【《射频功率放大器基本特性综述》6900字】

[18]该指标会受到信号的多种失真影响，换而言之，它可以较为全面地反应收发机性能。图1.6误差矢量幅度示意图1.3功放的记忆效应在之前的绪论中介绍过，功放往往具有一定的记忆性，换言之，输出信号不仅仅与当前输入信号相关，还与当前时刻以前的输入信号相关。随着现代通信技术中调制信号逐渐变得复杂，这种记忆效应变得越来越重要，尤其在宽带通信系统中,由于对线性化的记忆效果更加敏感,其对线性化所受到的影响更严重。按照其产生的原因进行归类,我们就能够简单地将记忆效应归类为两类:电记忆效应,以及热记忆效应。其中,电记忆效应往往都是由于节点受到阻抗而引起的。节点的阻抗是由晶体的内部阻抗和外部的阻抗共同组成,其中,后者又由节点匹配网络和节点偏置网络的阻抗共同组成。记忆效应会严重影响宽带PA中的DPD技术，尤其体现在采样率较低的时候。所以在射频功放中运用DPD技术的时候，往往其非线性和记忆效应都不高。1.4功放的线性化技术1.4.1功率回退在之前的部分我们详细介绍了一些输入功放本身的特性,即当一个输入功率已经到达一定的值时,其所输出的功率将会到一个非线性的稳定值,不再会随着输入功率的增加而有所减少,这样就可能会导致产生非线性的失真。所以引入了功率回退这项技术，就是我们使输入功率从1dB压缩点开始，向回退后数分贝，一般取8分贝左右。这样我们的功放就可以保证在线性区域正常工作。本文之前有提到三阶交调系数，通过这种方式也可以得到改善。这种方法实现难度较低，不需要我们人为地加入其他复杂元器件，就可以提高PA的线性度。但是随之而来的致命问题是，我们功放的效率也会受到较大影响，运行成本会大大增加。此外，功率回退也有一定的限度，也就使说，当我们将功率退回到一定的程度时，线性度将维持在一个稳定值。这也就注定了这种方法在我们在当下这种信息爆炸、对线性度要求极较高的时代并不能够满足需求。1.4.2包络消除及恢复包络消除及恢复技术使用两个放大器。第一个放大器会放大信号的幅度以及相位信息。第二个放大器会采用高效的开关类放大器，来整合经过第一个放大器处理后的幅度相位信息。这种方法整体而言效率比较可观，最高可以达到线性功放的5倍。而且它很容易改善线性性能，因为包络通道是唯一影响线性度的因素。这种方式的缺点也有，那就是由于是分别放大的，我们需要额外补偿幅度和相位之间的时延差。1.4.3负反馈技术负反馈方法的大致思路是：在信号的输入端加入功放的输出端的失真部分，并且使二者的和为新的输入信号。该方法示意图1.7所示：图1.7负反馈技术示意图负反馈技术的应用面相当广阔，比如用于稳定功放的输入输出的阻抗、降噪以及降低由元器件的热效应而带来的不良效应。然而，它也具有不稳定的缺点，这就非常可能出现一种情况，那就是由于反馈网络中存在一定的延迟，进而带来正反馈，导致整个系统发生一些震荡。此外，受制与带宽，一些具有宽频带的PA也需要规避这种方法。1.4.4前馈技术该技术是由反馈技术演变而来，它和反馈的差别是其校正是加诸于输出端。该技术的基本思路是信号矢量的对消，即如果两个信号除了相位相反之外完全相同，那么将这两个信号相加，就有一个对消的效果。其示意图如图1.8：图1.8前馈技术示意图由图可知，前馈系统主要由耦合器、衰减器等元件构成。该项技术主要由两个部分组成：信号抵消以及失真抵消。前者的目的是通过延迟后的输入信号以及处理后的输出信号，从非线性的输出结果中获得同时具有载波和互调分量的信号，进而得到失真特性。后者的作用方式是使图中两个放大器的增益在同一水平，并将误差信号输入到误差放大器中，再运用加法器来叠加延迟与衰减后的HPA输出信号，即可做到消除非线性失真，并提高系统的线性度。前馈技术的优点是在负反馈技术的基础上，其稳定性有了明显的提升，同时削弱了负反馈技术对带宽的限制，可以运用于宽频带系统。得益于这些优点，前馈技术跻身于目前热门的线性化处理技术的行列。然而它也有自己的局限性，就是我们在进行信号的匹配与校准的时候，需要添加起补充作用的放大器，且对系统的性能有比较苛刻的要求，这样会大幅增加所需成本。1.4.5非线性器件线性化技术（LINC）该法的定义是，人们通过控制信号的幅度来控制功放的功率，进而可以使PA能够在饱和区域工作。其工作原理大致如图1.9所示：图1.9LINC技术示意图该法的工作流程是：首先将输入信号分成两组同样的信号，这两组信号都是恒定包络信号，然后再用相同的放大器对这两组信号进行放大处理，之后再通过加法器来将两组处理过后的信号进行叠加处理。简而言之，该方法的核心就是信号的分解，巧妙运用了恒定包络信号对非线性不敏感的优点，提高了系统的线性度。该技术可以用在许多的场合，适配性非常高。然而它也具有一定的缺点，那就是该技术的核心就是分解信号，但这一步骤需要分解的元件，此外叠加信号的时候，两组输入的信号需要有相同的相位幅度，这点的实现难度也不容小觑。1.4.6预失真技术预失真技术，其主要思想就是在系统的放大器之前插入一个元件，该元件的作用是提前给输入信号一个失真，它和输出端得到的失真应该是相反的关系，这样就可以互相抵消，进而改善系统的线性水平。绪论中已经介绍过，我们将预失真技术归为三类，分别是数字预失真、射频预失真以及中频预失真。后两者整体来说实现难度较小，然而运用对象仅限于低阶的失真。现如今，随着数字信号处理技术的进步，DPD算法已经可以被运用于一些DSP的芯片，从而起到预失真的作用。数字预失真算法由两个部分构成，它们分别是：预失真部分以及参数估计部分。整体思路流程是：首先将经功放处理过的信号作为输入传输到参数估计的模块，这样可以获得一组补偿参数，然后再将得到的参数输入到预失真模块，这样可以起到降低PA的记忆效应的作用，进而提高整个系统的线性度。整个流程如图1.10所示：图1.10预失真技术原理图这个算法的优点非常显著，那就是它的实现难度不高，整体成本也不高，改善线性度效果明显。目前，其应用面非常广泛。1.4.7线性化技术比较我们在此小节着重介绍了六种线性化的技术，他们各有优缺点，在实际应用中需要根据需求来选择合适的方法。在表格1.1中，我们归纳了他们的优劣势，便于直观观察。表1.1线性化技术比较表优点缺点功率回退实现难度较小效率低，成本高包络消除改善线性度效果明显需要补偿时延差负反馈有效降噪实现难度较小稳定性差宽频带不适用前馈不限制频带改善线性度效果明显成本高，结构复杂效率低LINC改善效果明显实现难度高要求苛刻DPD改善效果明显稳定性佳调节速度较低根据表格所示，目前最合适的线性化手段就是数字预失真技术，它能够满足现在的移动通信系统对频带、精度、效率等方面的需求。1.5功放的行为模型若是想要分析信号的失真与非线性功放之间的关系，我们需要搭建一个功放的工作模型，运用这个模型，可以直观地反应功放的非线性特性，进而得到该特性带来的影响，并针对此设计预失真方案。我们在绪论中介绍过，PA总体来说可以归为两种模型：记忆模型，以及非记忆模型。此小节我们将分别介绍这两类模型。1.5.1非记忆模型1.5.1.1Saleh模型该模型非常经典，包括AM-AM变换以及AM-PM变换。可以将该模型用公式表示为：AՓA(t)a其中，A(t)表示的是输入信号的幅度，aA，bA表示功放的AM-AM特性的拟合参数，而aՓ，bՓ表示的是功放的AM-PM特性的拟合参数。通过上面两个式子我们可以发现：输入信号的幅度决定了输入信号的特性。下图即为当aA，bA，图1.11Saleh模型特性曲线1.5.1.2Rapp模型该模型仅仅用于模拟SSPA，即固态功率放大器。其特点是我们可以不考虑其相位失真，即AM-PM效应，我们可以只看其幅度失真，响应函数可以通过下面的式子表示：A其中，A(t)是输入信号的幅度，而P代表的是用来判定非线性程度的光滑因子，其值大小与非线性程度成正比。1.5.2记忆模型1.5.1.1Volterra级数模型该模型是首个能够描述具有记忆效应的系统的模型，它改进了泰勒级数的不足，是早期非常具有代表性的一种用于分析非线性记忆系统的模型。该模型由奇数阶和偶数阶组成。其中，奇数阶的离散Volterra模型可以通过以下的式子来表示：y++…=而偶数阶在我们的系统中可以忽略不计，故只需使用奇数阶来表示完整的模型即可。在式子中，k代表的是非线性阶数，而q表示的则是记忆阶数，h2k+1q1,…,q该模型还是逐渐被抛弃，因为我们从上面式子中可以看到，当非线性阶数以及记忆阶数持续增长的时候，该模型的迭代参数也会越来越复杂，参数的计算也会变得更加艰难，这时候，我们需要加入更多的元器件去完成这个计算的过程，这无疑会提升整个通信系统的复杂度，同时也大大增加了成本。换言之，当两个阶数值变大时，该模型很难完成任务。1.5.1.2Wiener模型经过分析我们已经了解，Volterra模型在阶数增大时会变得格外复杂。为了规避这个缺点，我们往往需要在其基础上做一些简化。假设核函数满足这个条件：hkq那么我们称这样的模型为Wiener模型。其优点是对比起Volterra级数，它的复杂程度较低，实现难度及成本都比较低。它们的核心思想是，用一个LTI系统以及一个非记忆非线性系统共同构成这个模型，Wiener模型的信号的处理流程图大致如下：图1.12Wiener模型示意图假设该LTI系统是一个三阶的FIR滤波器，那么我们可以求出其冲激响应如以下式子所示：H其中各项参数分别为：d0=0.7693，d1若满足该条件，则这个模型的别称为记忆性行Saleh模型。1.5.1.3Hammerstein模型上面为了规避Volterra级数模型的缺点，我们引入了Wiener模型。而Hammerstein模型则与Wiener非常相似，其核函数可以用公式表达成：h它也可以看成一个非记忆非线性系统和一个LTI系统组成的，只是与Wiener系统不同的是经过顺序有些不同。其信号流程示意图如下图所示：图1.13Hammerstein模型示意图这两种模型会被共同使用，其中一个会被用来描述PA，另一个则被用来作DPD模型。1.5.1.4并联Wiener模型在上一部分我们介绍了Wiener模型，当我们将数个Wiener功放并联时，可以构建一个新的模型——并联Wiener模型。其信号流程图大致如图1.15所示：图1.15并联Wiener模型流程图其中，我们可以将第i个支路上的输出结果表示为：y其中，vi当i=3时，我们有：HHH此时，各项系数分别是：d11=1.0108+j0.0858,dd31=0.0879−j0.1583,dd51=−1.0992−j0.8891,d531.5.1.5记忆多项式模型之前我们介绍过，在通过滤波器的时候，信号的偶次谐波往往会很轻易地就被过滤掉，因此我们只需着重考虑奇次谐波即可。奇次谐波作用下的记忆多项式模型用以下的式子来表示：y其中，K表示非线性阶数，而Q则代表记忆阶数。xn图1.16记忆多项式模型示意图假设非线性阶数为5，记忆阶数为2，那么我们可以计算得到系数：ccc1.5.1.6神经网络模型该模型是一个由数个处理单元相组合而构成的DSP系统。这些处理单元的拟人性使他们又得名为神经元。现如今大多数采用该模型的预失真装置都是三层前向神经网络结构。[30]其结构示意图如下：图1.17神经网络模型示意图这个系统的输出我们可以用下式表示：y式中，p代表的是从输入层至隐层的权系数，q代表的是从隐层到输出层的权系数，a和b分