0· 005,则重复b到e;若 |e2(n) | 彡0. 005,DPD内核系数必(》)值复制给DH)系数Ckq。
[0116] 图4是本发明具体实施例，采用本发明所述方法得到的AM/AM图，从图中可知，加 上CFR和DH)处理后，功放的线性度明显得到了改善。
[0117] 图5是本发明具体实施例，采用本发明所述方法得到的功率谱密度。曲线①为原 始输入信号功率谱；曲线②为CFR后的功率谱；曲线③为信号直接进入功放后输出的功率 谱；曲线④⑤⑥为经CFR和DH)处理后再经PA输出的功率谱，其中⑥为采用间接学习结构， 采取NLMS算法的功率谱密度；④为采用间接学习结构，采取本文提出的混合算法的功率谱 密度，⑤为采用本文提出的混合学习结构，采取本文提出的混合算法的功率谱密度，可以看 出，采用本文提出的混合学习结构，采取本文提出的混合算法的预失真效果最好。
[0118] 图6至图10是本发明具体实施例，采用本发明所述方法得到的星座图，其中图6 为原始输入信号的星座图，图7为信号经CFR处理后的星座图，图8为信号经PA直接输出 的星座图，图9为信号经采用间接学习结构DH)处理后经PA输出的星座图，图10为信号经 混合学习结构DH)处理后经PA输出的星座图。从图中可知，经CFR星座图相比原始信号星 座图有个别信号点偏离，这是由于CFR算法中低通滤波器的作用使信号产生相应的时域扩 展，导致微小带内失真，但不影响信号解调，峰值抵消处理后的EVM值为1.09%。当存在加 性噪声时，直接进PA的信号星座图严重扩散和旋转，加上预失真后星座图变的清晰可辩； 采用间接学习结构时，由于存在加性噪声，预失真的补偿效果是有限的，采用本发明的组合 学习结构的星座图要清晰，其EVM值为0. 6853%，完全能够正确解调。
[0119] 图11是本发明具体实施例，采用本发明所述方法得到的学习曲线，能够反映预 失真方法的收敛速度快慢和实时性好坏，图中给出的是LMS算法，NLMS算法，RLS算法， RLS+NLMS算法的学习曲线。从图中可知，LMS算法收敛性能最差；NLMS算法的收敛性较LMS 算法收敛性有一定的提升，但改进有限；RLS算法收敛性最好，但计算复杂；相比而言，本发 明的组合算法具有较好的收敛性，能达到对功放较好的线性化效果。
[0120] 以上所述，仅为本发明最佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。
【主权项】
1.组合算法应用于组合学习结构数字预失真系统的方法，其特征在于，包括两个部分， 组合学习结构数字预失真系统，以及组合算法基于搭建的组合学习结构数字预失真系统对 信号处理方法； 所述组合学习结构数字预失真系统包括前向通路和反馈回路；所述前向通路包括信号 产生模块（100)、峰均值抑制模块即CFR模块（101)、上变频模块即DUC模块（102)、数字 预失真模块即DH)模块（103)、DSP模块（104)、数模转换模块即DAC模块（105)、带通滤波 器（106)、功率放大器即PA(107)以及天线调谐器和天线（109);所述反馈回路包括耦合器 (108)、衰减器（110)和模数转换模块即ADC(Ill); 所述DH)模块（103)采用多项式预失真技术，该技术主要包括功放模型、学习结构和自 适应算法三个部分；Dro内核是基于记忆多项式模型的数字预失真；Dro学习结构采用组合 学习结构，Dro的自适应算法采用组合算法； 所述学习结构采用组合学习结构，由间接学习结构和直接学习结构结合的组合学习结 构设计数字预失真系统；系统在间接学习结构与直接学习结构之间进行切换； 所述组合算法是在间接学习结构下采用RLS和NLMS算法对Dro内核系数进行估计；而 在直接学习结构下采取LMS算法对DPD内核系数进行估计和更新； 所述组合算法基于所搭建的组合学习结构数字预失真系统对信号处理方法包括以下 步骤： 1) 将基带信号模块生成的基带信号进行数字上变频和峰值削波处理产生X (η); 2) 采用记忆多项式模型构造数字预失真内核即DPD内核，其数学表述参见公式1 ;其中，ζ (η)为预失真输出信号，K表示模型的最高非线性阶数，Q为记忆深度，Ckq是DPD 系数； 3) 设误差判断门限Ie1(Ii) I = |e(n) I = 1，则|e(n) I > 0. 01，开关掷1，工作在自适 应算法1，此时的学习结构为间接学习结构；且Ie1(Ii) I > 0. 05,则RLS算法进行DPD内核 系数#(?)快速估计来其初始值； 基于RLS算法包括以下过程； a) 设必〇)为DPD内核系数，初始化 b) 通过公式1计算出信号X (η)经过预失真输出信号ζ (η); c) 功放模型采用Wiener-Ha_erstein模型，其数学表达式参见公式2-4 ;式中，u(n)为输入向量，v(n)为功放输出衰减得到的信号，y(n)为功放的输出采样信 号，B1是线性时不变系统的冲值响应值，L代表模型记忆深度；b k为无记忆非线性系统多项 式的系数，K表示模型的最高非线性阶数；Cq为线性时不变系统的冲值响应值，Q是模型记 忆深度； 通过公式2、公式3和公式4,计算得到信号Z (η)经过功放的输出采样信号为y (η); d) y (η)经尺度变换后y (n)/G，作为"后失真器"的输入，其中G代表功放的增益；令 v(n) = y(n)/G，u(n)为输入向量，其中：e) v (η)通过公式1的"后失真器"处理得到输出信号Z1 (η); f) 通过公式6计算预失真输出信号ζ (η)与"后失真器"输出信号Z1 (η)之间的估计误 差 e! (η): e! (n) = Z(Ii)-Z1Oi) (6) g) 通过公式7、8、9和10,计算得到DPD内核系数?'〇):上式中，P(Ii)为预失真器最佳相位系数向量，η (η)为预失真器最佳幅度系数向量， k(n)为增益向量，uH(n)是u(n)的复共辄转置，<(η)为以11)复共辄，λ (〇 < λ < 1)为 遗忘因子； h) 判断 Ie1(Ii) I 大小，若 Ie1(Ii) I > 0. 01，则重复 b 到 g ; 4) 判断I θι (η) I大小，若0. 01 < I ei (η) I < 0. 05,切换至NLMS算法模块，同时把RLS 迭代得到的系数送入所述模块，作为NLMS权系数的初始值，通过公式11和公式12进行进 一步迭代处理，计算得到DPD内核系数耐/2)，并且将俶;?)值复制给DPD系数Ckq;上式中，eAn)为ei (η)复共辄，μ为迭代步长，0 < α < 1，β > 〇 ; 5) 判断 Ie1(Ii) I 大小，若 Ie1(Ii) I 彡 0· 01，则 |e (n) I = Ie1(Ii) I，即 |e (η) I 彡 0· 01，故 开关掷向2,此时的学习结构为直接学习结构，并用自适应算法1收敛后的权值向量作为自 适应算法2权值向量的初始值，采用一种适合于硬件实现的自适应算法即LMS算法来计算 DF 1D内核系数而?）； a) 用自适应算法1收敛后的权值向量作为自适应算法2权值向量的初始值?'("); b) 通过公式1计算得到X (η)经过预失真输出信号ζ (η); c) 通过公式2、3和4计算得到信号ζ(η)经过功放的输出采样信号为y(n)，y(n)经尺 度变换后y (n) /G，其中G代表功放的增益，令Z2= y (n) /G ; d) 通过公式13计算期望信号X (η)与功放估计输入Z2之间的估计误差； e2 (η) = ζ (n)-Z2 (n) (13) e) 通过公式14计算得到DPD内核系数众(?):;:上式中，e/(η)为e2(η)复共辄，μ为迭代步长； f) 判断 Ie2(Ii)I 大小，若 |e2(n)| >0· 005,则重复b 到 e;若 |e2(n)| 彡 0.005, DPD 内 核系数爾?值复制给DB)系数Ckq。2.根据权利要求1所述的组合算法应用于组合学习结构数字预失真系统的方法，其特 征在于： 所述的组合算法是首先工作在自适应算法1，开关掷1，此时的学习结构为间接学习结 构，先采用RLS算法进行DH)内核系数A(n)快速估计来获得DH)内核系数的初始值；然后通 过判断设置门限，切换至NLMS算法，同时把RLS迭代得到的系数送入该模块，作为NLMS权 系数的初始值，进行进一步迭代处理，计算出DPD内核系数送入预失真器；最后通过判 断门限让系统从间接学习结构切换到直接学习结构，此时开关掷向2,并用自适应算法1收 敛后的权值向量作为自适应算法2权值向量的初始值；由于已得到与最佳值比较接近的权 值向量，此时采用LMS算法，并用已获得的权值向量作为初始值，使预失真器的模型参数更 加接近最佳值，从而克服加性噪声带来的影响；同时，随着时间的变化，功率放大器的非线 性失真因温度、器件老化等因素的影响而变化，这种变化是非常缓慢的；因此，DH)系数C kq 的更新过程采用一种适合于硬件实现的自适应算法即LMS算法来跟踪功放的非线性时变 特性。
【专利摘要】本发明公开了一种组合算法应用于组合学习结构数字预失真系统的方法，采用经典的峰均比抑制CFR技术和数字预失真DPD技术联合方案，同时针对直接学习结构和间接学习结构的优缺点，提出间接学习结构与直接学习结构结合的组合学习结构设计数字预失真系统，然后结合LMS算法、RLS算法以及变步长LMS即NLMS算法的优势，提出RLS和NLMS联合的组合算法对数字预失真器参数估计和更新，组合算法具有RLS算法收敛迅速的特点，同时简化了计算量。对输入的高峰均比信号先进行CFR处理,再经DPD处理之后送给功放,得到比较理想的线性输出,有效改善了功放非线性引起的带内失真和带外频谱扩展。本发明不仅降低了宽带功放因记忆效应造成的性能下降，而且改善了宽带功放的线性度和效率。
【IPC分类】H04L25/49, H03F1/32
【公开号】CN105356854
【申请号】CN201510677011
【发明人】谷林海, 葛利嘉, 毛键, 张振宇
【申请人】重庆临菲电子科技有限公司
【公开日】2016年2月24日
【申请日】2015年10月13日