一种数字预失真自适应处理方法与流程

本发明涉及无线通信系统信号处理技术领域，更具体地说涉及一种数字预失真自适应处理方法。

背景技术：

在现代通信系统中，频谱资源越来越拥挤，为了提高频率效率，高阶调制体制和多载波信号体制应用越来越广泛。然而，这种体制的信号包络是非恒定的，具有较高的功率峰均比papr(peak-to-average-power,papr)，这加剧了功率放大器的线性与效率的矛盾。为了提高功放效率，功放往往工作在饱和点，这会造成信号的频谱扩展，干扰邻近信道信号的正常传输，而且会恶化信号的误差矢量幅度evm(errorvectormagnitude,evm)；为了满足系统的线性度，往往将功放的输入功率回退到线性区，而且papr越大，功率回退越多，这会牺牲功放效率，一方面需增加额外的散热设备，增加系统成本，另一方面造成能量浪费。为了满足功放的高效率和系统的线性需求，需对功放采取必要的线性化处理。数字预失真技术dpd(digitalpredistortion,dpd)是一种在基带对信号进行预失真，能够在数字上对功放产生的非线性进行抵销，使得发射机系统保持线性的线性化技术。由于dpd技术在数字上的灵活性好，线性化性能好及自适应性能好的特点，在当今的商业无线基站、手机终端、专用高效无线发射机等应用中，广泛采用了dpd技术。

如图1所示，dpd技术一般分为两个部分：预失真模型建立和系数提取两个模块，其中预失真模型一般采用记忆多项式模型mp(memorypolynomial，mp)，其表达式为：

其中x(n)和y(n)分别为模型的输入输出，amk为模型的系数，k和m分别为模型的非线性阶数和记忆深度。系数提取模块在硬件实现时，一般采用最小均方误差算法lms(leastmeansquare,lms)。在5g及未来的通信系统中，信号的带宽越来越宽，传输速率越来越高，工作状态会因信道环境迅速变化，必须提高dpd的系数更新收敛速度。未来满足dpd系统的lms系数更新速度，只有通过高速率的fpga进行实现。图2是lms系数更新的原理示意图，在图2中，根据输入信号x(n)和反馈信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)利用lms算法可求解得到aⁱmk。

其中μ为迭代的步长，(·)^*为共轭运算。在fpga中实现(3)式时，消耗的乘法器资源为km(k+5)，乘法器资源与k²成正比，消耗大量乘法器，增加fpga的功耗；且存在|yⁱ(n-m)|^k-1的运算，复杂度高，如用乘法器计算，一方面消耗大量的乘法器资源，另一方面其计算精度受到量化位宽和截位效应的影响。因此，lms系数更新算法在fpga中实现，存在以下困难：

(1)基于mp模型的lms算法，系数计算时有幅度高阶项，随着阶数的增加，乘法器资源消耗量大，甚至超出fpga中的乘法器资源，fpga无法实现高阶的lms算法。

(2)常规的lms系数更新算法计算复杂度高，消耗资源多，增加fpga的功耗，导致发射机的整机效率降低。

技术实现要素：

为了克服上述现有技术中存在的缺陷和不足，本发明提供了一种功率放大器数字预失真自适应处理方法，本发明通过对lms系数更新算法中幅度高阶项映射成查找表，减少fpga定点运算时量化位宽和截位效应造成的误差，然后将相同的因子的乘积项进行分步计算，降低系数更新算法消耗的乘法器资源，从而降低fpga的功耗。

为了解决上述现有技术中存在的问题，本发明是通过下述技术方案实现的：

一种数字预失真自适应处理方法，其特征在于：包括以下步骤：

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，直接进入到步骤g；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新，利用lms算法可求解得到模型系数；

步骤d、计算步骤c中的模型系数求解公式中的误差信号乘积，将误差乘积与幅度高阶项对应，将误差信号乘积计算完成后，进入步骤e；

步骤e、将幅度高阶项提前计算好，并映射成查找表，将信号幅度作为表地址进行查表，分别查出各幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的误差信号乘积和幅度高阶项在fpga中进行逻辑处理之后，代入步骤c的模型系数求解公式中，，得到lms更新后的第i代模型系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束。

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)，用mp模型表示为：

其中，x(n)和y(n)分别为模型的输入输出，amk为模型的系数，k和m分别为模型的非线性阶数和记忆深度；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，直接进入到步骤g；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)

利用lms算法可求解得到aⁱmk，则

其中，μ为迭代的步长，(·)^*为共轭运算；令(eⁱ(n)(yⁱ(n-m))^*)为误差信号乘积，|yⁱ(n-m)^k-1,k＝1,2,3…,为幅度高阶项；

步骤d、计算公式(3)中的误差信号乘积，将误差信号乘积与幅度高阶项对应，将误差信号乘积计算完成之后，进入步骤e；

步骤e、将|yⁱ(n-m)|^k-1,k＝1,2,3…,提前计算好，并映射成查找表，根据幅度项|yⁱ(n-m)|进行查表，分别查出幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的(eⁱ(n)(yⁱ(n-m))^*)和|yⁱ(n-m)|^k-1,k＝1,2,3…,在fpga中进行逻辑处理之后，代入公式(3)，

得到lms更新后的第i代系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束。

所述步骤e中将|yⁱ(n-m)|^k-1,k＝1,2,3…,映射成查找表，具体是指：将|yⁱ(n-m)|归一化到(0,1)，然后通过仿真确定表项大小，分别计算出|yⁱ(n-m)|^k-1,k＝1,2,3…,中各表项的内容，映射成查找表，并写入fpga的rom中；将|yⁱ(n-m)|作为表地址，在计算时根据其值即可查出|yⁱ(n-m)|^k-1,k＝1,2,3…,的值。

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)，用一般记忆多项式模型(generalizedmemorypolynomial,gmp)表示为：

其中，x(n)和y(n)分别为模型的输入输出，amk、bmlk、cmlk为模型的系数，ka,kb,kc和ma,mb,mc分别为模型的非线性阶数和记忆深度，lb和lc分别是模型的滞后记忆效应和超前记忆效应；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，得到预失真信号；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)

利用lms算法可求解得到则

其中，μ为迭代的步长，(·)^*为共轭运算，每个系数也可分开写成：

每个系数的求解方法是相同的，以求aⁱmk为例，令(eⁱ(n)(yⁱ(n-m))^*)为误差信号乘积，|yⁱ(n-m)|^k-1,k＝1,2,3…,为幅度高阶项。

步骤d、计算公式(3)中的误差信号乘积，将误差信号乘积与幅度高阶项对应，将误差信号乘积计算完成之后，进入步骤e；

步骤e、将幅度高阶项提前计算好，并映射成查找表，根据幅度项|yⁱ(n-m)|进行查表，分别查出各幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的误差信号乘积和幅度高阶项在fpga中进行逻辑处理之后，代入公式(3)，得到lms更新后的第i代系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束，同理可求得bⁱmlk,cⁱmlk。

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)，用无记忆多项式模型表示为：

其中，x(n)和y(n)分别为模型的输入输出，amk为模型的系数，k和m分别为模型的非线性阶数和记忆深度；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，得到预失真信号；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)

利用lms算法可求解得到aⁱmk，则

其中，μ为迭代的步长，(·)^*为共轭运算；令(eⁱ(n)(yⁱ(n))^*)为误差信号乘积，|yⁱ(n)|^k-1,k＝1,2,3…,为幅度高阶项；

步骤d、计算公式(3)中的误差信号乘积，将误差信号乘积与幅度高阶项对应，将误差信号乘积计算完成之后，进入步骤e；

步骤e、将幅度高阶项提前计算好，并映射成查找表，根据幅度项|yⁱ(n)|进行查表，分别查出各幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的误差信号乘积和幅度高阶项在fpga中进行逻辑处理之后，代入公式(3)，得到lms更新后的第i代系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束。

与现有技术相比，本发明所带来的有益的技术效果表现在：

1、通过将lms系数更新算法进行分步计算，并将幅度高阶项映射成查找表，一方面可节省硬件资源，另一方面将幅度高阶项映射成查找表，避免了量化位宽与截位效应对幅度高阶项造成的误差，提高计算精度。在传统的lms算法中，消耗的乘法器资源为km(k+5)，在非线性阶数非常高的时候根本无法实现。而改进的算法消耗的乘法器资源为4(m-1)+2km。举一个实例，当mp模型的非线性阶数为7，记忆深度为4的时候，传统lms系数更新算法消耗的乘法器资源为336，而改进算法消耗的乘法器资源为68个，大大节省了fpga的乘法器资源，降低fpga的计算功耗，进而降低整机功耗。

2、在本发明中，所提出的lms系数改进算法不仅仅适用于mp模型的系数更新，也可以推广到基于多项式的模型的系数更新算法中，比如无记忆多项式模型、gmp模型中，具有很好的通用性。

3、在本发明中，在改进的lms系数更新算法的计算流程中，将幅度高阶项用查找表实现，降低系统复杂度和提高系统的精度的方法，不仅仅适用于lms算法中，也可推广到递归最小二乘算法rls(recursiveleastsquare，rls)中。

4、在本发明中，改进的lms系数更新算法是基于fpga实现结构而提出的，具有很好的可编程性。

5、相比于传统的lms系数更新算法，本提案的方法将幅度高阶项进行利用查找表实现，避免幅度高阶项计算时受到量化位宽和截位效应的影响，一方面降低了乘法器资源消耗，另一方面可提高计算的精度；相比于传统的lms系数更新算法，本提案的方法将具有相同的项的分步计算，大幅度地降低了fpga的乘法器资源，降低了fpga的计算功耗，提高了整机的效率。

附图说明

图1为数字预失真技术实现原理框图；

图2为本申请lms系数更新示意图；

图3为本申请lms系数更新流程图；

图4为本申请对带宽100mhz的信号进行了预失真的处理结果图。

具体实施方式

实施例1

作为本发明一较佳实施例，参照说明书附图1-3，本实施例公开了：

一种数字预失真自适应处理方法，包括以下步骤：

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，直接进入到步骤g；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新，利用lms算法可求解得到模型系数；

步骤d、计算步骤c中的模型系数求解公式中的误差信号乘积，将误差乘积与幅度高阶项对应，将误差信号乘积计算完成后，进入步骤e；

步骤e、将幅度高阶项提前计算好，并映射成查找表，根据幅度项进行查表，分别查出各幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的误差信号乘积和幅度高阶项在fpga中进行逻辑处理之后，代入步骤c的模型系数求解公式中，，得到lms更新后的第i代模型系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束。

实施例2

作为本发明又一较佳实施例，参照说明书附图1-3，本实施例公开了：

一种数字预失真自适应处理方法，包括以下步骤：

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)，用mp模型表示为：

其中，x(n)和y(n)分别为模型的输入输出，amk为模型的系数，k和m分别为模型的非线性阶数和记忆深度；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，直接进入到步骤g；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)

利用lms算法可求解得到aⁱmk，则

其中，μ为迭代的步长，(·)^*为共轭运算；令(eⁱ(n)(yⁱ(n-m))^*)为误差信号乘积，|yⁱ(n-m)|^k-1,k＝1,2,3…,为幅度高阶项；

步骤d、计算公式(3)中的误差信号乘积，将误差信号乘积与幅度高阶项对应，将误差信号乘积计算完成之后，进入步骤e；

步骤e、将|yⁱ(n-m)|^k-1,k＝1,2,3…,提前计算好，并映射成查找表，根据幅度项|yⁱ(n-m)|进行查表，分别查出幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的(eⁱ(n)(yⁱ(n-m))^*)和|yⁱ(n-m)|^k-1,k＝1,2,3…,在fpga中进行逻辑处理之后，代入公式(3)，得到lms更新后的第i代系数aⁱmk，并更新预失真器的系数；步骤g，预失真器系数更新，得到预失真信号，计算结束。

所述步骤e中将|yⁱ(n-m)|^k-1,k＝1,2,3…,映射成查找表，具体是指：将|yⁱ(n-m)|归一化到(0,1)，然后通过仿真确定表项大小，分别计算出|yⁱ(n-m)|^k-1,k＝1,2,3…,中各表项的内容，映射成查找表，并写入fpga的rom中；将|yⁱ(n-m)|作为表地址，在计算时根据其值即可查出|yⁱ(n-m)|^k-1,k＝1,2,3…,的值。

图4是本申请提案的实施案例在fpga中实现了自适应dpd系统，对功放的预失真结果。本实施案例对带宽100mhz的信号进行了预失真，从图4可以看出，预失真之前的信号经过功放后，信号发生了频谱扩展，邻近信道功率比(adjacentchannelpowerradio,acpr)为-36.46dbc。而经过了本申请提案的实施案例，信号的频谱扩展得到了抑制，信号的非线性失真能够得到线性化，acpr为-51.53dbc，信号改善了15.07dbc，说明了本申请提案的实施案例具有优越的线性化能力。

实施例3

作为本发明又一较佳实施例，参照说明书附图1-3，本实施例公开：

一种数字预失真自适应处理方法，包括以下步骤：

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)，用一般记忆多项式模型(gmp)模型表示为：

其中，x(n)和y(n)分别为模型的输入输出，amk、bmlk、cmlk为模型的系数，ka,kb,kc和ma,mb,mc分别为模型的非线性阶数和记忆深度，lb和lc分别是模型的滞后记忆效应和超前记忆效应；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，得到预失真信号；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)

利用lms算法可求解得到aⁱmk,bⁱmlk,cⁱmlk，则

其中，μ为迭代的步长，(·)^*为共轭运算，每个系数也可分开写成：

每个系数的求解方法是相同的，以求aⁱmk为例，令(eⁱ(n)(yⁱ(n-m))^*)为误差信号乘积，|yⁱ(n-m)|^k-1,k＝1,2,3…,为幅度高阶项。

步骤d、计算公式(3)中的误差信号乘积，将误差信号乘积与幅度高阶项对应，将误差信号乘积计算完成之后，进入步骤e；

步骤e、将幅度高阶项提前计算好，并映射成查找表，根据幅度项|yⁱ(n-m)|进行查表，分别查出各幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的误差信号乘积和幅度高阶项在fpga中进行逻辑处理之后，代入公式(3)，得到lms更新后的第i代系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束，同理可求得bⁱmlk,cⁱmlk。

实施例4

作为本发明又一较佳实施例，参照说明书附图1-3，本实施例公开：

一种数字预失真自适应处理方法，包括以下步骤：

步骤a、通过硬件反馈通道获取射频功放的反馈信号y(n)，用无记忆多项式模型表示为：

其中，x(n)和y(n)分别为模型的输入输出，amk为模型的系数，k和m分别为模型的非线性阶数和记忆深度；

步骤b、观察y(n)是否存在频谱扩展，判断其是否线性，若y(n)的频谱没有发生扩展，则线性效果收敛，说明当前dpd系数收敛，不需要更新，得到预失真信号；若y(n)的频谱发生扩展，则发生非线性失真，dpd系数没有收敛，进入到步骤c；

步骤c、启动lms系数更新模块，根据输入信号x(n)和输出信号y(n)的误差进行lms系数更新：

eⁱ(n)＝yⁱ(n)-xⁱ(n)(2)

利用lms算法可求解得到aⁱmk，则

其中，μ为迭代的步长，(·)*为共轭运算；令(ei(n)(yi(n))*)为误差信号乘积，|yⁱ(n)|^k-1,k＝1,2,3…,为幅度高阶项；

步骤d、计算公式(3)中的误差信号乘积，将误差信号乘积与幅度高阶项对应，将误差信号乘积计算完成之后，进入步骤e；

步骤e、将幅度高阶项提前计算好，并映射成查找表，根据幅度项|yⁱ(n)|进行查表，分别查出各幅度高阶项的值，进入步骤f；

步骤f，根据步骤d和步骤e中计算的误差信号乘积和幅度高阶项在fpga中进行逻辑处理之后，代入公式(3)，得到lms更新后的第i代系数aⁱmk，并更新预失真器的系数；

步骤g，预失真器系数更新，得到预失真信号，计算结束。