随着第五代移动通信系统的普及,通信信号的传输速率变得越来越高。高速传输的信号往往伴随着高峰均比和大带宽的特点,导致无线通信系统中的功率放大器的非线性特性更加复杂。功放的非线性失真已经成为制约无线通信系统性能的瓶颈之一。凭借性能优越、自适应性强、工作稳定、实现成本较低等优势,数字预失真技术已经成为了主流的功放线性化技术。目前用于数字预失真的各类模型,存在着系数数量庞大、计算复杂度高、数值不稳定等问题;另一方面,现有的模数转换器也无法满足对预失真系统大带宽信号高速采样的要求。针对上述需求,本文利用压缩感知理论对数字预失真技术的优化方法展开了研究。在双波段场景下,预失真模型系数数量往往会非常庞大且计算复杂,因此需要对预失真模型进行简化降维。本文采用压缩感知领域的正交匹配追踪算法进行预失真模型矩阵的降维,考虑到其应用的前提是已知信号稀疏度,根据贝叶斯信息准则设计了一种模型选择策略,在稀疏度未知的情况下实现了降维。为了更精确地描述不同幅值区间信号的非线性特性,将矢量量化方法与模型降维方法结合,提出了一种基于正交匹配追踪的分段降维自适应数字预失真方法。仿真和实测结果表明,该方法在保持精度的同时将预失真模型系数数量降低至传统预失真方法的 48%。当预失真系统反馈回路采样率过高时,能满足要求的模数转换器成本昂贵且功耗过高。为了克服该问题,以信号的稀疏性为前提,将随机解调结构与压缩感知算法相结合,将信号与伪随机序列相乘,保留信号中的有用信息,低速采样后再通过正交匹配追踪算法对欠采样信号恢复重构。对该方法进行仿真验证,在采样率为奈奎斯特采样率的20%时仍能保持较好的恢复效果和线性化效果。