[發(fā)明專利]基于自適應(yīng)可變步長迭代的預(yù)失真方法

在審

• 申請?zhí)枺?/td>: 201410116029.6
• 申請日: 2014-03-26
• 公開（公告）號: CN103888396A
• 公開（公告）日: 2014-06-25
• 發(fā)明（設(shè)計(jì)）人: 王勇;張菲;安亞娟;葛建華;宮豐奎
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: H04L25/49
• 分類號: H04L25/49;H04L27/26;H03F1/32
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于無線通信技術(shù)領(lǐng)域，涉及一種可變步長迭代的預(yù)失真方法，適用于各類寬帶無線通信系統(tǒng)發(fā)射機(jī)中功率放大器的線性化。

背景技術(shù)

目前，數(shù)字預(yù)失真技術(shù)已成為無線通信系統(tǒng)射頻功率放大器線性化中最具成本效益和最有應(yīng)用前景的技術(shù)。在處理非穩(wěn)定信號的預(yù)失真方案中，S.Haykin在“Adaptive?Filter?Theory”中給出了歸一化最小均方NLMS（Normalized?Least?Mean?Square）預(yù)失真方案；D.P.Mandic在“A?Generalized?Normalized?Gradient?Descent?Algorithm”中給出了廣義歸一化梯度下降GNGD（Generalized?Normalized?Gradient?Descent）預(yù)失真方案；Dennis?R.Morgan在“Reducing?Measurement?Noise?Effects?in?Digital?Predistortion?of?RF?Power?Amplifiers”中給出了降低量化噪聲影響的新型間接學(xué)習(xí)結(jié)構(gòu)預(yù)失真方案；Zhou?Dayong在“Novel?Adaptive?Nonlinear?Predistorters?Based?on?the?Direct?Learning?Algorithm”中給出了抑制量化噪聲影響的改進(jìn)型直接學(xué)習(xí)結(jié)構(gòu)預(yù)失真方案。

上述處理非穩(wěn)定信號的預(yù)失真方案主要是針對功率放大器的弱記憶與弱非線性效應(yīng)、受反饋信號中噪聲分量影響較低以及輸入信號動態(tài)變化范圍較小等應(yīng)用場景。然而隨著無線通信系統(tǒng)頻帶的增加，功率放大器通常呈現(xiàn)出強(qiáng)記憶與強(qiáng)非線性效應(yīng)，反饋信號中的噪聲分量也會增加，現(xiàn)有的數(shù)字預(yù)失真系統(tǒng)已不能滿足寬帶無線通信系統(tǒng)中對功率放大器的線性化需求，而且對信號不穩(wěn)定特性非常敏感，在抑制帶外頻譜擴(kuò)展、收斂性和穩(wěn)定性等方面的性能欠佳。

發(fā)明內(nèi)容

本發(fā)明目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于自適應(yīng)可變步長迭代的預(yù)失真方法，以有效地抑制帶外頻譜擴(kuò)展，減小非穩(wěn)定信號對系統(tǒng)性能的影響，提高系統(tǒng)的收斂性和穩(wěn)定性，實(shí)現(xiàn)對放大器強(qiáng)記憶與強(qiáng)非線性特性的精確估計(jì)，滿足寬帶無線通信系統(tǒng)中對功率放大器的線性化需求。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于自適應(yīng)可變步長迭代預(yù)失真方法，是在預(yù)失真系統(tǒng)中進(jìn)行，所述預(yù)失真系統(tǒng)包括:前向預(yù)失真器、功率放大器、后向預(yù)失真器和加法器，其實(shí)現(xiàn)步驟包括如下：

（1）對在第n個時(shí)刻輸入的基帶信號x(n)進(jìn)行非線性特性的逆處理，并將輸出的預(yù)失真信號z(n)分別給功率放大器和加法器；

（2）功率放大器輸出放大后的預(yù)失真信號y(n)傳輸給后向預(yù)失真器進(jìn)行非線性特性逆處理，輸出預(yù)失真估計(jì)信號給加法器；

（3）加法器將預(yù)失真估計(jì)信號與預(yù)失真信號z(n)進(jìn)行比較，得到估計(jì)誤差給參數(shù)估計(jì)模塊；

（4）參數(shù)估計(jì)模塊利用輸入的估計(jì)誤差e(n)，按照如下公式迭代計(jì)算在第n+1個時(shí)刻后向預(yù)失真器系數(shù)向量w(n+1)：

w(n+1)＝w(n)+μ₁erf(1-e^-a|e(n)|)u(n)e^*(n)，

其中，w(n)為在第n個時(shí)刻的后向預(yù)失真器系數(shù)向量，表示為：

w(n)＝[w₁₀,w₃₀,...w_Q0,...w_1M,w_3M,...w_QM]^T，w_qm為預(yù)失真器系數(shù)，q和m分別代表預(yù)失真系數(shù)的非線性階數(shù)和記憶深度，1≤q≤Q,0≤m≤M；Q和M分別為后向預(yù)失真器的最高非線性階數(shù)和最高記憶深度；

u₁為參數(shù)估計(jì)模塊的迭代步長因子，a為調(diào)整因子，|·|是求模運(yùn)算符；

u(n)表示由放大后的預(yù)失真信號y(n)構(gòu)成的向量，定義為：

u(n)＝[y(n),y(n)|y(n)|²,...,y(n)|y(n)|^Q-1,...,y(n-M)|y(n-M)|^Q-1]^T，式中，y(n-M)表示放大后的預(yù)失真信號y(n)在M個時(shí)刻之前的歷史信號；

（5）將后向預(yù)失真器得到的第n個時(shí)刻的系數(shù)向量w(n)復(fù)制到前向預(yù)失真器中，以對輸入的基帶信號x(n)進(jìn)行非線性特性的逆處理；