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:
5 `/ A5 v9 d# r4 A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
6 q7 e0 \2 k! N; f; P" Y器(PA,Power Amplifier),简称功放。为了提高功率放大器的效率,通常又要
$ X) T$ r* i/ i0 k: M, u7 T% t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
( D. _( C6 V. n: ?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,
5 [0 |* h" H* w2 a" a! D" p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
* k( G% u- \' U9 t7 k3 L: N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
/ g) k2 R2 A& J. K: f6 \5 o8 R9 L预失真技术中的功放模型的建立及预失真算法的研究。; U, F0 r; }- W8 ]/ ~/ h8 E
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- ^, k5 G0 {" l3 b5 ?
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( V T1 h* ]& a
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
, @! L) m! ]1 o8 H8 A5 [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 c: s0 H J5 y/ o5 J10 时,NMSE=-97.5dB。为了避免求逆运算,采用LMS 自适应算法来求解,由
7 p5 ?: C( [& _1 O+ N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,
. g6 t3 A; a7 s2 Y. v% A( P性能有所改善,NMSE=-42.6dB(图4.8)。6 k2 a3 a. C! {9 T6 K2 w
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
; p) e4 _4 l0 h% ^1 Z0 ~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
( G$ ^0 P9 c, f$ O, T' M+ s! ~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
) \) ^- W* V0 K" w+ w$ `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 T7 q5 B$ K9 Z1 a( q0 k1 N: 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- `) ^' \! r4 X" X8 K0 ~* w% P! l
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。% P1 _6 { P' _* J {, G( P
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, R- F7 p4 o& U/ Q; X
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
; V7 w7 d- w9 a. B2 l* O! d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 `9 m! k# b, Z; S' T ~+ Z
式”模型的阶数K=3 ,记忆深度M=5,此时NMSE=-45.05dB。1 w% T! I; F$ u# B) I' C
2& P ^" A1 v9 |8 I
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,
9 b$ v4 P6 R8 H3 g2 s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
$ r4 M! R5 X) e2 }3 C6 ZK=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。; ~( Q2 n. ^' D( P3 d! w
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NMSE5 y- D, d; Y# k9 H( @: X4 f
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
8 X' Q. s' E& G- dK=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 y" I7 s) m2 B. H) @8 d( f+ m
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/ g1 i5 p$ Y+ s7 W$ @3 P
学习结构图(图4.15),求得NMSE=-44.1dB、g 9.456。4 U; N, H4 E; 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
1 @% o$ T* U3 J+ y$ w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( ^7 O9 C. A' V, j3 W$ D
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2 y9 n# _8 e- z* m( D! H" G
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: v+ |/ t+ n( ]& x7 q- F9 o. J
比分别为ACPR=-52.2dB、ACPR=-50.1dB。比较ACPR 可以直观的发现,采用. r2 s3 M! J6 n, ~' {! O. ?# I D) Z
预失真补偿的功率放大器的频谱泄露明显减小。0 m7 V% Z# _, k& b
: [2 K7 {6 z) }; X5 ~ |
zan
|