到理论最大值gmax 1.8265。
6 [4 Y3 d8 U; e- s对于问题二,首先建立了有记忆功放的“和记忆多项式”模型,它是在无记
; H( }9 n- u# f: r/ s- N忆泰勒级数的基础上加入了时延项,利用最小二乘估计得到在不同阶数K,记忆2 s; D7 x$ z& X% v# x! k
深度M 下,NMSE 的变化曲线图(图4.14)。我们选取有记忆功放“和记忆多项, ?6 D: N H0 ~% B$ ?3 b1 w
式”模型的阶数K=3 ,记忆深度M=5,此时NMSE=-45.05dB。7 Z/ v) g, g% \
2 f7 e) X2 Y/ Q k/ j
在有记忆预失真的建模中,预失真器的模型同样为“和记忆多项式”模型,
2 |" [ T2 o! r$ B& C! p7 \' [依据计算量和NMSE 的变化情况,我们首先确定有记忆功放的模型参数为阶数
1 l9 ^% W) \1 RK=3,记忆深度M=5。我们分别使用直接学习法和间接预失真学习法求解模型。
7 [4 e1 d9 {8 k* V" Y) ~我们得出了预失真器在不同阶数K,记忆深度M 下,预失真补偿后系统的NMSE
. \) i. ~* b: w' t$ _+ g( Z1 O2 u的变化曲线图(图4.17、图4.19)。对于直接学习法,最佳的阶数和记忆深度为; l! M0 @ c8 P/ b* x1 \1 @8 S
K=3、M=5,此时NMSE=-45.4dB,线性化放大倍数g=9.4528;对于间接预失真7 A% N n3 p: Y0 w! z
学习法,最佳的阶数和记忆深度为K=4、M=4,我们提出一种改进的间接预失真
8 h$ d+ }. Z! s& L学习结构图(图4.15),求得NMSE=-44.1dB、g 9.456。
% P0 Z4 E/ q. S* W3 e1 L( }对于问题三,我们利用直接法求信号的功率谱密度函数,得到输入信号、无% ?2 a# n6 b4 g. R
预失真补偿的功率放大器输出信号、采用预失真补偿的功率放大器输出信号的功
" r' l6 ?, s5 h$ I率谱图,并计算各自的ACPR。输入信号ACPR=-78.5dB,无预失真输出信号. V3 y! c. ?0 @1 d) {2 G: W
ACPR=-37.3dB,直接学习法和间接学习法的有预失真输出信号的相邻信道功率
! z. K8 Q7 z$ I3 k4 w; p比分别为ACPR=-52.2dB、ACPR=-50.1dB。比较ACPR 可以直观的发现,采用
% j( i) n8 X h: m& z$ I1 I3 u预失真补偿的功率放大器的频谱泄露明显减小。' d v, @: t" y$ q
, H6 P- ?* i' S+ c5 R* D$ H |
zan
|