功率放大器非线性特性及预失真建模

madio

摘 要：
- E& C2 \& g* m5 [9 t: _2 E: F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. L4 Y2 d! i; {' _$ e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
7 ~% t+ @7 P, G* P6 R! w  H6 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
8 p/ }8 T7 {" f' S& E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. D. \7 s" f' ~" C谱的影响。
本文的主要工作及创新可概括如下。
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
2 y/ C& W1 ]9 K$ q# T5 {# @! z# K! M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
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)
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，
具有更高的稳定性。
- _/ s" r( D( D& r2. 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
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
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。
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
8 g8 K  s4 a/ C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
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）
  X2 r% t8 [, i' E( _2
1 s/ y: `. A) N4 |: W1 U: ?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% 。
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 。
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)。
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 。
3 L1 L$ @9 w5 M' q. s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

wwyapple

谢谢楼主分享。。。。学习ing