[发明专利]一种基于间接学习的数字预失真方法及系统

说明书

本发明涉及一种基于间接学习的数字预失真方法及系统，方法包括：获取功率放大器的历史前向基带数据和与所述历史前向基带数据对应的历史反馈基带数据；构建功率放大器的初始记忆多项式模型；所述初始记忆多项式模型包括三个交叉项，所述交叉项为n时刻的前向基带数据与n‑1时刻的前向基带数据的乘积；根据所述历史前向基带数据和所述历史反馈基带数据计算所述初始记忆多项式模型的复系数，得到计算好的记忆多项式模型；根据所述计算好的记忆多项式模型对当前时刻的前向基带数据进行预失真。本发明的记忆多项式模型包括三个n时刻的前向基带数据与n‑1时刻的前向基带数据的交叉项，提高了记忆多项式模型的精度，进而提高了数字预失真精度。

技术领域

本发明涉数字预失真技术领域，特别是涉及一种基于间接学习的数字预失真方法及系统。

背景技术

功率放大器是无线通信系统的重要部件之一，其作用是将信号进行功率放大后发射出去。但由于其固有的非线性特性，通常会对信号产生一定程度的畸变，比如幅度失真和相位失真，进而难以满足发端系统的性能指标要求。

数字预失真技术是当前主流的线性化技术，主要基于记忆多项式模型和迭代的最小二乘法。记忆多项式模型一般以阶数为7、记忆深度为3的16系数记忆多项式模型最为常见。但是，16系数记忆多项式模型模型精度不足，预失真性能欠佳。

发明内容

本发明的目的是提供一种基于间接学习的数字预失真方法及系统，以提高数字预失真精度。

为实现上述目的，本发明提供了如下方案：

一种基于间接学习的数字预失真方法，包括：

获取功率放大器的历史前向基带数据和与所述历史前向基带数据对应的历史反馈基带数据；

构建功率放大器的初始记忆多项式模型；所述初始记忆多项式模型包括三个交叉项，所述交叉项为n时刻的前向基带数据与n-1时刻的前向基带数据的乘积；

根据所述历史前向基带数据和所述历史反馈基带数据计算所述初始记忆多项式模型的复系数，得到计算好的记忆多项式模型；

根据所述计算好的记忆多项式模型对当前时刻的前向基带数据进行预失真。

可选地，所述历史前向基带数据和所述历史反馈基带数据各包括4096个时间序列数据。

可选地，构建的所述初始记忆多项式模型如下：