[發明專利]一種增強帶外DPD線性化的譜加權SAMP方法

在審

• 申請號: 202110322331.7
• 申請日: 2021-03-25
• 公開（公告）號: CN113054925A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 高明明;邊廷玥;劉超;南敬昌;楊會玉;梁琦;孫驥
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: H03F3/20
• 分類號: H03F3/20
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 韓登營

本發明公開了一種增強帶外DPD線性化的譜加權SAMP方法，通過構建一個離線運行模塊，先用測試信號驅動功率放大器(PA)得到PA的輸入、輸出數據，再將PA的輸出信號在頻域中進行帶內陷波處理，然后對稀疏度自適應匹配追蹤(SAMP)算法進行改進，運用改進后的算法，即譜加權策略的稀疏度適應匹配追蹤(SW?SAMP)算法來選擇一組最相關的基函數，此過程只進行一次，將得到的最優基集輸入在功放逆模型的預失真模塊中，利用最小二乘法迭代來估計DPD模型系數，再對求行為模型的逆，然后把最終結果賦給預失真器。本發明提出的方法可以降低PA行為模型在前向路徑中的計算復雜度，并且增加了整個預失真系統的穩定性。

技術領域

本發明屬于數字信號處理領域，尤其涉及一種增強帶外DPD線性化的譜加權SAMP方法。

背景技術

當今解決功率放大器(PA)固有線性度與低效率的最常用的方法是數字預失真技術(Digital PreDitortion，DPD)。隨著4G通信而興起的一些技術，如載波聚合或者MIMO，繼而在5G中，不斷增長的信號帶寬和峰均功率比讓預失真器在處理PA時遇到了困難。而DPD模型中補償靜態非線性和動態記憶效應所需要的參數數量非常大，增加了計算復雜性，這讓DPD模型提取和自適應過程變得低效，導致了DPD估計參數時的過度擬合。然而，隨著壓縮感知(Compressive Sensing，CS)理論的發展與興起，可以很好地解決自適應系統中的過擬合和復雜度高的問題，進而減少了所需DPD基函數的數目。

DPD模型降階可以通過CS算法，如匹配追蹤(MP)算法、正交匹配追蹤(OMP)算法、廣義正交匹配追蹤(gOMP)算法、稀疏度自適應匹配追蹤(SAMP)算法、最小二乘(LS)算法、稀疏貝葉斯學習(SBL)算法等。這些算法都能在不同程度上對功放的非線性進行有效改善，但為了無線通信系統的快速發展，開發新的更高效的預失真算法是促進當今行業發展的關鍵。

發明內容

針對現有技術的不足之處，本發明提供一種增強帶外DPD線性化的譜加權SAMP方法，通過基于譜加權策略的稀疏度自適應匹配追蹤(SW-SAMP)算法對功放模型進行降階處理，進而補償功放帶外失真。

本發明的具體技術方案是：一種增強帶外DPD線性化的譜加權SAMP方法，包括以下步驟：

步驟1：用一個測試信號來驅動GaN器件的AB型超寬帶功率放大器，獲得PA的輸入輸出數據；

步驟2：采用GMP模型作為全功放行為模型，獲得用于PA模型辨識的感知矩陣；

步驟3：對PA的輸出信號在頻域中進行帶內陷波處理，得到頻域中的由濾波基函數組成的感知矩陣；

步驟4：采用基于譜加權策略的稀疏度自適應匹配追蹤(SW-SAMP)算法對目標稀疏模型進行估計，得到一組最相關的基函數來描述PA的特性；

步驟4.1：初始化殘差E₀＝Y_f，初始化信號稀疏度k，迭代稀疏度L＝k，迭代次數m＝1，支撐集Y_f為O×1維觀測向量，Ψ_x,f為N×O維濾波感知矩陣，輸出O×1維濾波殘差

步驟4.2：計算選擇i中L個最大值，得到與濾波殘差最匹配的原子，將這些值對應于Ψ_x,f,{j}的列序號j構成集合Λ_k；

步驟4.3：更新支撐集C_k＝S_(m-1)∪Λ_k，Ψ_x,f,m＝{Υ_x,f,j|j∈C_k}；

步驟4.4：求解的最小二乘解：

步驟4.5：在中選擇絕對值最大的L項，記為