面向高阶调制的5G宽带射频功放数字预失真技术

在第5代无线通信系统(5G)中,射频(RF)功放(PAs)有着严重的非线性失真和强记忆效应,尤其是对于采用复杂的高阶调制系统,如16QAM、64QAM等。为了研究和提高宽带RF PAs的线性化能力,提出基于先进设计系统(advanced design system,ADS)设计的宽带RF PAs,工作的中心频率为3.55 GHz,采用记忆多项式(MP)模型构建数字预失真器,模型的归一化均方误差(NMSE)指标可达-33.28 d B。最后,采用带宽为100 MHz的16QAM或64QAM高阶调制的5G新空口(new radio,NR)信号,信号最大幅度值为9.899 d B,对中心频率为3.55 GHz的RF PAs进行预失真仿真验证。仿真结果表明,在16QAM调制方式下,邻信道功率比(ACPR)可分别改善20.13 dB和20.05 dB;在64QAM调制方式下,ACPR可分别改善18.35 dB和19.08 dB。实验测试结果表明,在16QAM调制方式下,ACPR分别改善15.81 dB和16.40 dB;在64QAM调制方式下,ACPR分别改善15.44 dB和15.82 dB。说明基于MP的数字预失真器对基于ADS的RF PAs的非线性具有明显的抑制作用。因此基于MP模型的数字预失真器可用于所提RF PAs的线性化,且采用16QAM调制方式比基于64QAM调制方式的预失真能力更强。

调制解调非理想特性联合补偿数字预失真方法

针对调制解调非理想特性影响数字预失真效果,导致邻信道功率比性能较差的问题,提出了一种调制端和解调端联合补偿的数字预失真方法。首先,建立了正交调制器、解调器的基带等效模型;然后,基于多项式预失真,利用正交调制器与解调器的特点,结合递归最小二乘法,推导出了联合补偿数字预失真原理,避免了仅通过调制端补偿,或者调制端、解调端分别补偿只能使数字预失真算法收敛到局部最优解的现象出现;最后,以甚高频航空通信常用的差分八相移键控(Differential 8 Phase Shift Keying,D8PSK)调制方式为例进行了仿真和实现验证,邻信道功率比相对无预失真可以改善28 dBc,相对现有联合补偿数字预失真可以改善16 dBc。

面向5G光载通信系统的数字预失真线性化技术应用

随着5G通信技术的迅猛发展,光载无线(Radio-over-Fiber,RoF)通信系统在实现高数据传输率和低延迟方面日益发挥出重要作用。然而,该系统在处理高频宽带5G信号时,常受到射频功率放大器和光电组件非线性特性的影响,导致信号产生失真问题。为解决这一问题,文章深入探讨了数字预失真(Digital Predistortion,DPD)技术在5G RoF通信系统中的应用及其效果。

一种基于维度加权盲K近邻算法的数字预失真技术

传统的数字预失真(DPD)模型通常在所有的输入信号功率上采用单一多项式模型和单一记忆深度对功率放大器(PA)进行线性化矫正。然而,功率放大器在不同的功率水平下会呈现出不同的非线性特性,并产生不同的记忆效应。针对这一问题,该文提出一种基于维度加权盲K近邻(KNN)算法的数字预失真模型,所提模型根据功放当前输入信号以及记忆输入信号的幅度进行维度加权的KNN分类,组成维度加权盲KNN记忆多项式(WKMP)模型,并为每一类输入信号序列建立子模型。所提方法用Doherty功率放大器进行实验验证,使用带宽为30 MHz、频点为2.2 GHz的3载波长期演进(LTE)信号作为输入,反馈端使用122.88 MHz的采样率进行采样。实验结果表明,所提维度加权盲KNN分类方法与记忆多项式(MP)模型结合时,功放正向建模效果和数字预失真效果均超过了广义记忆多项式(GMP)模型,并远超记忆多项式模型的效果,实验结果验证了所提模型的优良性能。

超宽带信号数字预失真时延补偿算法

数字预失真(Digital Pre-Distortion,DPD)是功率放大器(Power Amplifier,PA)线性化校正的主流技术之一。DPD两路激励信号间的时延是影响预失真算法稳定性的主要因素。针对DPD系统中信号间因采样而导致的时延模糊问题,基于最优化插值计算理论,在信号幅度互相关函数时延估计算法的基础上,提出了一种二次线性拟合的信号分数采样间隔时延估计算法。由该算法的数值分析结果可以看出,当DPD两路激励信号间的分数采样间隔时延在[-T_(s)/2,+T_(s)/2]时,使用二次线性拟合分数时延估计算法所获得时延估计值与理论时延值之间的最大误差不大于0.03 T_(s)。同时,给出了具有信号时延参数的“插值”滤波器实现的DPD激励信号间的时域补偿方法,数值分析结果表明,采用所提的信号时延补偿算法可以获得不大于搜索法可实现的信号误差矢量幅度(Error Vector Magnitude,EVM)。所提算法具有易于数字化实现等优点。

射频功放建模及数字预失真算法仿真实验

该文主要研究射频功放建模及数字预失真(digital pre-distortion,DPD)算法。首先,对射频功放的基本特性和DPD系统装置进行介绍。然后,根据各类装置的优劣进行选择,在MATLAB平台上搭建射频功放模型,并选择相适配的DPD装置。最后,观察DPD算法对整个通信系统的线性度改善情况,评价指标包括功率谱图、SNR-误码率图、幅度-幅度(AM-AM)效应图、幅度-相位(AM-PM)效应图、星座图和功率谱密度图。该研究成果可用于提升5G通信中频谱资源的利用效率,也可用于相关专业的实验教学。

一种基于非均匀记忆多项式的数字预失真方法

为了提高功率放大器线性化性能,提出了一种基于非均匀记忆多项式(Nonuniform Memory Polynomial, NMP)和线性插值查找表(Look-Up Table, LUT)结合的基带数字预失真方法。与传统的记忆多项式(Memory Polynomial, MP)模型相比,NMP模型具有更少的系数和较低的计算复杂度,同时能获得相近的建模精度。在NMP模型的基础上,采用线性插值LUT代替求解多项式的计算过程,进一步降低预失真处理的计算复杂度。对提出的数字预失真方法进行了仿真测试,仿真结果表明,相比基于传统MP模型的预失真方法,提出的方法能够获得相近的线性化性能,并在预失真处理消耗时间上有较大优势。

使用多智能体反馈神经网络实现的数字预失真器

近年来,深度学习(Deep Learning,DL)在通信场景中的应用逐渐兴起,其中就包括射频发射机的数字预失真(Digital Predistortion,DPD)处理。然而,由于射频功率放大器(Power Amplifier,PA)固有的非线性失真和记忆效应特点,如果直接应用传统DL算法去实现DPD会出现拟合效果不佳、自适应性差等现象。针对这个问题,本文提出了一种由多智能体反馈神经网络实现的数字预失真器(Multi-Agent Feedback Enabled Neural Network for Digital Predistortion,MAFENN-DPD),该网络引入了具有高纠错能力的反馈智能体结构,其主要特点是基于Stackelberg博弈理论去加速网络训练和收敛,同时我们还应用信息瓶颈理论指导网络超参数设计以增强MAFENN-DPD对PA记忆效应变化的动态适应能力。我们进行了一系列的实验来验证MAFENN-DPD的有效性。与使用典型前馈网络实现的DPD方案相比,基于MAFENN-DPD的方案在相邻信道功率比(Adjacent Channel Power Ratio,ACPR)指标上提高了约5 dB。同时,在没有通信过程中的大量先验知识的情况下,MAFENN-DPD实现了与使用记忆多项式方法建模的DPD方案十分接近的ACPR性能。仿真结果说明MAFENN-DPD相比传统神经网络可进一步提升ACPR性能,同时相比记忆多项式方法具有更好的自适应建模能力和通用性,并且具有多智能体反馈结构特征的神经网络未来在其他的通信场景中也具有应用推广的潜力。

数字预失真下的辐射源个体识别技术

随着通信雷达技术的发展,针对辐射源发射机的非线性作用出现了预失真等新型技术,该类技术弱化了不同辐射源的个体特征进而恶化了辐射源个体识别性能.针对预失真下个体辐射源识别率降低的问题,本文提出了基于SincNet滤波器结构的辐射源个体识别模型.本文采用Grad-CAM方法分析残差网络类激活区域,并提取共生矩阵特征用于辐射源识别,验证了预失真后信号局部特征的有效性.随后本文提出了基于SincNet滤波器结构的辐射源个体识别算法,在降低了计算量的同时,在低信噪比下具有更高的识别精度.本文通过实验验证了数字预失真对辐射源个体识别的消极作用,并且在实测数据上的结果表明所提方法的个体识别率在信噪比0 dB下达到94%,相比本文其他先进个体识别算法有明显的提升.

基于机器学习的数字预失真进展

数字预失真技术目前被广泛用于矫正功率放大器的非线性,降低发射机前端的功率耗费。随着通信技术的发展,高性能、低复杂度的数字预失真技术已成为当前研究的热点。机器学习的发展也为研究提供了新的思路,在数字预失真技术发展历程中发挥了重要作用。文章以机器学习为基础,围绕数字预失真中的模型构建、参数求解和动态数字预失真这三个研究方向展开,总结了相关文献,对各方向的现有方法进行了阐述和总结。

基于改进的稀疏最小二乘双子支撑向量回归的数字预失真技术

为了补偿大容量卫星通信射频前端的功率放大器的非线性,传统的数字预失真(DPD)模型需要更多的系数和更高的阶次,严重影响预失真前馈路径的资源消耗。为了解决这一问题,该文提出一种基于改进的稀疏最小二乘双子支撑向量回归(ISLSTSVR)的低复杂度DPD方法。首先通过构建原空间的决策函数解决最小二乘双子支撑向量回归(LSTSVR)模型解不稀疏的问题;同时引用截断最小二乘损失函数增加模型的鲁棒性;然后采用Nystrom逼近方法得到核矩阵的低秩近似,进一步采用Cholesky分解降低核矩阵的运算复杂度;最后由低秩的核矩阵求得模型稀疏解。实验选用基于单管氮化镓(GaN)器件的宽带AB类功率放大器,以40 MHz的32QAM信号进行激励。预失真实验表明,该方法能在保证模型精度的情况下大幅减少DPD模型系数和计算复杂度,为星载射频前端的预失真技术提供了有效的系数降维思路和方法。

5G光载无线通信前传系统数字预失真线性化研究

第五代移动通信系统新空口(5G NR)的信号带宽、调制度和峰均比相比4G信号高很多。用于小蜂窝或微蜂窝基站组网的光载无线通信(Radio-over-Fiber,RoF)前传系统的非线性失真也更加严重。为了使5G NR信号线性传输,采用记忆多项式(Memory Polynomial,MP)和广义记忆多项式(Generalized Memory Polynomial,GMP)模型构建数字预失真器,矫正5G RoF前传系统的非线性。在实验中搭建了2 km光纤的RoF前传系统,并采用100 MHz带宽5G NR信号作为测试信号对其进行线性化测试。实验结果表明,采用MP和GMP数字预失真器进行线性化时,5G RoF前传系统的邻信道功率比(Adjacent Channel Power Ratio,ACPR)可分别改善13 dB和17 dB以上。这说明MP和GMP数字预失真器对5G RoF前传系统的非线性具有显著的抑制作用。因此基于MP和GMP两个模型的数字预失真器均可用于5G RoF前传系统的线性化,而且GMP预失真器比MP预失真器对该系统线性化的能力更强。

一种谐波预失真方法设计与实现

随着发射系统带宽越来越宽,功放由于其非线性特性带来的谐波往往也处于工作带宽范围内,对系统工作效率和电磁兼容性等问题带来巨大挑战。为改善功放谐波问题,设计了一种谐波预失真方法,在现场可编程门阵列(FPGA)和计算机软件平台实现带内谐波抑制,带外谐波信号通过大功率滤波器得以抑制。实验结果表明本方法对谐波具有明显的抑制作用。

基于神经网络的数字预失真模型验证

功放的非线性会导致信号的失真和频谱再生,因此数字预失真被认为是解决功放非线性的一个方法,但是由于信号的带宽越来越宽,且系统越来越复杂,这些传统的预失真方法已经无法满足需要,因此神经网络开始被应用于数字预失真。本文对LSTM,GRU,BiGRU网络建立数字预失真平台,使用1.9GHz的功放对5G-NR信号进行实验。实验结果表明:LSTM,GRU,BiGRU这三个模型都可以应用于线性化,并且ACLR最高可达17dB,因此这三个模型均可用于功放的非线性改善。

一种星载功率放大器数字预失真方法

在卫星高速数传系统中,为了提高通信速率和频谱效率,M-QAM和M-QPSK等高阶调制方式被越来越多地采用,由此带来的功率放大器的非线性效应和记忆效应也日益严重,对通信系统性能造成很大影响。针对传统数字预失真算法收敛速度慢和计算复杂度大等问题,提出了一种基于快速横向滤波递推最小二乘(Fast Transversal Recursive Least Square,FTRLS)的参数提取算法,并对该算法进行了理论分析和性能仿真。仿真结果表明,与经典RLS算法相比,该算法具有稳态误差小、收敛速度快和计算复杂度低的优势以及更优良的功放线性化效果。

基于FPGA的新型幅度选择仿射函数数字预失真模型研究

本文提出了一种新型的基于幅度选择仿射函数的数字预失真模型,通过削减MMSA(Modified Magnitude-Selective Affine, MMSA)模型部分项并引入一阶动态偏差(DDR)模型的幅度信息所提出的DDRMSA(Dynamic Deviation Reduction Magnitude-Selective Affine, DDRMSA)模型。基于FPGA平台闭环实现该模型,并将其与同硬件架构的MMSA进行资源的比较。结果显示本文模型所占用的硬件资源与功耗大幅减少,复杂度较低。为验证模型的精度,使用本文模型与记忆多项式MP(Memory Polynomia, MP)模型、MMSA模型通过带宽为100MHz的5GNR信号对中心频率分别为2.6GHz和3.5GHz的功放进行线性化测试。经实验对比,本文模型的预失真效果要优于MP模型与MMSA模型,且对于两种中心频率的功放的邻信道泄漏比(Adjacent Channel Leakage Ratio, ACLR)均改善了15dB以上。

一种基于Hammerstein模型的数字预失真算法

记忆非线性放大器的预失真问题一直是预失真技术的难点.本文首先介绍了数字预失真器的几种模型结构和识别算法,它们虽然能够很好地实现功率放大器的线性化,却存在运算量较大的问题.结合LS算法和Hammerstein模型的优点,提出了一种基于Hammerstein模型的数字预失真算法,用几次简单的迭代运算代替一次复杂的直接运算,从而以较少的运算量,获得较好的线性化性能.通过计算机软件仿真验证了这种算法的有效性,它能以较少的参数,快捷、简便地实现记忆非线性功率放大器的预失真,显著提高了放大器的线性化性能.

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。

射频功放数字预失真新方法研究

针对传统预失真结构的不足,提出一种双环结构的预失真新方法,实现了直接型与间接型学习结构的结合,在拥有较强抗噪能力的同时,回避了算法收敛性问题。此外,在信号处理过程中加入信号均衡模块,对自适应预失真电路中前向及反馈支路的线性失真进行补偿。最终的频谱、星座图和误比特率仿真结果表明,该方法是可行的,其线性化性能较原来有很大的改进,对预失真电路的研究有较大的参考价值。

基于LUT的HPA数字基带预失真方法研究

该文深入研究了OFDM系统中基于查询表LUT方法的HPA数字预失真技术。针对传统LUT方法收敛速度非常慢的不足,有关文献提出了相应的改进措施。该文从误码率BER,功率谱密度PSD和算法收敛速度几个方面进行了算法性能的仿真比较分析,指出以上算法存在的不足,并提出了新的改进方法,仿真及分析结果表明了该文提出改进方法在性能上的优越性。