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:& O% ?/ F. D1 y& `3 o& L! v
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) Q( W/ C9 u$ z) c: ~1 [
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
" t; i% h- P' J2 }# Y" y6 u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! ?+ p! |" f. L' h3 E3 @8 X6 @
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
0 i' u" v7 }: _$ u谱的影响。
: t7 W u9 F. B+ O+ ~, O9 P本文的主要工作及创新可概括如下。) t# r4 L, `& C! i% O$ B
1. 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
7 g3 M; m; v0 ^7 L& p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3 }* i3 p" g( K/ X7 U5 b, d
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)& V. Q1 H. w- W7 ]+ c' p" g
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,! t' J% q; F9 Q; n# C5 h0 q
具有更高的稳定性。1 M- C& u m0 }
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, `& z/ j7 `# ^8 v+ G
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
. O+ l, t4 Y" C1 Y: y7 v; U5 R; B- o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。
" L* L+ [. ~( C& Q; s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
. i( Q' n6 G d9 b 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& e. @( C) n0 @, O7 ~# s
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)7 Y; Q N7 U; J# ]. k! Q1 b( K
2
6 d1 r( @- Q n# l4 J( h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% 。
( f/ ^# F9 \7 @/ [3. 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 。
+ N k7 X1 z$ a, l) W+ y6 p4. 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)。
* ^, R9 G$ h0 o5 Y q6 | {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 。+ J8 w0 ~9 @" V/ W' L
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5 p6 m# C1 Q1 N" P, s
( m: G+ L& f9 @& X4 Z- k$ K |
zan
|