[發(fā)明專利]用于數(shù)字預(yù)矯正放大器的失真的方法及裝置

有效

• 申請?zhí)枺?/td>: 201110316070.4
• 申請日: 2011-10-18
• 公開（公告）號: CN103066927A
• 公開（公告）日: 2013-04-24
• 發(fā)明（設(shè)計）人: 趙光玲
• 申請（專利權(quán)）人: 上海貝爾股份有限公司
• 主分類號: H03F1/32
• 分類號: H03F1/32
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 鄭立柱

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)字預(yù)矯正技術(shù)，尤其涉及一種用于數(shù)字預(yù)矯正放大器的失真的方法及裝置，以及一種具有數(shù)字預(yù)矯正功能的放大模塊。

背景技術(shù)

為了減小放大器的失真，例如，由記憶效應(yīng)和互調(diào)失真(intermodulation?distortion)所引起的失真，通常通過預(yù)先建立放大器的反模型，以減小放大器輸出的失真，并且改善放大器輸出的線性化程度。通常根據(jù)放大器的非線性程度、帶寬以及記憶效應(yīng)等，運用Volterra級數(shù)：

F[x(n)]=Σk=1KΣq=0Q-1akqx(n-q)|x(n-q)|k-1]]>

式中，K是非線性的階數(shù)，Q是放大器的記憶深度，來建立非線性化模型，對放大器的失真進行數(shù)字預(yù)矯正(Digital?Predistortion)?？梢愿鶕?jù)放大器的輸入與輸出建立線性方程組，來求解Volterra級數(shù)的各項的系數(shù)，以調(diào)整該反模型，但是由于實施的復(fù)雜性，該方法需要在不同的部件，諸如FPGA、DSP或CPU等中分離地實施。

另外，該方法還存在一些缺點。對于一些非線性程度高的或?qū)拵Х糯笃鞫?，使用Volterra級數(shù)建立反模型，是非常復(fù)雜的，因為此時需要很高的Volterra級數(shù)的階數(shù)，而Volterra級數(shù)又是多維卷積的，所以其復(fù)雜度非常高并容易受到有限字長效應(yīng)的影響，在FPGA中執(zhí)行時容易導(dǎo)致溢出。另一方面，對于每個不同的放大器，需要獨立地建立各自的反模型，并重新確定Volterra級數(shù)的相應(yīng)的參數(shù)，這就難以實現(xiàn)實時的更新，所以該方法難以實現(xiàn)自適應(yīng)。此外，由于Volterra級數(shù)是無限的，而在建立放大器的反模型時，僅選取了Volterra級數(shù)有限的項數(shù)，所以利用Volterra級數(shù)創(chuàng)建的反模型，其本身就是近似的并是不精確的，容易產(chǎn)生誤差。尤其對于非線性程度高的放大器，以及寬帶放大器而言更是如此。這就降低了放大器的效率。然而，寬帶放大器是如今的趨勢，所以如何解決以上問題來有效地提高放大器的效率是特別關(guān)鍵的。

發(fā)明內(nèi)容

可見，背景技術(shù)中所提到的方法存在的缺點在于復(fù)雜性較高、實時性差、非自適應(yīng)、需要分離地實施、以及對于非線性嚴(yán)重的或?qū)拵Х糯笃鞫裕渚_度較低，這嚴(yán)重影響了放大器的效率。

為了解決上述技術(shù)問題，根據(jù)本發(fā)明的一個方面，本發(fā)明提供了一種用于數(shù)字預(yù)矯正放大器的失真的裝置，所述裝置包括：誤差產(chǎn)生單元以及均衡器；其中所述誤差產(chǎn)生單元，用于獲取需放大的信號，獲取所述放大器的輸出信號，并且根據(jù)所述需放大的信號與所述放大器的所述輸出信號來產(chǎn)生誤差信號；以及所述均衡器，用于接收所述需放大的信號和所述誤差信號，并且根據(jù)所述誤差信號、基于預(yù)定的自適應(yīng)標(biāo)準(zhǔn)，對所述需放大的信號進行均衡，以及輸出經(jīng)均衡的信號以提供給所述放大器。通過該裝置，能夠通過對放大器的失真進行數(shù)字預(yù)矯正，顯著提高均衡器和放大器的綜合響應(yīng)幅度/幅度特性、幅度/相位特性等的線性化程度。