论文部分内容阅读
持续增长的用户需求,要求现有通信技术支持更高的数据传输速率,这也让通信标准和调制方式变得越来越复杂,迫使射频功率放大器表现出更强的记忆效应。而传统的数字预失真方法,无法对强非线性特性的射频功放进行高精度建模和有效的带外抑制。此外,更宽的工作带宽对数字预失真技术实现产生了更大的压力。数字预失真采样带宽至少需要信号带宽的3~5倍,若以LTE20M五载波信号为例,则至少需要500MHz的采样带宽,这样的ADC和DAC非常昂贵或限购,增加了技术实现成本。 本论文主要对宽带通信的射频功放进行功放行为模型建模和功放线性化,主要研究工作和创新点如下: (1)阐述了传统数字预失真技术的发展现状,并对射频功率放大器产生非线性失真的原因作了简要分析。针对不同类型的功放非线性特性,总结了现有的功放行为模型,并对行为模型和线性化效果的评价标准进行了说明。 (2)提出了一种适合于强非线性特性的射频功放的MRBFNN(Modified Radial Basis Function Neural Network)模型。该模型的输入层拥有线性延时线补偿线性记忆效应的同时,还对每个延迟抽头进行级数展开,引入非线性变量,补偿功放的非线性记忆效应,使之补偿功放记忆效应更完全。实验结果证明,进行级数展开后,需要的记忆深度更小,因此系数数量并没有急剧增多;实验选用两种不同通信标准不同信号带宽的信号激励中心频率为460MHz的Doherty功放进行验证,MRBFNN模型的功放行为模型建模精度和功放线性化效果均优于LUT,MP,RVTDRBFNN(Real-Valued Time-Delay Radial Basis Function Neural Network)等模型,验证了模型的鲁棒性。 (3)提出了一种适合于强非线性的宽带射频功放的BLMRBFNN(Band-Limited Modified Radial Basis Function Neural Network)模型。该模型在MRBFNN模型的基础上进行了限带处理,让模型带宽与实际采样带宽保持一致,在低倍采样速率的条件下同样拥有高倍采样速率条件下的预失真效果。用LTE20M单载波信号,不同采样速率下的激励信号,驱动中心频率为1950MHz的Doherty功放。实验结果表明,在相同采样速率前提下,限带模型的建模精度比传统模型高;在采样带宽内,低倍采样速率限带模型的功放线性化效果要优于高倍采样速率传统模型,更优于低倍采样速率传统模型。BLMRBFNN模型实现了低倍采样速率下相同的功放线性化性能,具有重要的工程应用价值。