tkkAAA文献综述

数字预失真文献综述一、 数字预失真的定义。基本概念。结构。二、 数字预失真的原因。功放非线性。功放非线性的影响。功放的非线性模型。功放的线性化方法。三、 数字预失真的实现原理：多项式；查找表。四、 数字预失真的结构：直接学习型。间接学习型。五、 数字预失真的收敛算法。LMS RLS。六、 数字预失真的前景展望。七、 实验室目前完成的工作。在通信系统中，为达到发射的要求，信号需要具有较高的功率，因此需要通过高功率放大器对射频信号进行放大，功率放大器有线性区和非线性区，为了获得高的功放效率，放大器一般工作的饱和点附近，这就不可避免的产生信号的失真。因此为了获得高的线性度，必须采用功放线性化技术，其中数字预失真技术属于功放线性化技术。随着无线通信技术的发展，数据传输速率不断提高，无线频谱资源越来越紧缺。一些高的频谱利用的数字调制方案（如QPSK、16QAM等）和传输技术（如OFDM、WCDMA等）被应用在通信系统中。但这些非恒定包络调制方式和多载波传输技术不可避免的导致了调制信号的峰均比（PAPR，Peak-to-average ratio）问题，对通信系统射频部分，尤其是射频功率放大器的线性度提出了很高的要求2 。功放的失真包括两种：线性失真和非线性失真。非线性失真是指HPA所固有的无记忆饱和特性引起的非线性失真，包括两个特性：AM-AM和AM-PM特性；线性失真是指HPA的记忆特性带来的失真1。功放的线性失真造成功放输出信号的频谱展宽并产生邻带干扰即带外失真，非线性失真降低功放的BER即带内失真。一、 功放的线性化技术：功放的线性化技术包括很多，这些技术以及他们的优缺点如下：功率回退技术：基础及应用较早，实现简单，但效率极差，已逐渐被淘汰；前馈线性化技术：适用带宽很宽、线性度好、速度快，基本不受放大器记忆特性的影响，但其结构复杂、成本高，且自适应差，效率不高。笛卡尔后馈技术：精度高、价格便宜，使用带宽受限，稳定性较差，应用范围不广；包络消除和恢复技术：效率高，带宽较宽，但延时校准较难；非线性器件技术：高效率，准确匹配难，适用于窄带通信；数字预失真方法：稳定性好、使用带宽、精度比较高，使用宽带通信，前景最看好，但是调节速度较慢3。另外目前主要的非线性补偿技术主要有两种：预失真技术和非线性均衡技术。他们的主要区别在于功放非线的逆函数放置的位置，预失真在发射端，而均衡技术在于接收端。虽然他们两个都能降低码间干扰（ISI），但是预失真能有效的抑制带外失真，从而降低邻道干扰(ICI)4。二、 数字预失真的基本原理预失真技术通过在放大器前插入与其幅度和相位特性相反的预失真器，来校正放大器的非线性失真。信号预先人工地产生了扩展的非线性失真，再经过放大器的压缩非线性失真，达到线性功放的目的。如图1.1所示：图1.1 预失真基本原理图根据预失真器在发射机的位置的不同，可以分为射频预失真技术、中频预失真技术、基带预失真技术；根据预失真器处理的信号不同，可以分为模拟预失真技术和数字预失真技术。本文主要讨论数字预失真技术。由于放大器的特性会随着时间、温度、环境以及信号本身的变化发生一定的变化，因此通常采用自适应数字预失真技术，原理款图如图1.2所示。图1.2 自适应数字预失真技术框图三、 功率放大器的行为模型为了进行数字预失真，必须对功放特性以及预失真器的补偿特性进行数学建模。功放的建模方法主要有以下几类：（1）volterra级数模型，是最通用的模型，这个模型可以表达任何功放记忆和非线性，但是参数过多，结构复杂。并且这个结构的反转难度大，一般采用pth-order反转，但这只是一种近似；（2）记忆多项式模型，由J.Kim提出5，是一种简化的volterra模型，它只取volterra级数中的对角核，相比volterra参数大大减少，是目前最常用的模型，并且它的逆模型也可以用记忆多项式来表示。但是它所有的分支阶数都是一样的，因此常导致过度建模；（3）模块化模型，其实也是votlerra级数的特殊形式。根据无记忆非线性模块和线性记忆模块的级联顺序不同可以分了三类：由Clark提出的Wiener模型6，结构：线性记忆模块+无记忆非线性模块，他的反转精确并且就是Hammerstein模型Hammerstein模型，结构：无记忆非线性模块+线性记忆模块，他一般用来建立Wiener模型的逆模型；Wiener-Hammerstein模型，结构：线性记忆模块+无记忆非线性模块+线性记忆模块，这种结构常用于卫星通信系统中。上面提到的都是基本模型，根据这些基本模型还有一些扩展的模型，如：并联Wiener模型、并联Hammerstein模型、Augmented Wiener 模型和Augmented Hammerstein模型7-8、Twin nonlinear two-box模型9等。四、 数字预失真的分类在自适应线性化技术中，核心问题是如何得到和自动调整工作函数的参数。自80年代中期以来出现了多种方法，常用的两种工程实现算法是查找表法（LUT）和多项式法。A查找表查找表法的基本原理是，将适当的预失真值存储在表格中，以输入信号的大小作为地址，借助DSP，使用迭代算法自动更新LUT中的内容。其中一维查找表的结构如图所示。考虑到记忆效应，实际中采用的是二维查找表方法。图1.3 一维查找表的结构查找表技术的关键：（1）自适应算法；（2）查询表地址索引方式；（3）查询表的内容更新策略。其中查询表地址产生方案，对于无记忆功放预失真有功率索引，幅度索引，律索引，最优表项分布方案等。对于有记忆功率放大器，在无记忆功放预失真索引方式的基础上，还增加了PMC、Altera表地址产生方案等10。这些方法中幅度索引是一种均匀索引方式，而其他索引是非均匀方式，非均匀方式更能贴近功放的非线性特性，在非线性厉害的地方采用密集的索引，在弱的地方采用稀疏的索引。查询表的更新主要依赖于系统采用的自适应算法和表项更新策略来及时修正查询表中的内容，以适应功率放大器非线性特性的变化。查询表的一大缺点是整个查询表项内容的调整需要大量的递归，收敛速度慢。为了提高收敛速度，查询表的更新策略产生了很多改进：一类方法是引入训练序列，另一类是直接改进表项的更新方法，采用插值法后使得自适应算法每次更新一个表项变为同时更新多个表项，从而加快了预失真器的收敛速度10。B、多项式多项式法，是把功放和预失真的AM-AM与AM-PM特性，用系数为复式的幂级数表示。相比于查找表方法，结构更精简，收敛速度更快，用几个参数就可以表征DPD和PA的特性。根据自适应算法位置的不同。数字预失真可以分为直接学习型结构和间接学习型结构。他们的主要区别是，直接学习结构是利用预失真器的输入与的输出之间的误差，利用自适应算法直接求预失真器的系数其结构如图所示；而间接学习型结构是利用预失真器输出与逆滤波器的输出之间的误差，直接学习出逆滤波器的特性，然后将系数复制到预失真器中其结构如图所示。C、多项式与查找表对比11表1 LUT法与多项式法的对比LUT多项式法算法复杂度相对较低系数要求越精确复杂度越高不同的功放使用相同的解决方案对于不同种类的功放要使用不同非线性阶数和记忆深度的多项式模型表项多，收敛速度较慢记忆多项式系数少，通过算法改进可以大大缩短收敛时间记忆效益和相位误差的寻址方式比较复杂记忆效益和相位误差的处理相对较为简单消耗的资源较低算法的精度要求越高资源消耗也相对较大参考文献：1 Muhonen K J，Kavehrad M.Amplifier linearization with memory for broadband wireless applicationsC/The 35th IEEE Asilomar Conference on Signals，Systems and Computers，2001：689-693.2 O Droma M, Mgebrishvili N, Goacher A. Theoretical analysis of intermodulation distortion in OFDM signals in the presence of nonlinear RF high power amplifiersC. IEEE 59th Vehicular Technology Conference, 2004, 3:1295-12993陈岳林射频功率数字预失真技术研究及其FPGA实现D厦门大学，20094Dayong Zhou,Victor E.DeBrunnerNovel Adaptive Nonlinear Predistorters Based on the Direct Learning Algorithm,IEEE Trans.Signal Process.,vol.55,no.Jan.20075 J. Kim and K. Konstantinou, “Digital predistortion of wideband signals based on power amplifier model with memory,” Electron. Lett., vol. 37,6 C. J. Clark, G. Chrisikos, M. S. Muha, A. A. Moulthrop, and C. P. Silva,“Time-domain envelope measurement technique with application to wideband power amplifier modeling,” IEEE Trans. Microwave Theory Tech., vol. 46, pp. 25312540, Dec. 1998.7 T. Liu, S. Boumaiza, and F. M. Ghannouchi, “Deembedding static nonlinearities and accurately identifying and modeling memory effects in wide-band RF transmitters,” IEEE Trans. Microw. TheoryTech., vol. 53, no. 11, pp. 35783587, Nov. 2005.8 T. Liu, S. Boumaiza, and F. M. Ghannouchi, “Augmented Hammerstein predistorter for linearization of broad-band wireless transmitters,” IEEE Trans. Microw. Theory Tech., vol. 54, no. 4, pp.13401349, Apr. 2006.9 O. Hammi and F. M. Ghannouchi, “Twin nonlinear twobox models for power ampl