用于自适应数字预失真的设备和方法与流程

本公开总体上涉及通信领域，并且具体地，涉及用于自适应数字预失真的设备和方法。

背景技术：

在功率放大器设计中，在效率和失真之间存在折中。在“A类”条件下操作的放大器产生较少失真但是效率低下，而在“C类”条件下操作的放大器相当高效但引入显著的信号失真。例如，“C类”功率放大器通常以非线性方式操作，从而当在功率放大器的峰值输出附近进行操作时，输入信号在功率放大器的输出处失真。虽然效率和失真均是放大器设计中的重要考量，但在高功率等级下效率变得越来越重要。如此，许多现代发射器的设计者选择在它们的功率放大器中接受一些非线性以得到良好的效率。

为了试图限制这种非线性及其对应的失真，在传统方法中使用了各种线性化技术。传统的线性化技术广义上可分为反馈、前馈或预失真。最后提到的技术(即，预失真)故意在功率放大器预期补偿功率放大器的期望非线性之前使输入信号失真。根据该技术，以与放大器行为相反的方式，通过根据预失真函数使输入信号失真来实现线性化。预失真技术可以应用于射频(RF)、中频(IF)或基带。

然而，现有的预失真技术不太理想，需要提供改进的预失真功能的功率放大器系统。

技术实现要素：

为解决上述问题，本公开提供了一种系统，包括：预失真单元，被配置为通过以迭代方式直接计算模型的逆来基于模型参数预失真输入信号，并且被配置为在计算所述逆和更新所述模型参数之间交替，从而提供预失真信号；功率放大器电路，被配置为放大所述预失真信号；功率放大器模型，被配置为基于所述预失真信号和所述模型参数通过所述功率放大器电路对所述预失真信号的放大进行建模；以及参数估计单元，被配置为基于所述预失真信号和误差信号更新提供给所述预失真单元和所述功率放大器模型的所述模型参数，其中所述误差信号表示来自所述功率放大器电路的输出信号与来自所述功率放大器模型的建模输出信号之间的差，并且被配置为通过所述预失真单元在更新所述模型参数与计算所述模型的逆之间交替来迭代地更新所述模型参数。

优选地，所述参数估计单元被布置在反馈路径上，所述反馈路径将所述功率放大器电路的输出耦合至所述预失真单元的输入和所述功率放大器模型的输入。

优选地，还包括：比较器，布置在所述反馈路径上并且具有耦合至所述功率放大器电路的输出的第一比较器输入、耦合至所述功率放大器模型的输出的第二比较器输入和向所述参数估计单元的输入提供所述误差信号的比较器输出。

优选地，所述输入信号是复数字基带信号。

优选地，由于所述输入信号的振幅的变化，所述功率放大器电路的放大特性以非线性方式变化；并且其中所述误差信号改变所述模型参数以保持在所述功率放大器电路的输出处提供的所述输出信号的振幅相对于所述输入信号的振幅基本线性。

优选地，所述模型参数从所述参数估计单元直接提供给所述预失真单元并且直接提供给所述功率放大器模型。

优选地，还包括：向所述系统提供振幅片段的集合的单元，所述振幅片段的集合在振幅片段边界处相互结合；其中针对每个振幅片段更新所述模型参数，并且其中所述预失真单元和所述功率放大器模型使用所述振幅片段内的多项式，其中多项式阶可根据所述放大器的行为针对不同的振幅片段变化。

优选地，所述预失真单元根据基于模型参数调整的存储多项式和非存储多项式的总和计算所述预失真信号。

优选地，所述预失真单元根据以下函数计算所述预失真信号：

$z\left(n\right)=\frac{1}{h_{00}}\left(x\right(n)-\underset{k\>0}{\mathrm{\Σ}}{h}_{0k}z(n){\left|z\left(n\right)\right|}^k-\underset{m\>0}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{h}_{mk}z(n-m\left){\left|z\left(n-m\right)\right|}^k\right)$

其中h00、h0k和hmk是系数，并且x(n)表示所述输入信号。

优选地，所述预失真单元根据以下函数计算所述预失真信号：

$z^{\left(j\right)}\left(n\right)=\frac{1}{h_{000}}\[x\left(n\right)-z^{(j-1)}\left(n\right)\{L_0\left(\right|z^{(j-1)}\left(n\right)\left|\right)-\underset{g}{\mathrm{\Σ}}{L}_g\left(\right|z\left(n-g\right)\left|\right)\}-p\left(x\right(n-1),\mathrm{...}x(n-m-G\left)\right)\]$

其中x(n)表示所述输入信号。

此外，还提供了一种系统，包括：预失真单元，被配置为基于模型参数预失真输入信号，从而提供预失真信号；频率上变换元件，用于上变换所述预失真信号的频率，从而提供上变换预失真信号；功率放大器电路，被配置为放大所述上变换预失真信号，从而提供上变换输出信号；功率放大器模型，被配置为基于所述预失真信号和所述模型参数通过所述功率放大器对所述上变换预失真信号的放大进行建模；以及反馈路径，将所述功率放大器电路的输出耦合至所述预失真单元和所述功率放大器模型，其中所述反馈路径包括：下变换元件，用于下变换所述上变换输出信号，从而提供下变换输出信号，其中所述反馈路径被配置为基于所述下变换输出信号与来自所述功率放大器模型的建模放大输出信号之间的差来更新所述模型参数。

优选地，所述模型参数从位于所述反馈路径上的参数估计单元直接提供给所述预失真单元并直接提供给所述功率放大器模型。

优选地，所述反馈路径包括：参数估计单元，被配置为基于所述预失真信号和误差信号更新所述模型参数，其中所述误差信号表示所述下变换输出信号与所述建模放大输出信号之间的差。

优选地，所述反馈路径还包括：比较器，布置在所述反馈路径上并具有耦合至所述功率放大器电路的输出的第一比较器输入、耦合至所述功率放大器模型的输出的第二比较器输入和向所述参数估计单元的输入提供所述误差信号的比较器输出。

优选地，所述预失真单元根据基于模型参数调整的存储多项式和非存储多项式的总和计算所述预失真信号。

优选地，使用具有第一时钟频率的第一时钟计算所述非存储多项式，并且其中使用具有第二时钟频率的第二时钟计算所述存储多项式，所述第一时钟频率大于所述第二时钟频率。

优选地，所述预失真单元根据以下函数计算所述预失真信号：

$z\left(n\right)=\frac{1}{h_{00}}\left(x\right(n)-\underset{k\>0}{\mathrm{\Σ}}{h}_{0k}z(n){\left|z\left(n\right)\right|}^k-\underset{m\>0}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{h}_{mk}z(n-m\left){\left|z\left(n-m\right)\right|}^k\right)$

其中h00、h0k和hmk是系数，并且x(n)表示所述输入信号。

优选地，所述预失真单元根据以下函数计算所述预失真信号：

$z^{\left(j\right)}\left(n\right)=\frac{1}{h_{000}}\[x\left(n\right)-z^{(j-1)}\left(n\right)\{L_0\left(\right|z^{(j-1)}\left(n\right)\left|\right)-\underset{g}{\mathrm{\Σ}}{L}_g\left(\right|z\left(n-g\right)\left|\right)\}-p\left(x\right(n-1),\mathrm{...}x(n-m-G\left)\right)\]$

其中x(n)表示所述输入信号。

优选地，所述输入信号是复数字基带信号。

优选地，由于所述输入信号的振幅的变化，所述功率放大器电路的放大特性以非线性方式变化；并且其中所述误差信号改变所述模型参数以保持在所述功率放大器电路的输出处提供的所述输出信号的振幅相对于所述输入信号的振幅基本线性。

此外，还提供了一种系统，包括：预失真单元，被配置为基于模型参数预失真输入信号，从而提供预失真信号；非线性电路，被配置为处理所述预失真信号；非线性电路模型，被配置为基于所述预失真信号和所述模型参数通过所述非线性电路对所述预失真信号的处理进行建模；以及反馈路径，将所述非线性电路的输出耦合至所述预失真单元和非线性电路模型，其中所述反馈路径被配置为基于来自所述非线性电路的输出信号与来自所述非线性电路模型的建模输出信号之间的差更新所述模型参数，并且将所更新的模型参数从位于所述反馈路径上的参数估计单元直接提供给所述预失真单元并直接提供给所述非线性电路模型。

此外，还提供了一种无线数据发射的方法，包括：接收输入信号；基于模型参数h预失真所述输入信号，从而得到预失真信号；使用功率放大器电路放大所述预失真信号，从而提供输出信号；将建模输出信号的采样与所述输出信号的采样进行比较以提供误差信号，其中所述误差信号表示所述建模输出信号的采样与所述输出信号的采样之间的差；使用最小二乘估计来更新所述模型参数，以最小化所述误差信号；以及基于所更新的模型参数来更新所述建模输出信号和所述预失真信号。

优选地，通过以K次迭代估计非存储多项式以及以M次迭代估计存储多项式、通过迭代地近似所述功率放大器电路的逆来更新所述模型参数，其中K大于M。

优选地，根据以下函数计算所述预失真信号：

$z\left(n\right)=\frac{1}{h_{00}}\left(x\right(n)-\underset{k\>0}{\mathrm{\Σ}}{h}_{0k}z(n){\left|z\left(n\right)\right|}^k-\underset{m\>0}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{h}_{mk}z(n-m\left){\left|z\left(n-m\right)\right|}^k\right)$

其中h00、h0k和hmk是系数，并且x(n)表示所述输入信号。

优选地，根据以下函数计算所述预失真信号：

$z^{\left(j\right)}\left(n\right)=\frac{1}{h_{000}}\[x\left(n\right)-z^{(j-1)}\left(n\right)\{L_0\left(\right|z^{(j-1)}\left(n\right)\left|\right)-\underset{g}{\mathrm{\Σ}}{L}_g\left(\right|z\left(n-g\right)\left|\right)\}-p\left(x\right(n-1),\mathrm{...}x(n-m-G\left)\right)\]$

其中x(n)表示所述输入信号。

附图说明

以下说明和附图详细阐述了本发明的特性方面和实施方式。它们是可采用本发明原理的各种方式中的少数方式。

图1示出了根据一些实施例的具有改进的自适应预失真的发射系统。

图2示出了根据一些实施例的使用I-Q数据的发射系统的框图。

图3示出了根据一些实施例的预失真单元的框图。

图4示出了根据一些实施例的流程图格式的方法。

图5示出了根据一些实施例的使用分段式逐段近似(segment-wise piecewise approximation)的预失真单元的框图。

具体实施方式

现在将参照附图描述本发明，其中类似标号的元件表示类型的部分。提供附图和附图的描述是为了说明的目的而不以任何方式限制权利要求的范围。

本公开提供了使用预失真来改进非线性设备的线性化的改进发射系统。这种非线性设备的示例可以包括功率放大器(诸如无线基站)、线缆收发器中的线驱动器、用于光纤通信收发器的电-光转换器、功率放大器测试和表征设备。

图1示出了根据一些实施例的具有改进的自适应预失真的发射系统100的示例。发射系统100包括系统输入102，在系统输入102处接收诸如复数字基带信号的输入信号x(n)。系统100还具有系统输出104，在系统输出104处提供诸如中频(IF)或RF信号的输出信号y’(t)。理想地，输出信号y’(t)具有与输入信号x(n)相同的信号特性，但是在IF或RF处且具有放大的振幅。而传统的输出信号通常以非线性方式被放大(从而输出信号可以以较大的信号振幅被不期望地压缩，例如由于饱和)，如本文更详细解释的，系统100由于本文提供的自适应预失真技术而显示出基本线性的放大。因此，与输出信号的振幅会随时间以非线性方式失真的传统方法相比，系统100限制了注入到输出信号中的信号失真量，从而提高了系统的信号质量。

为了实现该行为，发射系统100包括预失真单元106、功率放大器电路108和功率放大器模型110，其中功率放大器模型110使用数字模型(诸如多项式近似)对功率放大器电路108放大信号进行建模。耦合器112将极小部分的RF输出信号y’(t)传送回到产生基带反馈信号y(n)的反馈路径114上，同时输出信号的几乎所有的功率继续到输出104和发射(TX)天线。反馈路径114从耦合器112延伸回预失真单元106和功率放大器模型110。反馈路径114包括比较器116和参数估计单元118。比较器116的第一比较器输入耦合至耦合器112的输出，第二比较器输入耦合至功率放大器模型110的输出，并且比较器输出向参数估计单元118的输入提供误差信号e(n)。

现在描述系统100的操作示例。在第一时间周期期间，输入信号x(n)被提供给预失真单元106的输入，并且预失真单元106基于模型参数h来预失真输入信号x(n)，从而在预失真单元106的输出处提供预失真信号z(n)。然后，该预失真信号z(n)(其通常为数字信号)通过数模转换器(DAC)被转换为模拟信号，然后通过块120中的上变换元件将该模拟信号的频率进行上变换。功率放大器电路108放大上变换的预失真信号z’(t)，从而提供输出信号y(t)。理想地，输出信号y(t)将是输入信号的线性放大(和模拟上变换)版本，但是实际上，第一时间周期期间的输出信号y(t)可以示出一些附加的非线性，诸如信号峰值的压缩或饱和(例如，下冲，undershoot)。

如输出信号y’(t)所示，输出信号y(t)的功率的大部分通过输出104发射至TX天线，但是耦合器112将输出信号功率的小部分传输到反馈路径114用于分析。反馈路径114使用下变换和ADC元件122来下变换输出信号并将该信号转换为数字信号，从而产生基带反馈信号y(n)。比较器116将基带反馈信号y(n)与来自功率放大器模型110的建模输出信号y(n)-e(n)进行比较，从而提供误差信号e(n)。该误差信号e(n)表示基带反馈信号y(n)与建模输出信号曲线y(n)-e(n)上的对应点之间的差异。基于误差信号e(n)和预失真信号z(n)，参数估计单元118通过量dh更新模型参数，并且更新的模型参数h随后被反馈回预失真单元106和功率放大器模型110。

为了补偿功率放大器电路108中的非线性，参数估计单元118使用最小二乘估计迭代地更新模型参数h，并使用该模型参数h来以最小化误差信号e(n)的方式调整功率放大器模型110和预失真单元106。以这种方式，随着时间的推移，基带反馈信号y(n)和更重要的输出信号y’(t)变得相对于输入信号x(n)更加线性(即，误差e(n)随时间变小)。例如，在第一时间周期期间，建模功率放大器输出y(n)-e(n)是输入信号x(n)的线性放大版本，但是基带反馈信号y(n)可由于功率放大器电路108的饱和而下冲建模输出信号y(n)-e(n)。参数估计单元118更新模型参数h以相对于第二时间周期(在第一时间周期之后)的输入信号x(n)稍微增加预失真信号z(n)的振幅。因此，由于预失真单元106和功率放大器模型110均在第二时间周期内接收更新模型参数h，所以基带反馈信号y(n)在第二时间周期内更接近功率放大器模型输出信号y(n)-e(n)，并且相对于第一时间周期减少误差信号e(n)。该反馈以不间断的方式持续，并且在多个更新周期之后，基带反馈信号y(n)基本是输入信号x(n)的线性放大版本。因此，预失真单元106以迭代方式通过直接计算功率放大器模型110的逆(inverse)来基于模型参数h预失真输入信号x(n)。预失真单元106在计算功率放大器模型110的反转和更新模型参数h之间交替，从而提供预失真信号z(n)。

应该理解，所公开的自适应预失真技术可以使用分段式逐段多项式近似。因此，振幅范围被划分为多个振幅片段，并且模型参数h针对这些振幅片段顺序更新。预失真单元和功率放大器模型可以使用在每个振幅片段内连续且可微分的多项式，并且在振幅片段边界处可以具有或者可以不具有“扭结(kink)”(根据多项式阶)。对于每个振幅片段更新模型参数，并且预失真单元和功率放大器模型使用振幅片段内的多项式，其中多项式阶可以根据放大器的行为而针对不同的振幅片段变化。

在一些实施例中，图1中的一些单元和/或电路可以以硬件实施，而图1的其他单元可以以软件实施。例如，在一些实施例中，功率放大器电路108包括在分立的集成电路上，而预失真单元106、功率放大器模型110、比较器116和参数估计单元118例如可以在专用集成电路(ASIC)或现场可编程门阵列(FPGA)中实施。在其他实施例中，预失真单元106、功率放大器模型110、比较器116和参数估计单元118被实施为在半导体存储器中存储且在处理器(诸如，微处理器、微控制器、基带处理器或数字信号处理器)上执行的指令。在又一些实施例中，所有部件可以集成在单个单片IC上，或者在IC封装件中集成在由相互堆叠的多个管芯组成的三维封装IC中。

图2示出了在IQ发射器200的条件下使用自适应预失真技术的示例。在该示例中，输入信号具有I数据和Q数据分量，它们以基带信号的形式来由基带处理器202提供。无线地从RF天线204发射输出信号y’(t)。通过数模转换器(DAC)(206,208)、I和Q混合器(210,212)以及本地振荡器(LO)(214)(其提供在I和Q数据路径之间具有90°相移的LO信号)来实现离散时间-连续时间转换、离散振幅-连续振幅转换以及预失真信号的上变换。虽然图2示出了IQ发射器，但自适应预失真技术还可以应用于其他类型的发射器(诸如极发射器)，这些都落入本公开的范围内。

示例1

为了提供如何可以在该系统100和其他发射系统中实施预失真单元106和功率放大器模型110的更加详细的示例，以下描述提供了系统更加严格的数学处理。在该系统中，预失真单元106迭代地调整为连续表示功率放大器电路108的逆。

在第一步骤中，初始参数h被提供给功率放大器模型110，并处理初始输入数据x(n)。利用该初始参数h得到的模型输出y(n)-e(n)然后与反馈信号y(n)相比较，得到误差信号向量e(n)。然后，利用最小二乘估计，参数估计单元118使用误差信号向量e(n)和预失真信号向量z(n)来估计更新向量dh。这可以通过以下矩阵操作来进行：

dh＝(Z^HZ)^-1Z^He (1a)

其中，矩阵Z包含根据功率放大器模型110的所有非线性输入信号组合，并且上标H表示厄密共轭转置。为了稳定用于向量dh的解，通过以以下方式添加系数μ来调整等式(1a)：

dh＝(Z^HZ+μI)^-1Z^He (1b)

其中，可以选择μ来折中残留误差和解向量dh的规范(norm)。这种规范步骤帮助得到“小”(根据规范)系数向量以确保预失真单元106的稳定性。

如果根据(1b)来计算dh，则可以更具以下等式来更新模型参数向量h：

h⁽ⁱ⁺¹⁾＝h⁽ⁱ⁾+μdh (2)

其被提供给功率放大器模型110并用于计算预失真单元106的功率放大器的逆。参数μ控制更新速度。一旦计算了更新功率放大器的逆，就针对功率放大器模型110和预失真单元106更新参数h以更好地反映功率放大器电路108的实际的逆。在环路内执行整个过程来以迭代方式改进线性化，并且跟踪在功率放大器电路108的行为随时间变化的情况下使用的预失真的量。

为了利用预失真单元106获得良好的总体线性化性能，功率放大器模型110需要生成基带反馈信号y(n)的良好近似。通常，具有或不具有存储的非线性模型(诸如Wiener多项式、Hammerstein多项式、存储多项式或广义存储多项式)可用于功率放大器模型110。为了说明，本公开相对于存储多项式如下描述了概念，其是用于宽带应用的良好基本模型：

$\hat{y}\left(n\right)=h_{00}z\left(n\right)+\underset{k\>0}{\mathrm{\Σ}}{h}_{0k}z\left(n\right){\left|z\left(n\right)\right|}^k+\underset{m\>0}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{h}_{mk}z(n-m){\left|z(n-m)\right|}^k---\left(3\right)$

在等式(3)中，h_mk表示参数向量h的元素，其必须被估计以使图1中的误差信号e(n)的平方振幅最小化。等式(3)的右手侧的前两项是非存储(memory-less)多项式，而其他项是存储多项式。存储多项式的输出不仅是当前输入信号的函数，而且还是过往的输入信号和/或输出信号的函数；而非存储多项式仅是当前输入信号的函数。

由于基带反馈信号y(n)与输入信号x(n)理想地相同，所以(3)的左侧被设置为等于输入信号x(n)，并且等式(3)被重新布置以根据以下等式产生预失真信号z(n)：

因此，由预失真单元106提供的预失真信号z(n)可以通过执行非存储多项式(H1)和存储多项式(H2)的相加来计算。

如图3的框图所示，等式(4)的预失真信号z(n)可以通过具有非线性反馈的预失真单元300来计算。预失真单元300可以在缓冲器302中存储输入信号x(n)。系数1/h₀₀(304)可以应用于302中的缓冲输入信号。延迟元件(缓冲器)(306)为非存储多项式处理器(308)提供输入。由于在(4)的右侧需要由(4)给出的预失真信号z(n)，所以以迭代方式计算z(n)。在第一迭代中，(4)右侧的(未知)z(n)被x(n)替换，产生z(n)的第一近似，其被用于代替(4)的右侧的z(n)的第二迭代，以此类推。由于使用预失真信号z(n)计算预失真信号z(n)是非因果操作，所以H1块310在时钟速度fclk x K上运行。在多次迭代(通常为K次)之后，z(n)将收敛并且将足够精确以生成下一采样z(n+1)，其再次为近似并且需要再次进行K次迭代来得到精确的结果。为了执行这种递归操作，H1块310和H2块312(对应于等式(4)中的H1和H2)以不同的时钟速度运行。H1块310以频率fclk x K运行，而H2块312以频率fclk运行(即，H1块310运行的速度是H2块312运行的速度的K倍)，因为预失真单元执行K次迭代来确定期望的预失真信号z(n)的一个采样。如此，等式(4)可以以最终的形式被重写：

其中，z⁽⁰⁾(n)＝x(n)，并且h是近似预失真信号z(n)的迭代数量。

图4将预失真操作示为流程图400以再次强调通过110和预失真单元106改进功率放大器模型的嵌套操作。

方法400开始于402，其中接收输入信号x(n)。在一些实施例中，输入信号是数字基带信号。例如，输入信号可以是IQ基带信号形式的复数字基带信号，或者可以是数字极基带信号。

在404中，基于模型参数h来预失真输入信号x(n)，从而得到预失真信号z(n)。在块404内，在414中，在预失真单元中计算用于预失真信号z(n)的采样。该采样被迭代计算K次以提供功率放大器电路的逆的良好近似。

在406中，在数模转换和上变换之后，使用功率放大器电路，预失真信号是放大信号，从而通过耦合、下变换和模数转换提供基带反馈信号y(n)。

在408中，建模输出信号或预失真信号z(n)的N个采样与基带反馈信号y(n)的N个采样进行比较，以提供误差信号e(n)。误差信号表示所比较信号之间的差。

在410中，使用最小二乘估计来计算模型参数h的更新dh，以使误差信号e(n)最小化。

在412中，基于更新模型参数(h⁽ⁱ⁺¹⁾＝h⁽ⁱ⁾+μdh)来更新功率放大器模型和预失真单元。

示例2

在图3所示的预失真单元300以及对应的等式(3)到(5)中，本公开考虑存储多项式用于建模。存储多项式仅沿着一般的沃尔特拉核的对角线结合存储，这会限制可实现的线性化性能，尤其在更加复杂的高效率功率放大器架构中，诸如多尔蒂架构。因此，本公开还提供了能够实现如下描述的强有力模型类型的灵活架构：

$\hat{y}\left(n\right)=h_{000}z\left(n\right)+z\left(n\right)\left(L_0\right(\left|z\left(n\right)\right|)+\underset{g}{\mathrm{\Σ}}{L}_g(\left|z\left(n-g\right)\right|\left)\right)+p\left(z\right(n-1),\mathrm{...},z(n-M-G\left)\right)$

其中，Li是取决于系数的算子，并且最后的项仅取决于来自过去的输入采样。作为示例，已知一般化(generalized)的存储多项式(GMP)模型可被映射到该架构上。此外，可以有利地将分段式逐段多项式近似用于该架构。分段式逐段多项式近似可如下书写：

$\hat{y}\left(n\right)=h_{000}z\left(n\right)+z\left(n\right)\underset{k}{\mathrm{\Σ}}{h}_{00k}\left|\right|z\left(n\right)|-{\mathrm{\β}}_k|+z\left(n\right)\underset{g}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{h}_{0gk}\left|\right|z(n-g)|-{\mathrm{\β}}_k|+p\left(z\right(n-1),\mathrm{...},z(n-M-G\left)\right)$$\left(6\right)$

等式(6)可以类似于存储多项式模型来重新布置，并且可以映射到该架构上，从而获得用于预失真信号的以下近似：

$z^{\left(j\right)}\left(n\right)=\frac{1}{h_{000}}\[x\left(n\right)-z^{(j-1)}\left(n\right)\{L_0\left(\right|z^{(j-1)}\left(n\right)\left|\right)-\underset{g}{\mathrm{\Σ}}{L}_g\left(\right|z\left(n-g\right)\left|\right)\}-p\left(z\right(n-1),\mathrm{...}z(n-m-G\left)\right)\]---\left(7\right)$

其中，算子L描述了等式(6)中的和式。算子L可以实施为函数或查找表。

图5示出了通过等式(7)描述的预失真单元架构500。在图5中，在缓冲器502处接收输入信号x(n)。第一相加元件504向存储在缓冲器506中的第一集合的多项式应用输入信号。508处得到的信号被提供给第二相加元件510，其将提供预失真信号z^j(n)。为了保持预失真信号调整以表示功率放大器的逆，预失真信号在512处被缓冲，然后被提供给绝对值确定元件514以及乘法器或混合器516。然后，z^j(n)的绝对值(或振幅)被应用于第一算子L0。分别存储在缓冲器518、…、520中的其他算子L1、…、Lg也在第三相加元件522处被考虑。结果是提供用于发射系统的良好线性的分段式逐段多项式近似。

虽然本文所示的方法被说明和描述为一系列动作或事件，但应该理解，本发明不限于这些动作或事件的排序。例如，根据本发明，除本文所示和/或描述的之外，一些动作可以以不同顺序发生和/或与其他动作或事件同时发生。此外，不是需要所有示出的步骤来实施根据本发明的方法。此外，根据本发明的方法可以与本文所示和描述的系统的操作相关联以及与未示出的其他系统相关联，其中所有这种实施都被与其落入本发明和所附权利要求的范围内。

尽管参照一个或多个实施方式说明和描述了本发明，但不在背离所附权利要求的精神和范围的情况下，可以对所示示例进行更改和/或修改。

具体地，关于通过上述部件或结构(块、单元、组件、设备、电路、系统等)执行的各种功能，用于描述这些部件的术语(包括“装置”)对应于执行所述部件的特定功能的任何部件或结构(或者另一种功能等效实施例)，除非另有指定，即使与执行本发明的所示示例性实施方式的功能的所公开结构在结构上不等效。

此外，虽然本发明的特定特征仅相对于多种实施方式中的一种进行了描述，但这些特征可以与其他实施方式的一个或多个其他特征组合，这对于给定或特定的应用是期望和有利的。此外，在详细描述和权利要求中使用术语“包括”、“具有”或它们的变形，这种术语以类似于术语“包含”的方式是包括性的。此外，在详细描述和权利要求中使用术语“数量”、“多个”、“系列”或它们的变形，这些术语包括任何数量，包括但不限于正整数、负整数、零和其他值。