[發(fā)明專利]一種自適應(yīng)預(yù)失真系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110069427.7
• 申請(qǐng)日: 2021-01-19
• 公開(kāi)（公告）號(hào): CN112859611B
• 公開(kāi)（公告）日: 2023-05-16
• 發(fā)明（設(shè)計(jì)）人: 張紅升;易勝宏;劉紅江;謝添
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 李朝虎

1.一種自適應(yīng)預(yù)失真系統(tǒng)，其特征在于，包括第一預(yù)失真模塊、第二預(yù)失真模塊、功放模塊、衰減模塊和自適應(yīng)模塊；

所述第一預(yù)失真模塊用于對(duì)輸入信號(hào)x(n)進(jìn)行預(yù)失真處理，得到預(yù)失真輸出信號(hào)y(n)；

所述功放模塊用于對(duì)所述預(yù)失真輸出信號(hào)y(n)進(jìn)行功率放大處理，得到功放輸出信號(hào)z(n)；

所述衰減模塊用于對(duì)所述功放輸出信號(hào)z(n)進(jìn)行衰減處理，所述第二預(yù)失真模塊用于對(duì)衰減處理后的功放輸出信號(hào)z(n)進(jìn)行預(yù)失真處理，得到預(yù)失真輸出信號(hào)z₁(n)；

所述自適應(yīng)模塊用于對(duì)所述預(yù)失真輸出信號(hào)z₁(n)進(jìn)行自適應(yīng)處理，得到自適應(yīng)信號(hào)d(n)；

根據(jù)所述預(yù)失真輸出信號(hào)y(n)和所述自適應(yīng)信號(hào)d(n)的差值信號(hào)e(n)，對(duì)所述自適應(yīng)模塊進(jìn)行調(diào)整；

其中，所述自適應(yīng)模塊采用自適應(yīng)算法，所述自適應(yīng)算法為最小均方算法LMS；

其中，所述自適應(yīng)模塊根據(jù)所述差值信號(hào)e(n)和所述預(yù)失真輸出信號(hào)z₁(n)，向所述第一預(yù)失真模塊和第二預(yù)失真模塊反饋復(fù)增益系數(shù)w(n+1)。

2.根據(jù)權(quán)利要求1所述自適應(yīng)預(yù)失真系統(tǒng)，其特征在于，所述最小均方算法LMS通過(guò)下列公式表示：

其中，w(n)^H為w(n)的復(fù)共軛轉(zhuǎn)置，u為步長(zhǎng)。

3.根據(jù)權(quán)利要求1所述自適應(yīng)預(yù)失真系統(tǒng)，其特征在于，所述自適應(yīng)模塊包括權(quán)值更新控制模塊和線性濾波器。

4.根據(jù)權(quán)利要求1所述自適應(yīng)預(yù)失真系統(tǒng)，其特征在于，所述第一預(yù)失真模塊和所述第二預(yù)失真模塊均采用交叉記憶多項(xiàng)式模型，所述交叉記憶多項(xiàng)式模型融合Hammerstein模型和DDMP模型的交叉項(xiàng)，所述Hammerstein模型即記憶多項(xiàng)式MP模型；

所述交叉記憶多項(xiàng)式模型包括DDMP模型的交叉項(xiàng)和Hammerstein模型的奇數(shù)階項(xiàng)。

5.根據(jù)權(quán)利要求4所述自適應(yīng)預(yù)失真系統(tǒng)，其特征在于，所述的DDMP模型為非線性度更強(qiáng)的功放模型，所述的Hammerstein模型保留了Volterra模型的對(duì)角項(xiàng)。

6.根據(jù)權(quán)利要求4所述自適應(yīng)預(yù)失真系統(tǒng)，其特征在于，所述交叉記憶多項(xiàng)式模型采用下列公式表示：

其中，x(n)為輸入信號(hào)，y(n)為預(yù)失真器輸出信號(hào)，a_q,k為Hammerstein模型的參數(shù)，b_q,k為DDMP模型的參數(shù)，odd表示奇數(shù)階，K為非線性階數(shù)，Q為記憶深度，q∈[1，Q]，k∈[1，K]，n∈[1，N]，N為正整數(shù)。

7.一種自適應(yīng)預(yù)失真方法，其特征在于，包括以下步驟：

步驟S1：對(duì)輸入信號(hào)x(n)進(jìn)行預(yù)失真處理，得到預(yù)失真輸出信號(hào)y(n)；

步驟S2：所述預(yù)失真輸出信號(hào)y(n)進(jìn)行功率放大處理，得到功放輸出信號(hào)z(n)；

步驟S3：對(duì)所述功放輸出信號(hào)z(n)進(jìn)行衰減處理，并對(duì)衰減處理后的功放輸出信號(hào)z(n)進(jìn)行預(yù)失真處理，得到預(yù)失真輸出信號(hào)z₁(n)；

步驟S4：通過(guò)最小均方算法LMS對(duì)所述預(yù)失真輸出信號(hào)z₁(n)進(jìn)行自適應(yīng)處理，得到自適應(yīng)信號(hào)d(n)；

步驟S5：根據(jù)所述預(yù)失真輸出信號(hào)y(n)和所述自適應(yīng)信號(hào)d(n)的差值信號(hào)e(n)，調(diào)整所述最小均方算法LMS；

其中，根據(jù)所述差值信號(hào)e(n)和所述預(yù)失真輸出信號(hào)z₁(n)，同時(shí)向步驟S1和步驟S3中的預(yù)失真處理過(guò)程反饋復(fù)增益系數(shù)w(n+1)。