[发明专利]一种宽带功率放大器输入输出特性拟合方法

说明书

本发明提供一种宽带功率放大器输入输出特性拟合方法，包括：S1：获取功率放大器的输入信号和对应的输出信号；S2：将所述获取的功率放大器的输入信号分割为N个区间，为每个区间分配对应的一阶样条函数，并将所述N个一阶样条函数量化；S3：为所述N个区间选择N个多项式作为函数基底；S4：将所述N个多项式与所述N个一阶样条函数相乘，形成包括多个候选模型的第一候选模型库；S5：从所述第一候选模型库中筛选出贡献度大的多个候选模型，组成第二候选模型库；S6：根据所述第二候选模型库，对所述功率放大器的所述输入信号和所述输出信号进行分区间拟合。本发明的宽带功率放大器输入输出特性拟合方法不仅可以更好的拟合，同时还可以降低计算复杂度。

技术领域

本发明涉及宽带无线通信系统领域，具体涉及一种宽带功率放大器输入输出特性拟合方法。

背景技术

近十年来，无线通信飞速发展，码分多址，正交频分复用等新兴的技术得到广泛的使用，这些技术所产生的信号都是非恒定包络的信号，存在较大的峰均比，功率变化范围大，此类信号对本身是非线性器件的功率放大器十分敏感。功率放大器的非线性会破坏通道内的信号，产生额外的频率，造成频谱泄露等问题，从而影响通信的性能，对此的解决方案中采用数字预失真技术的方案最为流行。而在数字预失真技术中，一个十分重要的工作就是寻找合适的数学工具来对功率放大器的行为建模。传统的方法最为流行就是GMP模型，DDR模型等等。但是最近几年，4G网络已经逐渐完成了向5G网络的演进，在5G大带宽的背景下，上述传统的GMP模型等逐渐不再适用于大带宽的场景，于是一种新的能够适用于大带宽信号的模型亟待出现。具体来说，发射机的功率放大器在信号是大带宽信号的情况下，功率放大器表现出更复杂多变的非线性特征，传统的模型比如GMP模型无法描述如此复杂的非线性特征，在此状况下，寻求新的数学模型来描述功率放大器的非线性特征将变得十分重要。

目前也存在很多新的方法对功率放大器的行为特征进行建模，比如原有的GMP模型，属于多项式模型，在此基础上增加不同的多项式的组合可以表征更多的非线性，但是存在诸多问题例如增加了模型的复杂度，且由于增加的多项式的组合存在高度相似的，在算法求解的过程，不稳定性增加了。而上述的GMP模型都是基于多项式的，这些多项式在输入功率范围内都是属于全局拟合，一个多项式，无论是在大功率下，还是在小功率下，其所对应的系数都是一样的，这就是全局拟合。这样做的缺点在于可能为了拟合某个局部区间，而牺牲掉其余区间的拟合效果，造成总体拟合的效果受到限制。因此，有必要提出一种在这种高带宽的情况下，能解决全局拟合带来的性能受限问题的数学模型。从而提高在5G网络下的通信性能。

发明内容

为了至少解决上述技术问题之一，本发明提供一种宽带功率放大器输入输出特性拟合方法。

本发明提供的一种宽带功率放大器输入输出特性拟合方法采用如下的技术方案：

S1：获取功率放大器的输入信号和对应的输出信号；S2：将所述获取的功率放大器的输入信号分割为N个区间，为每个区间分配对应的一阶样条函数，并将所述N个一阶样条函数量化；S3：为所述N个区间选择N个多项式作为函数基底；S4：将所述N个多项式与所述N个一阶样条函数相乘，形成包括多个候选模型的第一候选模型库；S5：从所述第一候选模型库中筛选出贡献度大的多个候选模型，组成第二候选模型库；S6：根据所述第二候选模型库，对所述功率放大器的所述输入信号和所述输出信号进行分区间拟合。

进一步地，所述的N个一阶样条函数量化后，以LUT表的形式存储。

进一步地，所述的多项式包括各类交调分量的多项式。

进一步地，从所述第一候选模型库中筛选出贡献度大的多个候选模型，组成第二候选模型库具体为：采用压缩感知的正交匹配追踪算法从所述第一候选模型库中筛选出贡献度大的多个候选模型，组成所述第二候选模型库。

进一步地，所述的采用压缩感知的正交匹配追踪算法筛选出贡献度大的候选模型，具体为：根据所述第一候选模型库中的每一个候选模型与拟合残差值r的相关度大小来确定所述候选模型的贡献度。