运算精度控制的分段多项式数字预失真装置和方法与流程

本发明涉及无线通信。更具体地说，本发明涉及一种运算精度控制的分段多项式数字预失真装置和方法。

背景技术：

1、射频功率放大器是5g通信系统最关键和最昂贵的器件（芯片）。在5g射频芯片中，高增益、高线性度的功率放大器是5g系统中的关键器件，它能够保证5g信号（正交频分复用信号）在近200mhz的带宽范围内具有良好的线性度，使得传输大带宽、低失真的高阶调制信号；同时保证5g信号具有较高的发射功率，满足了5g信号的传输距离要求。

2、但由于5g信号带宽大，传统的射频功率放大器存在两个非理想因素：

3、1、非线性：做为模拟器件的射频功率放大器本身是一个非线性系统，存在am-am(幅度-幅度)和am-pm(幅度-相位)的非线性失真，am-am失真是指射频功率放大器的输出信号和输入信号幅度上的失真，比如当输入信号摆幅进入阈值电压之下或者饱和电压之上时，输出电压信号就会发生截断或削顶，即为am-am失真。am-pm失真是指，非线性功率放大器输入信号幅度上的变化，导致了输出和输入信号之间的相位差的变化。

4、2、记忆效应：超宽带信号的功率放大器产生的记忆效应非常的严重，功率放大器记忆效应产生的原因是功率放大器对各个频率点的信号响应不一致，其表现的形式为功率放大器输出信号不但与当前点信号有关，而且与功率放大器前面的时刻点有关，显然，随着信号带宽的增加，功率放大器的记忆深度也显著加深，会出现频率选择性衰落。

5、面对复杂的功率放大器行为特征，数字预失真技术能很好的解决射频功率放大器信号失真的问题。当前数字预失真的建模方法主要包括：（1）volterra 级数模型，其为经典的有记忆模型，但是超过三阶的volterra 级数模型的级数实现起来将会非常困难。（2）wiener 模型，其是特殊的volterra 模型，可以看做是一个线性滤波器级联一个非线性模块。（3）hammerstein 模型，其可以看做一个非线性模块后级联一个线性滤波器。上述模型均存在不能有效解决时间复杂度的问题，故而与真实的模型总会具有一定的差距，或者在模型参数估计方面总是有诸多不足，在实际应用中需要根据具体需求对模型进行裁剪，以试用具体射频功率放大器的数字预失真要求。

6、如何结合射频功率放大器不同输入信号幅度的放大特性，提供一种考虑时间复杂度（需要运算量的大小）优化的数字预失真装置和方法，是目前急需解决的问题。

技术实现思路

1、本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

2、本发明还有一个目的是提供一种运算精度控制的分段多项式数字预失真方法，结合射频功率放大器不同输入信号幅度的放大特性，降低计算复杂度。

3、本发明还有一个目的是提供一种运算精度控制的分段多项式数字预失真装置，在对功率放大器进行预失真处理时，具备低的计算复杂度。

4、为了实现根据本发明的这些目的和其它优点，提供了一种运算精度控制的分段多项式数字预失真方法，包括以下步骤：

5、运算精度控制的分段多项式数字预失真方法，其特征在于，包括以下步骤：

6、步骤一、训练阶段

7、确定预失真模型的分段数m，分段区间参数am，0≤m≤m，a0=0，及各分段区间的精度控制参数 r0m，2≤m≤m，依据基带信号x( j)的分段区间设定预失真模型为：

8、

9、其中，对于任意一分段区间 a m-1＜x( j)≤ a m，2≤m≤m的nm，确定方法为：

10、a）、设定nm=2，确定对应的模型参数为 a 22 、a 12 、a 02；

11、b）、基于确定的模型参数 a 22 、a 12 、a 02，采用r2参数，判断是否满足如下条件： r2[ ym(x( j)), zm( j)]≥ r0m，其中， ym(x( j))= a 22 x2( j) +a 12 x( j) +a 02； zm( j)为输入的基带信号x( j)依次经过预失真模型、数模转换器、调制器、功率放大器后的反馈信号；

12、若是，确定nm=2；

13、若否，nm值递增1，重复步骤a-b，直至 r2[ ym(x( j)), zm( j)]≥ r0m；

14、步骤二、运行阶段

15、实时接收基带信号x( j)并判断其所处的分段区间，依据对应分段区间的数字预失真模型将信号变换为y(x( j))，输出信号y(x( j))经数模转换器、调制器后送入信号放大器，信号放大器完成射频信号的放大。

16、优选的是，x( j)为归一化的基带信号，x( j)=x’( j)/xmax，其中，xmax为设定的输入的基带信号的最大值，x’( j)为接收的原始基带信号。

17、优选的是，模型参数 a11和 a01确定方法为：

18、顺序采样一段包含多个采样点，且取值在 a 0≤x( j)≤ a 1区间的基带信号x( j)；

19、初始化模型参数 a11和 a01；

20、以min| g1 b1( j)  x t( j)- z1( j)|2作为优化目标，采用最小二乘算法通过多次迭代令其达到最小，得到模型参数 a11和 a01，其中， g1为功率放大器与反馈链路综合作用的增益估计值， b1( j)=[ a11( j), a0 1( j)]， x t( j)为 x( j)的转置， x( j)=[x( j),1]， z1( j)为输入的基带信号x( j)依次经过预失真模型、数模转换器、调制器、功率放大器后的反馈信号。

21、优选的是，步骤a中模型参数 ann、…… ain、……、 a1n、 a0n确定方法为：

22、顺序采样一段包含多个采样点，且取值在 a m-1＜x( j)≤ a m，2≤m≤m的基带信号x( j)；

23、初始化模型参数 ann、…… ain、……、 a1n、 a0n；

24、以min| gm bm( j)  x t( j)- zm( j)|2作为优化目标，采用最小二乘算法通过多次迭代令其达到最小，得到模型参数 ann、…… ain、……、 a1n、 a0n，其中， gm为功率放大器与反馈链路综合作用的增益估计值， bm( j)=[ ann( j),…… ain( j),……, a1n( j), a0n( j)]， x( j)=[xn( j),……,xi( j),……,x( j),1]。

25、优选的是，设定第1段分段区间的精度控制参数 r01，且 r01≤ r2[ y1(x( j)), z1( j)]；

26、还包括步骤三、校正阶段，包括以下步骤：

27、运行预定时间后采集输入的基带信号x( j)，判断基带信号x( j)所处的分段区间为第m段，1≤m≤m；

28、基于输入的基带信号x( j)获得对应的输出信号y(x( j))、输出信号 zm( j)；

29、判断 r2[ ym(x( j)), zm( j)]≥ r0m是否成立；

30、若是，确定该分段区间模型符合要求，不校正，若否，对该分段区间的模型进行校正。

31、优选的是，当m=1，校正方法为：

32、基于确定的模型参数 a11和 a01为初始化参数；

33、以min| g1 b1( j)  x t( j)- z1( j)|2作为优化目标，采用最小二乘算法通过多次迭代令其达到最小，得到校正后的模型参数 a11和 a01。

34、优选的是，当m＞1，对于任意一分段区间 a m-1＜x( j)≤ a m校正方法为：

35、基于确定的模型参数 ann、…… ain、……、 a1n、 a0n为初始化参数

36、以min| gm bm( j)  x t( j)- zm( j)|2作为优化目标，采用最小二乘算法通过多次迭代令其达到最小，得到校正后的模型参数 ann、…… ain、……、 a1n、 a0n。

37、运算精度控制的分段多项式数字预失真装置，包括：包括预失真器和预失真器训练模块，所述预失真器、预失真器训练模块内依据基带信号x( j)的分段区间均设有待训练的预失真模型，所述预失真模型为：

38、

39、其中，m为预失真模型的分段数；

40、am，0≤m≤m，为分段区间参数，a0=0；

41、对于任意一分段区间 a m-1＜x( j)≤ a m，2≤m≤m的nm，确定方法为：

42、a）、设定nm=2，预失真器训练模块训练确定对应的模型参数为 a 22 、a 12 、a 02；

43、b）、基于确定的模型参数 a 22 、a 12 、a 02，采用参数，判断是否满足如下条件：  r2[ ym(x( j)), zm( j)]≥ r0m，其中， ym(x( j))= a 22 x2( j) +a 12 x( j) +a 02， zm( j)为输入的基带信号x( j)依次经过预失真模型、数模转换器、调制器、功率放大器后的反馈信号；

44、若是，确定nm=2，所述预失真器训练模块将训练确定的nm、以及对应的模型参数反馈至预失真模型；

45、若否，nm值递增1，重复步骤a-b，直至 r2[ ym(x( j)), zm( j)]≥ r0m，而后确定nm，所述预失真器训练模块将训练确定的nm、以及对应的模型参数反馈至预失真模型。

46、优选的是，预失真器训练模块训练确定模型参数 a11和 a01方法为：

47、顺序采样一段包含多个采样点，且取值在 a 0≤x( j)≤ a 1区间的基带信号x( j)；

48、初始化模型参数 a11和 a01；

49、以min| g1 b1( j)  x t( j)- z1( j)|2作为优化目标，采用最小二乘算法通过多次迭代令其达到最小，得到模型参数 a11和 a01，其中， g1为功率放大器与反馈链路综合作用的增益估计值， b1( j)=[ a11( j), a0 1( j)]， x t( j)为 x( j)的转置， x( j)=[x( j),1]， z1( j)为输入的基带信号x( j)依次经过预失真模型、数模转换器、调制器、功率放大器后的反馈信号。

50、优选的是，预失真器训练模块训练确定模型参数数 ann、…… ain、……、 a1n、 a0n的方法为：

51、顺序采样一段包含多个采样点，且取值在 a m-1＜x( j)≤ a m，2≤m≤m的基带信号x( j)；

52、初始化模型参数 ann、…… ain、……、 a1n、 a0n；

53、以min| gm bm( j)  x t( j)- zm( j)|2作为优化目标，采用最小二乘算法通过多次迭代令其达到最小，得到模型参数 ann、…… ain、……、 a1n、 a0n，其中， gm为功率放大器与反馈链路综合作用的增益估计值， bm( j)=[ ann( j),…… ain( j),……, a1n( j), a0n( j)]， x( j)=[xn( j),……,xi( j),……,x( j),1]。

54、本发明至少包括以下有益效果：

55、分段处理（包含线性、非线性），且非线性依据计算复杂度确定多项式模型，有效解决计算复杂度问题，具备低的计算复杂度。

56、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。