功率放大器（功放）是无线通信系统中不可或缺的器件，但因其固有的非线性特性，会使传输信号产生畸变，引起发射信号频谱扩展及带内失真。在现有的各种线性化技术中，自适应数字预失真技术被认为是最有前景的技术，并得到了最广泛的应用。本文深入研究了适用于高带宽无线通信系统的自适应数字预失真技术。首先，本文介绍了现有常用的功放模型，并对各模型的适用范围进行了说明；然后，研究了预失真技术常用的两种基本辨识结构，即直接学习结构和间接学习结构，指出了各自的优缺点；基于间接学习结构，重点理论推导分析了三种典型的自适应预失真参数辨识算法，包括LS算法、LMS算法和RLS算法，并比较了这些算法在抑制带外频谱扩展、复杂度、收敛性和稳定性等方面的性能；进一步，结合现代无线通信系统频带加宽、信号分布的非平稳特性以及反馈支路量化噪声导致的信号非平稳等问题，研究了针对高宽带非平稳信号的非线性辨识算法，包括传统NLMS算法和GNGD算法，并指出了这些算法存在的缺陷，以此为基础，提出了一种新的自适应可变步长LMS辨识算法；仿真表明，与传统的辨识算法相比，新算法可大大降低带外频谱扩展，同时具有较强的稳定性；最后，针对量化噪声对记忆非线性模型辨识性能的影响，研究了自适应预失真系统中的量化噪声抑制问题，提出了一种新的自适应预失真方案，该方案能够有效降低量化噪声对参数辨识的影响，仿真也验证了该方案在抑制带外频谱扩展和收敛性等方面的优越性。