[发明专利]一种功率注入型多路自适应数字预失真算法及系统有效

专利信息
申请号: 202210166421.6 申请日: 2022-02-23
公开(公告)号: CN114726703B 公开(公告)日: 2023-08-15
发明(设计)人: 吴永乐;杨谋枢;胡欣;王卫民;杨雨豪 申请(专利权)人: 北京邮电大学
主分类号: H04L27/36 分类号: H04L27/36;H04B7/0413;G06N3/006
代理公司: 北京挺立专利事务所(普通合伙) 11265 代理人: 高福勇
地址: 100876 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 功率 注入 型多路 自适应 数字 失真 算法 系统
【说明书】:

发明公开了一种功率注入型多路自适应数字预失真算法及系统,采用直接学习架构进行模块的构建,具有结构简单、便于实现的特点。预失真信号由三部分组成:原始基带信号和由两个预失真子模块产生的两种小功率基带信号。通过预失真子模块一和预失真子模块二得到小功率信号注入基带输入信号补偿MIMO系统中功放的非线性、记忆效应以及串扰效应,当基带信号PAPR值较大,功放非线性强烈时依然可以在各支路取得良好的线性化效果。预失真信号经功放放大,观察输出信号的特性可以发现带外频谱扩展和带内失真都得到了很好的抑制,解决了MIMO系统中功放的非线性、记忆效应以及串扰的问题,提高了MIMO系统中功放的效率。

技术领域

本发明涉及无线通信技术领域,尤其涉及一种功率注入型多路自适应数字预失真(DPD)算法及系统。

背景技术

典型的多输入多输出-正交频分复用(MIMO-OFDM)发射机架构在4G 时已经被提出,在显著提高系统传输速率、提升频谱效率的基础上对频率选择性衰落,多径干扰这些问题也能够有效地解决。MIMO技术与OFDM 技术的结合保证了通信系统能够实现很高的传输速率与很强的系统可靠性。

5G-NR中,大规模MIMO技术极其有效的使信道容量、频谱效率、数据吞吐量这些指标得到提升,5G基站需要根据它们的类型,遵守各自的发射要求或传导要求。基站的应用指标有:基站输出功率,传输信号质量,信号带宽,邻信道泄露比,工作频带有害辐射,传输机杂散辐射,传输机互调等;基站中射频(RF)功率放大器(PA)的性能好坏对这些指标的影响是尤为关键的,射频功放固有的非线性和传输宽带信号时所表现的记忆效应以及应用在大规模MIMO场景中的串扰效应恶化了通信系统的性能,影响了信号传输质量。

相较于传统的单输入单输出(SISO)系统,MIMO系统发射端的预失真器在技术上面临更多的挑战,由于发射机对多个信号同时进行上变频,在同一芯片上存在多条支路时多条支路之间便会产生串扰,串扰在芯片尺寸较小时所表现的效应更加显著,会直接导致射频功放输出信号的失真,进而影响了预失真器系数估计阶段的准确性,降低了预失真技术的性能。因此串扰抑制是多天线MIMO系统发射端应用预失真技术时需要解决的重要问题。

发明内容

本发明的目的是提供一种功率注入型多路自适应数字预失真算法及系统。

为了实现上述目的,本发明提供如下技术方案:

一种功率注入型多路自适应数字预失真算法,包括以下步骤:

S1、通过各支路基带输入和输出信号,分别构建在SISO情况下的数字 PA的行为模型;

S2、在输入端引入串扰,利用记忆多项式模型得到串扰输出;

S3、利用功放的输入和串扰输出信号,构建在多输入多输出情况下的数字PH的行为模型;

S4、对每一条支路装配一个预失真模型,预失真模型包括预失真子模块一和预失真子模块二,其中,子模块一为SISO情况下本支路功放的逆模型,预失真子模块二是以直接学习架构为基础的自适应预失真子模块;

S5、在各支路基带输入的基础上增加预失真子模块一输出的小功率注入信号和预失真子模块二输出的小功率注入信号,作为本支路功放在并联汉明模型表征情况下的输入。

进一步地,步骤S1中各路基带输入、输出信号都预先经过时域对齐和归一化处理。

进一步地,步骤S1通过归一化均方误差衡量模型精度。

进一步地,步骤S3通过归一化均方误差衡量模型精度。

进一步地,步骤S4中预失真子模块一的构建过程为:在确定逆模型的最高阶数、最大记忆深度后,将功放的预测输出转化为相应基函数矩阵,构建线性方程组,利用LS算法得到逆模型的系数矩阵。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210166421.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top