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:1 L9 C3 V1 z( d$ z: o5 T
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0 A( Y! I; v( u5 t
器(PA,Power Amplifier),简称功放。为了提高功率放大器的效率,通常又要
7 s+ P- ^0 |0 L9 s9 _7 o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
( k5 X' ~' a; e' { z0 [' 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,
/ L' \% L) {9 Q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# H1 v$ k/ P/ i; A% O. A# U
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/ G3 Q& J* l8 g/ {4 r% h
预失真技术中的功放模型的建立及预失真算法的研究。
1 [2 u1 z f" k/ ?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: \6 {# v' c) Z4 }" h
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
" h' ^ m9 v! E" d" u' ^4 m# }+ ANMSE=-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6 b. \' a' [4 R# a& r+ T& \6 l
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( q$ g! |- B/ ] j3 g5 K0 m
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% k0 P3 d# F0 ]
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,1 z( k P" [9 c/ G
性能有所改善,NMSE=-42.6dB(图4.8)。
2 G& ~6 R6 ^8 x, R) E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
+ g1 `5 s6 u, [( c& }; `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
2 y6 F3 z/ T/ D; b( Z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3 T1 i2 I* k: e, a' A. f& ]
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,( y, V8 L: T7 J. u ?
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8 j/ O' @7 C- g3 y0 o( N: 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。- x2 v8 k4 X+ f; O) U
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
, l" p6 u. C" @' R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+ Q8 Y9 D8 T) T$ l, n, a
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
* i3 P8 p; c; V3 H& k式”模型的阶数K=3 ,记忆深度M=5,此时NMSE=-45.05dB。
/ ^5 H' a* b9 }2
7 o6 Q6 c2 x$ T% S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,
" A: v# p: O$ h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
# d# n3 R: E: k- T2 S( 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。
( t6 _# G$ K) t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NMSE2 q) l. v$ n, U. |0 x% C
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 f) b3 Q+ l% z* B& B5 r
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 t6 X1 ~7 h5 n8 p( r: a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* W: N6 j/ @+ G; Y Q& \ n
学习结构图(图4.15),求得NMSE=-44.1dB、g 9.456。+ |" _8 k" x# z) y% n* B
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
& R# Y9 \, V6 i/ N6 x$ N7 Z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
/ e0 Y+ V7 T) f$ D, t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# @" u" d9 _# w% s/ N- j
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
' X7 d: f+ D5 i" L$ ]0 s比分别为ACPR=-52.2dB、ACPR=-50.1dB。比较ACPR 可以直观的发现,采用3 D# \. u4 C( g
预失真补偿的功率放大器的频谱泄露明显减小。
) T7 \( V: a$ p2 K) k/ e; J
" d& p- j9 t8 e9 a% v$ b/ v- K |
zan
|