TA的每日心情 | 奋斗 2024-7-1 22:21 |
---|
签到天数: 2014 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:% [: k; _! X( k8 p. q' y$ f
随着现代微波电路仿真技术与数字预失真技术的发展,功率放大器行为模型的研究
% G5 Z. R0 O$ n0 t已经成为功率放大器研究领域的重要方向之一,而采用多项式结构描述放大器的特性是
! w7 T. K/ h1 r3 a2 |5 }) s9 d行为模型研究中最主要的方法。本文主要研究了无记忆功率放大器和有记忆功率放大器1 N: d0 C2 M T0 U h
的多项式结构的系统建模,放大器的预失真处理技术,以及非线性放大器对输出信号频( Z' |3 T1 F, u% c; s) d
谱的影响。: x, `# E1 m5 w$ f( {
本文的主要工作及创新可概括如下。
& } ~3 u% U* b0 v1 x1. 构建无记忆功率放大器基于一般多项式及和多项式的正交、非正交模型,利用
. o0 D, L0 z" I+ ~4 V! e最小二乘(LS)算法求解模型参数。通过数据仿真可知,和多项式及正交和多项& S. M- ]- o) p( h
式模型优于一般多项式模型,当多项式为12 阶时,其归一化均方误差(NMSE)
+ j9 G$ B7 o) A3 a ?/ U3 H6 u达到-100dB;并且在阶数较大时,正交和多项式模型性能优于和多项式模型,, R; ~# p) D4 p# K* X( E
具有更高的稳定性。6 U" e& T; e: C+ l p2 p2 o' ^- m
2. 建立无记忆功率放大器的和多项式预失真模型,通过系统逆辨识获取预失真处
: |& B7 a" J( }' ?" s理器输出端的理想信号,将整体系统简化为预失真模块处理过程。利用最小均4 b5 P6 G; {: E+ F% g
方(LMS)和LS 算法求解预失真模型参数,并对预失真补偿效果进行评价。' O/ R7 ~/ X! ?# [
实验结果表明,本文构建的预失真模型能够使功放整体输出具有较好的线性特2 S" `6 s; r& ?$ Q
性,且逼近理想特性曲线。随着多项式阶数的增加,通过本文正交和多项式预
3 C6 n$ M4 M3 ^! x. ]失真模型处理后,功放输出的归一化均方误差(NMSE)和误差矢量幅度(EVM)
- e. I& H0 z m3 t, ?. K% \/ }2
- i! u1 U2 [7 c" O% w逐渐减小, 当阶数大于 10 时,正交和多项式模型 NMSE NMSE小于 -61 dB ,EVM 低 于 0.1% 。
1 {2 `+ g9 i& K* s! J2 I2 W3. 构建有记忆功率放大器和多项式模型, 并利用 LS 算法 求解模型 参数。 仿真结 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 ;当多 项式 大于 5阶, 系统记忆深度 系统记忆深度 大于 5时,系统的 时,系统的 NMSE NMSE低于 -45dB 45dB,而传统多 ,而传统多 项式模型仅为 -34 dB 。9 z8 ~* {6 d( P& I v; Z! D
4. 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 和功率最大化约束,获取预失真处理器想输 出信号,通过 LS 算法解其参 数。通过 NMSE NMSE和 EVM 分析可知,当 给定 功率放大器的阶数为 5,记忆深度 为 5时,解算得预失真器的多项式阶数等于 时,解算得预失真器的多项式阶数等于 5,记忆深度等于 ,记忆深度等于 3时的系统最优 , 此时的 NMSE NMSE等于 -45dB 45dB ,EVM 为 0.3% 。为了使预失真系统能够应对实际运 。为了使预失真系统能够应对实际运 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 放逆辨识 的自适应预失真处理 模块 ,模 块求解 采用最小均方 算法 (LMS)(LMS)(LMS)(LMS)(LMS)。5 v% u/ z5 ^1 M7 h
5. 通过周期图法估计信号的功率谱密度,算输入出相邻道比 通过周期图法估计信号的功率谱密度,算输入出相邻道比 (ACPR) (ACPR)(ACPR)(ACPR)(ACPR)。 输入信号的 输入信号的 输入信号的 输入信号的 输入信号的 ACPR ACPR等于 -78.4687 dB ,未经 预失真处理的 预失真处理的 预失真处理的 预失真处理的 预失真处理的 预失真处理的 功放系统 功放系统 功放系统 功放系统 输出信号的 输出信号的 输出信号的 输出信号的 输出信号的 ACPR ACPR等于 -37.2605 dB ,预失真处理后的 功放输出信号,预失真处理后的 功放输出信号ACPR ACPR等于 -51 .9625dB 。: ]' @9 k3 t1 o
关键词 :正交多项式模型 , 系统逆辨识最小二乘 算法, 最小均方算法 ,自适应 预失真系统" ]0 K4 x' C, D" d
* M' c0 D. I) v! N: L
|
zan
|