数字自适应预失真校正及预校正器

本文主要介绍了应用在数字电视发射机中的数字自适应预失真校正的基本原理 。

自适应预失真校正对数字电视激励器测试的影响

自适应预失真校正技术在当代数字电视发射机中得到了广泛应用。在数字电视发射系统的正常运行维护中,数字电视激励器测试中要关闭预失真校正功能,否则原来发射系统的校正参数仍然在单激励器中发生作用,造成指标测试的误判。

功率放大器数字基带自适应预失真技术研究进展

阐述了目前国内外功率放大器(PA)线性化技术的研究状况,重点研究了其中最有应用前景的数字基带自适应预失真技术及其最新研究进展,分析并指出了相关方法的优缺点,并对其发展前景进行了展望。

宽带OFDM功放自适应数字预失真算法的研究与实现

针对宽带OFDM功放的线性化问题,本文提出了一种基于训练序列的递推最小二乘算法和最小均方算法的组合算法,并将其应用到基于多项式的数字预失真系统中以实现自适应数字预失真滤波器系数的估计和更新。本文首先介绍了整个数字预失真系统的组成架构;然后是自适应数字预失真算法的实现,使用MATLAB软件对其算法进行仿真验证;最后还组建了实验系统,进行了ACLR测试实验。仿真结果和测试结果均表明基于自适应数字预失真算法的宽带线性化功放具有良好的性能,OFDM功放输出的线性度改善6dB。

数字基带预失真自适应算法改进与性能分析

文章首先介绍了数字基带预失真的自适应算法,针对基于多项式的实现方式分析比较了LMS和RLS算法,然后研究基于查找表的各种自适应算法,提出了一种改进的查找表预失真组合算法。仿真结果表明,这种算法可以很好地满足查找表预失真自适应环节的要求。

数字电视发射机自适应预失真技术

本文介绍了国外应用在数字电视发射机中的自适应预失真技术 ,着重介绍了笛卡尔环的工作原理、高功放产生互调失真的原理以及预失真的工作原理。

基于多项式数字基带自适应预失真技术的研究

由于自适应数字预失真具有稳定性好、适应能力强等优点,被广泛应用于实现功率放大器的线性化。而本文正是研究了基于多项式数字基带自适应预失真技术。首先,介绍了基于多项式数字基带自适应预失真技术;其次,分析了间接学习结构理论;最后,对OFDM信号进行了仿真实验。结果表明:预失真可以有效地抑制带外频谱以及补偿功放的非线性失真和记忆效应。

具有VersaLine数字预失真校正技术的单芯片

BCM51030单芯片基于博通公司创新性的VersaLine数字预失真（DPD）校正技术，能够为无线基站和新兴的HetNet射频应用提供最高的带宽支持，在单个卷片上提供数字前端（DFE）平台的完整功能，并能提供比目前解决方案高10倍的带宽支持以解决分散频谱的问题。

线性功放中数字预失真方法的实验研究

对数字预失真线性功放中两种主要的数字预失真方法:多项式拟合法和查找表构建预失真器法进行研究;首先针对两种方法所对应的不同预失真器结构,就预失真精度、算法复杂性、所需存储空间和自适应能力等进行分析对比;然后采用cdm a2000调制信号源对两种方法预失真效果作ADS仿真分析和实验测试,验证了两种方法的可行性,并对两种方法预失真能力作进一步讨论;最后总结了两种预失真方法在功放线性化应用的优缺点和适用范围。

功率放大器的数字预失真——固定预失真或自适应预失真?

实践已经证明,射频线性化技术和数字预失真技术都可以有效地抵消大功率放大器工作在饱和点附近时由非线性特性产生的失真。由于数字预失真器成本低、实现简单,这使之成为昂贵的、高功耗射频线性化器的一种非常有希望的备选方案。数字预失真器根据输入信号的大小调整信号幅度和进行移相,其调整系数取决于放大器的非线性特性,这些系数既可以直接通过网络分析仪测量放大器的特性而获取,也可以藉由自适应调整初始估计值获得,从而使得误差减少到最小。误差通常是指发射信号和取样信号之间的差异。自适应可使用标准的梯度下降算法,如最小均方（LMS）来完成。本文比较了两种方法的测试结果,这些测试是针对航天级行波管放大器（TWTA）进行的。结果表明自适应方法具有更好的频域特性（肩部减小）,然而在改善信噪比和误码率方面,这两种方法的性能几乎是一样的。

数字基带自适应预失真算法设计及仿真实现

从算法的递归方式、收敛速度和三阶互调失真改善效果方面考虑,对各种自适应算法做了详细的分析,完成了数字基带自适应预失真算法的设计。Matlab仿真结果表明,以自适应预失真算法为核心的数字基带预失真功放较线性化之前三阶互调失真改善12dB。

功放数字基带预失真理论分析和仿真实现

为了消除功放非线性带来的失真,满足制定的功率谱密度要求,自适应数字基带预失真技术以其良好的线性度、宽带宽、高效率和全自适应性等优点而成为消除功放失真的首选。从几种线性化技术的比较开始,介绍了两种数字预失真结构,给出了数字基带预失真的工作原理,构建了数字基带预失真电路并在ADS环境下实现了系统级仿真。仿真结果表明构建的数字基带预失真系统能够获得好的预失真效果,功率谱密度的最大改善能够达到30dBm。创建的系统级仿真电路对实际的数字预失真系统设计起着重要的指导作用。

基于数字预失真技术的有记忆功放线性化研究

现代通信系统中,具有较大峰均比和带宽的线性调制信号经过大功率功放会产生非线性失真和记忆效应。针对高峰均比的宽带输入信号,提出一套联合峰均比抑制技术和基带自适应预失真技术来改善功放非线性失真的可行方案,并仿真了峰值抵消算法和自适应预失真算法,结果表明对于峰均比为7.6dB的输入信号,经过1dB的削峰处理后,预失真器改善带外频谱抑制25dB左右,有效的补偿了功放的非线性失真和记忆效应,提高了功放效率,对功放线性化技术有一定的实用价值。

宽带系统中有记忆大功率功放的数字预失真器研究

针对高峰均比的宽带输入信号,提出了一套联合峰均比抑制技术和基带自适应预失真技术的数字预失真器设计方案,并仿真了峰值抵消算法和自适应预失真算法。结果表明对于峰均比为8.4 dB的输入信号,经过1.5 dB的削峰处理后,预失真器改善带外频谱抑制27 dB,非常有效地补偿了功放的非线性失真,提高了功放效率,对发射机功放线性化技术有一定的实用价值。

功率放大器数字预失真技术研究及设计

提出一个基于自适应预失真原理的有记忆高功率放大器线性化技术方案。首先,对自适应预失真线性化技术的原理和特点进行详细分析,给出一个实用技术方案;其次对其中的衰减器放大倍数的影响进行探讨并给出了选择原则和设计方法;最后对设计完成的数字预失真系统进行仿真验证。仿真结果表明,合理选择放大倍数和动态范围对改善预失真补偿系统的性能有明显效果,对于8MHz带宽的OFDM信号,本文方案可将带外频谱抑制26dB,减少带内频谱失真7dB。

适用于DLA结构的新型功率放大器数字预失真算法

数字预失真技术通过在功率放大器的前端级联数字预失真器来补偿功放的非线性失真,而直接学习结构(Direct Learning Architecture,DLA)作为一种广泛使用的自适应数字预失真算法结构,因其预失真性能优良,前景最为看好。传统DLA预失真算法需要求得功率放大器高精度模型,其结构复杂且计算量大。针对这一问题,文章引入功放的瞬时复增益(Instantaneous Complex Gain,ICG),提出了两种适用于DLA的新型功放预失真算法:ICG-LMS和ICGRLS,在确保线性化效果的同时,省略功放模型构建过程,大大简化了算法结构。仿真分析和实测结果表明,与传统适用于DLA的自适应预失真算法相比,两种新型预失真算法的运行时间分别减少35.8%和32.1%,而功放输出信号的邻道功率比与原始功放输出相比分别降低了14.8 dB和23.5 dB。

一种超宽带雷达LFM信号数字产生器校正方法

UWB雷达LFM信号源的设计是UWB雷达系统设计的关键技术之一,其信号质量直接影响UWB雷达的整体探测性能。针对基于DDWS方法的“I/Q基带数字产生+正交调制+倍频”方式的UWB-LFM信号产生器,从频域角度建立误差信号的数学模型;分析系统误差提取和补偿的可行性,并提出一种针对系统误差的数字预失真校正方法。该方法将系统失真的补偿函数特性等效到系统数字输入端,通过改变波形存储器中的样点数据实现系统失真的校正和补偿。仿真结果表明该方法可以显著改善UWB雷达LFM信号的质量,验证了该方法的可行性、正确性和有效性。

功放的数字基带预失真技术研究

在射频通信中,大功率放大器是无线通信系统中的必要组成部分,它的非线性失真除了会造成信号带外的频谱扩展,引起临道干扰外,还会造成带内信号失真,提高误码率。因此,如何克服功放的非线性就成了通信领域的一个重要课题和研究热点。本文采用基于查找表的自适应算法,设计了自适应数字基带预失真器并进行了仿真和综合。结果表明自适应数字基带预失真方法可有效地提高功放线性度,从而提高系统性能。

基于SOPC的数字预失真器设计与实现

目前数字预失真技术的研究多偏重在不同算法的仿真方面,对具体实现技术的研究较少。为此,设计一种基于可编程片上系统(SOPC)的自适应数字预失真器。采用多项式查找表电路来实现预失真功能,用现场可编程门阵列(FPGA)内的EDK工程完成系数计算,以避免全硬件实现带来的复杂性。以IP核的形式下载到Xilinx FPGA上,并在测试平台对其进行验证,结果表明,该预失真器能改善功放的线性度,对于8MHz带宽的OFDM信号和doherty结构的GaN功放,ACPR可改善8dB,并且具备自适应功能,可较好地应用到实际工作环境中。

基于改进范数约束LMS算法的数字预失真技术

数字预失真(Digital Pre-Distortion,DPD)能够提高功率放大器的线性度,并减少非线性失真对信号传输的影响。针对大容量数据高带宽和低信噪比的环境,在系统呈现一定稀疏性时,传统最小均方(Least Mean Square,LMS)无法快速收敛识别功放逆模型。因此,提出一种改进的二范数约束的最小均方(Two Norm Constraint Least Mean Square,2-LMS)算法,通过改变代价函数表达式和步长表达函数来提高算法收敛速度,并减少收敛过程中的稳态误差。此外,引入相邻时刻误差的自相关矩阵,提高了预失真系统的抗噪能力。仿真实验结果表明,基于2-LMS算法的预失真系统在抗噪性能、收敛速度及带外抑制等方面明显优于传统自适应算法,且预失真的邻信道功率比(Adjacent Channel Power Ratio,ACPR)比原基于LMS算法预失真系统优化了-10.3 dB,矢量误差幅度(Error Vector Magnitude,EVM)指标优化了7.5%。