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:
3 k2 i0 @% p* S' C; y' d1 L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' f V v$ ^5 y- y* T2 r, ?
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+ F& H4 d4 a, ]3 z" }3 ~/ X
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
! W1 X9 X* F1 Z1 a5 Q8 F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) S" l; z7 |' T* o7 Q
谱的影响。. h, B& p3 l9 z0 ]8 [7 ]" I# ]
本文的主要工作及创新可概括如下。6 h$ E$ V+ T. S
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% ?# f3 B- Y# r6 |0 A1 _
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
" p5 c9 x2 U" ^7 j* ^7 V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); u5 P1 q# h) W5 _- z' X) p9 ]
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,
9 U$ L+ m+ z7 h) Y! \4 d7 ]$ ?具有更高的稳定性。
% Q( `+ `% w6 d0 k2. 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
# [- B$ e; ?2 Q/ U5 A5 K* X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' [! G6 L U( j O! c. t
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。' P1 b5 C6 a: U3 s3 N8 b
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, M* q, S( A- b9 t1 d/ e/ s
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
+ [4 w/ x+ z% Z6 { L7 g( `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)
& O: {0 _) q. s. T* Y2
& k- K2 a9 J2 w# p- T# {2 V+ Q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% 。/ j1 o; t3 T d
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 。3 K, Q5 r" G+ f! h s, E
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)。
3 D) s5 ?! A3 u$ a' W+ `. m5. 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 。
7 ~ |' l. i& T7 L3 f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
1 y' F, J: e, I" S* ]( W+ j8 e% v( u& P. h7 f
|
zan
|