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:# L( q! `% d+ ?& O
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( ^1 q7 p4 u7 \1 s2 V, k7 d2 w
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
) B! M& [$ c7 t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
. E/ V L0 j! F, 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9 ^& r4 _7 X* t, q9 {2 s
谱的影响。
' H W% Y5 {' h本文的主要工作及创新可概括如下。1 P5 i' a2 X0 P9 p
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
) T1 a% [( Q! J; d# \: B6 k, C8 Q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
9 l) q% v( Y/ u: A+ b( J. L) a, z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)
! [2 F# B) f! [& j W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 `7 U Z/ ^) u& a具有更高的稳定性。
# ~& d9 f8 G6 M9 V9 w2. 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
! J' u0 {& K* @4 L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
; l( M" c" v6 i0 s7 J% v0 Y) n# x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。5 W9 R$ `0 J0 f4 B+ d0 k
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! T* V% b7 J& p4 _5 Z3 o
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
1 k. x- F$ M' N7 I5 U" N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)8 }1 K1 h0 ]2 R; J
25 K% {/ L2 z+ I+ F
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% 。
8 [. C# f, h$ h" s3. 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 。
5 ~% h6 C$ i |! \& m, w ]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)。
% l; m# `, j1 p5 F" H5 |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 。6 C3 L' C' Y" Q* o# e
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 Q( i2 P" b4 Y4 D
2 e) B% k/ M( f; K' ~3 F
|
zan
|