专利名称：基于Volterra滤波的双循环反馈模型的功放预失真方法
技术领域：
本发明涉及数字通信技术领域，是一种用于功率放大器线性化的预失真方法，具体为一种基于Volterra滤波的双循环反馈模型的功放预失真方法。
背景技术：
随着数字通信技术的发展和卫星通信技术的在民用领域中的使用，频带资源显得越来越珍贵，为了提高频谱的利用率，提出了各种线性调制技术如QPSKU6-QAM和OFDM等，这些数字调制方式都属于非恒包络调制，因此，高峰均比是上述调制的共同特征，而高峰均比对功率放大器的线性化要求更高；而在引入卫星通信后，由于受卫星体积的限制，为了追求较高的发射功率，导致星载功率放大器都工作在饱和区甚至截止区内；因此功率放大器的线性化直接影响着发射和接收信号的好坏程度。对于传统功率放大器，为了保证工作在非饱和区内，一般采用功率回退方法来达到线性化的要求，这就使大功率器件只能输出很小的功率，造成了功率放大器的效率较低。近年来，各种功率放大器模型和线性化技术的研究越来越广泛。常见的功率放大器的线性化方法主要分为无记忆线性化方法和有记忆线性化方法两大类。无记忆功率放大器线性化研究主要集中于窄带通信，当输入信号的带宽远小于功率放大器自身的带宽时忽略记忆效应，但随着现代数字通信技术的发展，信号的带宽越来越接近发射带宽，以提高整个频谱的利用率，导致无记忆功率放大器线性化研究越来越不适应现代数字通信技术。消除有记忆功率放大器的预失真方法主要有双盒Ha_erstein预失真方法、双盒Wiener预失真方法、Volterra滤波预失真方法和人工神经网络方法等。目前预失真器主要采用Hammerstein预失真方法和Wiener预失真方法，这两种方法为了解决有记忆非线性失真将预失真器分为无记忆非线性模块和有记忆线性模块分别解决非线性失真和记忆性失真，通过前馈或反馈来调节预失真器的系数，这两种方法易于实现。但随着通信信号朝宽带高速通信方向发展，这种分系统调节由于更新速度不一致会产生较大的误差，当信号的传输速度较大时，这种误差会快速放大从而导致真个预失真系统的失效。神经网络预失真方法具有灵活的学习方式，主要模型有延时三层前馈网络模型、径向基函数网络模型、反馈型网络模型和动态误差网络模型等。神经网络模型最少具有三层网络结构，这种多层的网络结构不能有效的提取出预失真器的系数，其次神经网络模型在输出误差较小时，神经元会在零值附近进行选择系数，从而产生一个连续波动误差，这种误差对高速数字通信传输产生较大影响。现有Volterra滤波预失真方法能逼近任意连续的非线性函数，但随着系统阶次和记忆长度的增力口，预失真参数的计算量会急剧增加，这就限制了 Volterra滤波预失真的实现和应用。
发明内容
要解决的技术问题针对现有的功率放大器线性化技术的高复杂性和较慢的收敛速度，不能满足下一代高速无线通信对功率放大器性能的需求，本发明设计了一种基于Volterra滤波的双循环反馈模型的功放预失真方法。技术方案本发明主要包括预失真粗参数矢量提取、误差调整和预失真器精参数矢量提取三个部分。预失真粗参数矢量提取部分采用的是一阶动态截断Volterra滤波结构，通过整个系统的下变频输出和预失真器输出，快速求得预失真粗参数矢量；将预失真粗参数矢量导致的误差矢量在误差调整部分按照平均准则进行动态调整；将调整后的误差矢量作为期望信号，结合基带输入信号在预失真精参数矢量提取部分利用一阶动态截断Volterra滤波结构解得预失真器精参数矢量；预失真粗参数矢量和预失真精参数矢量都由最小二乘(Least-squares)法确定，利用精参数矢量对粗参数矢量进行修正得到最终的预失真器参数矢量。本发明的技术方案为所述基于Volterra滤波的双循环反馈模型的功放预失真方法，其特征在于包括以下步骤步骤I :利用高速模数转换器采集预失真器的基带输入数据、预失真器的基带输出数据和功率放大器的下变频基带输出数据；步骤2 :利用步骤I采集到的预失真器的基带输出数据和功率放大器的下变频基带输出数据，建立Volterra滤波模型并采用最小二乘学习法在最小均方误差准则下计算预失真器的粗参数矢量；步骤3 :将步骤2得到的预失真器粗参数矢量复制到预失真器中，计算此时功率放大器的误差数据矢量；按照平均准则和误差经验系数对得到的误差数据矢量进行误差处理；所述误差处理方法为步骤a:计算误差数据矢量中每个元素与前一个元素的差值ε⑴=e(i)-e(i-l) , i = 2,3, A , k,其中k表示误差数据矢量中的元素个数，e(i)表示误差数
据矢量中的第i个元素；以|&蚱)作为误差判决门限让，其中ε (I) = O ;
允i=l步骤b :对i从I k依次判断当ε⑴〉th时，以e(i) X (Ι+a)作为误差数据矢量中的第i个元素，否则以e(i) X (1-a)作为误差数据矢量中的第i个元素，其中a为误差经验系数，O. 01 ^ a ^ O. I ；步骤4 :利用步骤3得到的误差数据矢量和步骤I采集到的预失真器的基带输入数据，建立Volterra滤波模型并采用最小二乘学习法在最小均方误差准则下计算预失真器的精参数矢量；步骤5 :将粗参数矢量中的每个元素值--对应地减去精参数矢量中的每个元素
值后，得到的矢量为预失真最终参数矢量。有益效果本发明通过两个一阶动态截断Vol terra模型代替现有的高阶Vol terra模型或神经网络模型，由于在预失真器参数求解过程中的矩阵运算较多，模型的阶数会对预失真器参数的计算量影响较大，利用两个一阶Volterra模型可以有效减小每次迭代的计算量。本发明利用两个一阶动态截断Volterra模型构建了两个相互关联的循环，通过第二级循环所得到预失真器精参数矢量修正第一级循环所得到的预失真器粗参数矢量，相当于在单次迭代运算中，进行了两次参数矢量提取，可以有效的加快预失真器参数的收敛速度。本发明所设计的双循环反馈预失真方法由于先通过预失真器的基带输出和功率放大器下变频后的输出计算出预失真器的粗参数矢量，来保证在高速信号传输时的更新速度，并通过预失真器的基带输入和误差对粗参数矢量进行修正，保证了双循环反馈预失真方法的准确性。从而使模拟信号具有快速状态变化时，也能准确地实现输出信号线性化。本发明的基于Volterra滤波的双循环反馈模型的功率放大器预失真方法结合了Volterra滤波能逼近任意连续函数的优点和反馈模型计算量较小的优点，为了保证高速数字通信下的有效性，本发明建立了双循环反馈模型来保证精度，同时避免了 Volterra滤波和反馈模型的缺点，解决了现有的预失真方法的自适应收敛速度慢，预失真参数计算量大，实现比较复杂，在高速通信中无法有效补偿功率放大器的复杂的记忆效应等问题。在不增加实现复杂度的同时，可以快速消除功率放大器的非线性特性和记忆效应。利用Volterra滤波结构良好的逼近性和双循环反馈修正方案的低复杂性，在高速无线传输中具有准确、稳定和闻效的优点。
图I :本发明提出的基于Volterra滤波的双循环反馈模型的功放预失真方案图；图2 :本发明中的预失真器系数更新结构的方案图；图3 :不同预失真系统的收敛曲线图；图4 :多变幅度测试信号的性能测试图；图5 :本发明的流程图。
具体实施例方式下面结合具体实施例描述本发明实施例本实施例的功放预仿真方案的整体结构如图I所示，利用两级一阶动态截断Volterra滤波模型构建预失真器系数双循环反馈更新系统，用于补偿功率放大器的非线性特性和记忆效应。具体步骤为步骤I :利用高速模数转换器采集预失真器的基带输入数据、预失真器的基带输出数据和功率放大器通过衰减器下变频处理后的基带输出数据，其中，本实施例选择宽带多载波信号作为预失真器的基带输入数据。在第n时刻，预失真器的基带输入数据为X (n)，预失真器的基带输出数据为u (n)，功率放大器通过衰减器下变频处理后的基带输出数据为y(n)。步骤2 : 利用步骤I采集到的预失真器的基带输出数据u (n)和功率放大器的下变频基带输出数据y(n)，建立Volterra滤波模型并采用最小二乘学习法在最小均方误差准则下计算预失真器的粗参数矢量^。该步骤为本技术领域内的公知方法，下面给出具体的步骤构造Volterra滤波模型脉) = [yO)，L ,y(n-M),y(n)y(n\L ,y(n)y(n-M\L ,y(n)p ly(n),L ,y(n)p ly(n-M)]做为第一级循环反馈的输入数据矢量，f作)由下变频后的功率放大器输出数据y(n)组成，k为功率放大器下变频后输出数据矢量长度，k = P(M+1)，P为非线性级数，M为记忆效应长度。构造第一级输入数据矩阵，并加入遗忘因子后得到
ψ{} xk) = [^k); O, λυψ^ -1); O, O,L，；L2/2_ —2);0，L，0，；L(i-1)/2_)]Γ其中，v(kXk)为输入数据矩阵，λ为遗忘因子，这是由于在数字通信中，功率放大器虽然具有一定的记忆效应，但是时间间隔越长，对当前的系统影响越小，因此加入遗忘因子可以更加接近实际情况，本实施例中λ取O. 5。构造预失真器基带输出信号的期望信号矢量
^) = [u(n),AV2u(n-l),L ,A{k-l)/2u(n-k+l)f其中，u(n-l), A，u(n_k+1)为第η_1, Λ，n_k+l时刻预失真器的基带输出数据。得到第一级反馈循环的预失真器粗参数矢量为
U) = (Hk X k)w(k X k))~l￥{k X k释)。步骤3 :将步骤2得到的预失真器粗参数矢量复制到预失真器中，计算此时功率放大器的误差数据矢量歸0 =雄;按照平均准则和误差经验系数对得到的误差数据矢量进行误差处理，以更加快速的达到减小背景噪声影响为目的；所述误差处理方法为步骤a:计算误差数据矢量中每个元素与前一个元素的差值ε⑴=e(i)-e(i-l) I，i = 2，3，Λ，k，e(i)表示误差数据矢量中的第i个元素；以作为
误差判决门限th，其中ε (I) =0;步骤b :对i从I k依次判断当ε⑴> th时，以e (i) X (Ι+a)作为误差数据矢量中的第i个元素，否则以e(i) X (1-a)作为误差数据矢量中的第i个元素，其中a为误差经验系数，O. 01 ^ O. I ;本实施例中误差经验系数取O. 05，得到调整后的误差数据矢量为外幻。步骤4:利用步骤3得到的调整后的误差数据矢量和步骤I采集到的预失真器的基带输入数据X (η),建立Volterra滤波模型并采用最小二乘学习法在最小均方误差准则下计算预失真器的精参数矢量吟《(&)。该步骤为本技术领域内的公知方法，下面给出具体的步骤构造Volterra滤波模型
^ne(k) = [x(n),L ,χ(η-Μ\x(n)x(n),L ,x(n)x(n-M),L ,x(n)p lx(n\L ,χ{η)ρ ιχ{η-Μ)\
做为第二级循环反馈的输入数据矢量。构造第二级输入数据矩阵，并加入遗忘因子后得到
权利要求
1. 一种基于Volterra滤波的双循环反馈模型的功放预失真方法，其特征在于包括以 下步骤 步骤I :利用高速模数转换器采集预失真器的基带输入数据、预失真器的基带输出数据和功率放大器的下变频基带输出数据； 步骤2 :利用步骤I采集到的预失真器的基带输出数据和功率放大器的下变频基带输出数据，建立Volterra滤波模型并采用最小二乘学习法在最小均方误差准则下计算预失真器的粗参数矢量； 步骤3 :将步骤2得到的预失真器粗参数矢量复制到预失真器中，计算此时功率放大器的误差数据矢量；按照平均准则和误差经验系数对得到的误差数据矢量进行误差处理；所述误差处理方法为 步骤a:计算误差数据矢量中每个元素与前一个元素的差值ε (i) = e(i)-e(i-l) I,i = 2,3, Λ，k，其中k表示误差数据矢量中的元素个数，e(i)表示误差数据矢量中的第i个元素；以|$冲)作为误差判决门限让，其中ε (I) = O ; ^ i=\ 步骤b:对i从I k依次判断当ε (i) >访时，以6(1)父(1+&)作为误差数据矢量中的第i个元素，否则以e(i) X (I-a)作为误差数据矢量中的第i个元素,其中a为误差经验系数，O. 01 ^ a ^ O. I ； 步骤4 :利用步骤3得到的误差数据矢量和步骤I采集到的预失真器的基带输入数据，建立Volterra滤波模型并采用最小二乘学习法在最小均方误差准则下计算预失真器的精参数矢量； 步骤5 :将粗参数矢量中的每个元素值--对应地减去精参数矢量中的每个元素值后，得到的矢量为预失真最终参数矢量。
全文摘要
本发明设计了一种基于Volterra滤波的双循环反馈模型的功放预失真方法，主要包括预失真粗参数矢量提取、误差调整和预失真器精参数矢量提取三个部分。预失真粗参数矢量提取采用一阶动态截断Volterra滤波结构，通过下变频输出和预失真器输出得预失真粗参数矢量；将预失真粗参数矢量导致的误差矢量按照平均准则进行动态调整；将调整后的误差矢量作为期望信号，结合基带输入信号利用一阶动态截断Volterra滤波结构解得预失真器精参数矢量；利用精参数矢量对粗参数矢量修正得到最终的预失真器参数矢量。本发明解决了现有预失真方法自适应收敛速度慢，预失真参数计算量大，实现复杂，在高速通信中无法有效补偿功率放大器的复杂的记忆效应等问题。
文档编号H03F1/32GK102624338SQ201210071249
公开日2012年8月1日 申请日期2012年3月18日 优先权日2012年3月18日
发明者何伟, 吴鹏, 唐成凯, 廉保旺, 张怡, 张玲玲 申请人:西北工业大学