專(zhuān)利名稱(chēng)：一種抵償高功率放大器非線(xiàn)性的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于通信技術(shù)領(lǐng)域，涉及一種發(fā)射機(jī)的預(yù)失真算法，具體是一種基于代數(shù)求解的基帶預(yù)處理方法，并且該方法可以應(yīng)對(duì)高功率放大器(HPA)的記憶模型和非記憶模型。

背景技術(shù)：
在數(shù)字電視調(diào)制發(fā)射器的設(shè)計(jì)中，處在最后一級(jí)的高功率放大器(HPA)和前面的處理有很大的不同。在放大器之前的模塊全部是在數(shù)字域上的，而最后一級(jí)的高功率放大器是在模擬域上工作的。為了提高放大器的工作效率，應(yīng)該使放大器工作在近飽和區(qū)。但是在此區(qū)域工作會(huì)使信號(hào)產(chǎn)生非線(xiàn)性失真，導(dǎo)致信號(hào)的頻譜不平坦產(chǎn)生碼間干擾(ISI)和信道間干擾(ICI)，而大部分的調(diào)制方式必須以良好的線(xiàn)性作為保障。因此，抵償這種失真是必須的，之前的方法都是將放大器的失真作為信道干擾的一種，在接收端使用均衡的方式補(bǔ)償。但是HPA的模型和信道模型相差很大，如果聯(lián)合考慮，必然使均衡的能力變差。并且聯(lián)合均衡的方法也會(huì)是接收端的成本上升。
根據(jù)不同的功率放大器性質(zhì)，現(xiàn)階段用來(lái)研究的有兩類(lèi)模型有記憶HPA模型和無(wú)記憶HPA模型。有記憶HPA是由一個(gè)線(xiàn)性濾波器和一個(gè)無(wú)記憶HPA組成，線(xiàn)性濾波器的Z變換為 H＝h0+h1z-1+h2z-2　　　　　　(1) 對(duì)于基帶輸入信號(hào)x＝I+jQ＝r·exp(jψ)，無(wú)記憶HPA的幅度A(r)和相位Φ(r)變化為 HPA(I+jQ)＝A(r)·exp(j(ψ+Φ(r))　　　　　　　(2) 其中無(wú)記憶HPA模型幅度A(r)和相位Φ(r)的數(shù)學(xué)描述為 A(r)＝αar/(1+βar2)　　　　　(3) Φ(r)＝αφr2/(1+βφr2)　　　　　(4) 無(wú)記憶HPA模型的數(shù)學(xué)描述由(3)，(4)給出。無(wú)記憶HPA的非線(xiàn)性失真同時(shí)包括幅度失真和相位失真。
針對(duì)HPA的非線(xiàn)性特性，有多種方案可以解決，基帶預(yù)失真算法被認(rèn)為是一種最有前途的抵償HPA非線(xiàn)性的方法。常用的在基帶預(yù)失真設(shè)計(jì)的方法包括濾波器查找表方法(FLUT)，直接學(xué)習(xí)方法(Direct learning)以及間接學(xué)習(xí)方法(Indirect learning)。這些方法都有自身的缺點(diǎn)，濾波器查找表方法(FLUT)雖然運(yùn)算量較小，但是性能較差且需要消耗很大的存儲(chǔ)空間；直接學(xué)習(xí)方法和間接學(xué)習(xí)方法的運(yùn)算量很大，并且收斂時(shí)間長(zhǎng)。


發(fā)明內(nèi)容
本發(fā)明就是針對(duì)傳統(tǒng)方法存在的諸多缺點(diǎn)，提出的一種對(duì)輸入高功率放大器信號(hào)預(yù)處理的方法，這種方法不僅具有非常好的性能和很低的計(jì)算復(fù)雜度，而且需要的存儲(chǔ)空間很少。
本發(fā)明針對(duì)上面的HPA模型，提出了一種基于代數(shù)求解的抵償高功率放大器非線(xiàn)性的方法。
本發(fā)明方法是將進(jìn)入高功率放大器前的基帶信號(hào)進(jìn)行預(yù)處理，實(shí)現(xiàn)抵償高功率放大器非線(xiàn)性。
本發(fā)明中預(yù)處理的具體步驟如下 進(jìn)入高功率放大器前的基帶信號(hào)進(jìn)行預(yù)處理的具體步驟如下 (1)提取出高功率放大器的濾波器系數(shù)h＝[h0，h1，h2]和多項(xiàng)式系數(shù)αa，βa，αφ，βφ。提取方法采用成熟的現(xiàn)有技術(shù)，如John Mathews提出的方法(見(jiàn)文獻(xiàn)“Adaptive Polynomial Filters”IEEE Signal Processing Magazine，Vol.8，No.3，pp.10-26，July 1991)。
(2)對(duì)輸入基帶信號(hào)序列x＝[x0，x1，x2，…，xn]中的每一點(diǎn)xi，i＝0，1，2，...n的幅值ri按照式(a)計(jì)算每一點(diǎn)xi對(duì)應(yīng)的增益Gi 其中ri＝|xj|，αa，βa由步驟(1)獲得，ak，k＝1，2，…，7為泰勒展開(kāi)的系數(shù)。
(3)根據(jù)輸入的每一個(gè)基帶信號(hào)點(diǎn)xi對(duì)應(yīng)的幅度增益Gi，通過(guò)式(b)計(jì)算出每一個(gè)基帶信號(hào)點(diǎn)xi的相位補(bǔ)償值Θi， 其中αφ，βφ由步驟(1)獲得。
(4)基帶信號(hào)序列x＝[x0，x1，x2，…，xn]中每一個(gè)點(diǎn)xi對(duì)應(yīng)的相位補(bǔ)償值Θi與增益Gi合成復(fù)增益Gi·exp(jΘi)，得到基帶信號(hào)序列中每一個(gè)基帶信號(hào)點(diǎn)xi的預(yù)處理值pi，i＝0，1，2，…n，pi＝xi·Gi·exp(jΘi)，其中j表示虛數(shù)單位

pi，i＝0，1，2，…n構(gòu)成了預(yù)處理輸出序列p，p＝[p0，p1，…，pn]。
(5)如果高功率放大器采用的是無(wú)記憶高功率放大器模型，則將預(yù)處理輸出序列p直接輸出到高功率放大器中，實(shí)現(xiàn)了抵償高功率放大器非線(xiàn)性。
如果高功率放大器采用的是有記憶高功率放大器模型，預(yù)處理輸出序列p經(jīng)過(guò)反向?yàn)V波器輸出到高功率放大器中，實(shí)現(xiàn)了抵償高功率放大器非線(xiàn)性；其中反向?yàn)V波器的Z變換為Hinverse，Hinverse的系數(shù)h0、h1、h2由高功率放大器的濾波器系數(shù)h＝[h0，h1，h2]提供。
本發(fā)明方法提出的基于代數(shù)求解的預(yù)處理方法與現(xiàn)有的FLUT，MEM-POLY方法的復(fù)雜度比較，除了比無(wú)記憶HPA模型的LUT預(yù)處理方法復(fù)雜度略高，代數(shù)求解的預(yù)處理方法遠(yuǎn)低于現(xiàn)有的其他預(yù)處理方法的復(fù)雜度。同時(shí)基于代數(shù)求解的預(yù)處理方法在抵抗ICI和ISI干擾方面都比之前的預(yù)處理方法有巨大的提高。

具體實(shí)施例方式 根據(jù)HPA放大器的模型，可以通過(guò)反解描述HPA的公式得到預(yù)失真算法。所設(shè)計(jì)的線(xiàn)性濾波器Hinverse應(yīng)該能夠抵償HPA中的H的影響，使得信號(hào)x經(jīng)過(guò)Hinverse和H后仍然得到信號(hào)x。由以上目的，H應(yīng)該滿(mǎn)足下式 Hinverse＝1/H　　　　　　(5) 根據(jù)(5)可以設(shè)計(jì)出預(yù)處理中的線(xiàn)性濾波器。通過(guò)上面的設(shè)計(jì)可以將H的影響去除，所以只需考慮HPA的無(wú)記憶多項(xiàng)式部分即可，即公式(3)，(4)描述的HPA模型。
根據(jù)預(yù)失真器的設(shè)計(jì)目的，有如下公式 r＝A(r·G)＝αar·G/(1+βa(r·G)2)　　　　(6) 其中r為輸入信號(hào)x的幅度，可以計(jì)算出G的值為 這就是預(yù)失真器幅度增益的計(jì)算公式，由于分母2βar2很小，使用(7)式直接計(jì)算會(huì)產(chǎn)生很大的誤差，極大的影響了性能，因此要對(duì)G的運(yùn)算進(jìn)行數(shù)學(xué)處理。
由參數(shù)αa，βa的典型值可知，可以對(duì)進(jìn)行在處進(jìn)行Taylor展開(kāi)， 將(8)代入(7)化簡(jiǎn)得 其中

為x8的無(wú)窮小項(xiàng)。由于

很小，可以忽略，所以可以用此公式計(jì)算預(yù)失真的幅度增益G。
由預(yù)失真器的設(shè)計(jì)目的可知，預(yù)失真器的相位補(bǔ)償公式為 以上所述，僅為本發(fā)明中的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所述的技術(shù)范圍內(nèi)，可輕易想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書(shū)的保護(hù)范圍為準(zhǔn)。
性能仿真 使用具有等概率分布的0，1信號(hào)經(jīng)過(guò)16QAM映射，并經(jīng)過(guò)升抽樣和成型濾波得到的信號(hào)進(jìn)行方法的仿真，可以看到這一方法表現(xiàn)出有比其他方法更好的性能。指標(biāo)歸一化平均最小誤差NMSE比公認(rèn)為最好的多項(xiàng)式預(yù)處理技術(shù)提高了24dB以上，并且方法復(fù)雜度很低。在信號(hào)恢復(fù)上更是比傳統(tǒng)的方法有了很大提高。在抑制信道間干擾(ICI)和碼間干擾(ISI)有極好的性能，是一種很好的預(yù)處理方法。
權(quán)利要求
1.一種抵償高功率放大器非線(xiàn)性的方法，該方法是將進(jìn)入高功率放大器前的基帶信號(hào)進(jìn)行預(yù)處理，實(shí)現(xiàn)抵償高功率放大器非線(xiàn)性，其特征在于進(jìn)入高功率放大器前的基帶信號(hào)進(jìn)行預(yù)處理的具體步驟如下
(1)提取出高功率放大器的濾波器系數(shù)h＝[h0，h1，h2]和多項(xiàng)式系數(shù)αa，βa，αφ，βφ；
(2)對(duì)輸入基帶信號(hào)序列x＝[x0，x1，x2，…，xn]中的每一點(diǎn)xi，i＝0，1，2，…n的幅值ri按照式(a)計(jì)算每一點(diǎn)xi對(duì)應(yīng)的增益Gi
其中ri＝|xi|，αa，βa由步驟(1)獲得，ak，k＝1，2，…，7為泰勒展開(kāi)的系數(shù)；
(3)根據(jù)輸入的每一個(gè)基帶信號(hào)點(diǎn)xi對(duì)應(yīng)的幅度增益Gi，通過(guò)式(b)計(jì)算出每一個(gè)基帶信號(hào)點(diǎn)xi的相位補(bǔ)償值Θi，
其中αφ，βφ由步驟(1)獲得；
(4)基帶信號(hào)序列x＝[x0，x1，x2，…，xn]中每一個(gè)點(diǎn)xi對(duì)應(yīng)的相位補(bǔ)償值Θi與增益Gi合成復(fù)增益Gi·exp(jΘi)，得到基帶信號(hào)序列中每一個(gè)基帶信號(hào)點(diǎn)xi的預(yù)處理值pi，i＝0，1，2，…n，pi＝xi·Gi·exp(jΘi)，其中j表示虛數(shù)單位
；pi，i＝0，1，2，…n構(gòu)成了預(yù)處理輸出序列p，p＝[p0，p1，…，pn]；
(5)如果高功率放大器采用的是無(wú)記憶高功率放大器模型，則將預(yù)處理輸出序列p直接輸出到高功率放大器中，實(shí)現(xiàn)了抵償高功率放大器非線(xiàn)性；
如果高功率放大器采用的是有記憶高功率放大器模型，預(yù)處理輸出序列p經(jīng)過(guò)反向?yàn)V波器輸出到高功率放大器中，實(shí)現(xiàn)了抵償高功率放大器非線(xiàn)性；其中反向?yàn)V波器的Z變換為Hinverse，Hinverse的系數(shù)h0、h1、h2由高功率放大器的濾波器系數(shù)h＝[h0，h1，h2]提供。
全文摘要
本發(fā)明涉及一種抵償高功率放大器非線(xiàn)性的方法?，F(xiàn)有方法復(fù)雜度高、性能差。本發(fā)明方法是將基帶信號(hào)進(jìn)行預(yù)處理來(lái)實(shí)現(xiàn)抵償非線(xiàn)性，預(yù)處理方法是提取出高功率放大器的濾波器系數(shù)和多項(xiàng)式系數(shù)；對(duì)輸入基帶信號(hào)序列中的每一點(diǎn)的幅值計(jì)算對(duì)應(yīng)的增益，根據(jù)幅度增益計(jì)算出相位補(bǔ)償值；每一個(gè)點(diǎn)對(duì)應(yīng)的相位補(bǔ)償值與增益合成復(fù)增益，得到預(yù)處理值pi，構(gòu)成了預(yù)處理輸出序列；將預(yù)處理輸出序列直接或經(jīng)過(guò)反向?yàn)V波器后輸出到高功率放大器中。本發(fā)明方法相對(duì)于現(xiàn)有方法復(fù)雜度低、性能好、容易實(shí)現(xiàn)。
文檔編號(hào)H04L25/49GK101364962SQ20081012113
公開(kāi)日2009年2月11日 申請(qǐng)日期2008年9月28日 優(yōu)先權(quán)日2008年9月28日
發(fā)明者陳惠芳, 磊 謝, 哲 王, 瑩 汪 申請(qǐng)人:浙江大學(xué)