用于5G RF PA线性化的多频段通用数字预失真器

文中提出了一种基于独热编码与长短时期记忆(LSTM)神经网络的多频段通用数字预失真非线性模型,它可以有效地对工作在多个频段的宽带射频功放进行线性化。在训练集中引入表示不同频率信号的不同独热编码,训练后的神经网络非线性模型可以在不改变网络结构和模型参数的情况下对不同频段的功率放大器进行预失真线性化。为了验证该方法的有效性,建立了两个分别工作于2.6 GHz和4.9 GHz的射频功放实验平台,在这两个频段预失真非线性建模的归一化均方误差(NMSE)均可达到-40 dB,然后使用100 MHz带宽5G NR信号,分别对这两个射频功放进行预失真线性化实验验证。实验结果表明,该多频段通用数字预失真器可以将这两个功放的邻信道泄漏比(ACLR)在中心频率下偏100 MHz处分别改善19.42 dB和17.91 dB,在中心频率上偏100 MHz处分别改善15.73 dB和15.17 dB,验证了所提非线性模型的有效性。