基于非迭代算法和非直接学习结构的查询表TWTA预失真器

提出了一种基于查询表和非直接学习结构的适用于行波管放大器(TWTA)的基带预失真器。通过引入线性增长的周期性训练序列和失真检测算法,实现了预失真器非迭代方法的参数捕获。与普通查询表预失真器相比,该预失真器不但能离线处理失真数据,而且不需要使用基于最小代价函数的迭代算法更新预失真器查询表中的内容,从而能在降低对系统处理速度要求的同时,回避了算法收敛性问题。仿真结果表明,所提预失真器可大大降低由TWTA非线性所引入的带内失真和频谱再生。

基于非直接学习结构的记忆多项式预失真技术研究

针对记忆多项式数字预失真的问题,构造了一个记忆多项式预失真系统,通过非直接学习结构(ILA)实现系数估计,根据系统特性推导出改进LMS算法。以Matlab为平台,仿真结果表明这种记忆多项式预失真器能够较好地消除失真。

OFDM系统中记忆非线性功放基带预失真技术

研究了OFDM系统的自适应基带预失真技术。针对OFDM信号的高峰值平均功率比对非线性功率放大器敏感的特点,并考虑OFDM的宽带特性引起的功放记忆非线性效应,提出了一种基于辨识方案的非直接学习结构的自适应基带预失真技术,给出了自适应算法。仿真结果表明,该方案能有效抑制带外频谱扩散,减小带内失真,实现有记忆非线性大功率放大器(HPA)的自适应预失真。

基于RPE算法的记忆多项式数字预失真研究

数字预失真(DPD)是一种能有效地补偿功率放大器(PA)非线性失真的技术。基于记忆多项式预失真的非直接学习结构(ILA),采用RPE(Recursive Prediction Error)算法构造了非线性PA的自适应预失真模型,推导了该算法在预失真系统中的递推公式,给出了计算机仿真结果,在相同参数下,通过与RLS算法在系统中的仿真结果进行比较,证明了该算法对消除PA非线性失真的有效性。