dpd 数字预失真
dpd 数字预失真
dpd 数字预失真数字预失真（Digital Predistortion，简称DPD）是一种在通信系统中用于抑制非线性失真的技术。
在无线通信中，由于传输信号经过放大器等非线性设备时，会引入失真，降低了通信质量。
DPD技术的出现解决了这个问题，提高了通信系统的性能。
传统的通信系统中，信号经过放大器放大后会出现失真，主要表现为信号的非线性畸变。
这种失真会导致信号的频谱扩展，频谱间相互干扰，从而影响接收端的解调性能。
为了解决这个问题，人们提出了数字预失真技术。
数字预失真技术是通过对发送信号进行预处理，使其与放大器的非线性特性相互抵消，从而抑制失真。
具体来说，数字预失真技术通过对发送信号进行非线性变换，使其频谱与放大器的非线性特性相适应，从而在放大器中引入与信号失真相反的变换，使得输出信号接近于原始信号，降低了失真的程度。
数字预失真技术的实现主要包括两个步骤：建立预失真模型和实施预失真算法。
首先，需要对放大器的非线性特性进行建模，得到一个数学模型。
这个模型可以通过测量或者数学建模的方式获取。
然后，根据模型，设计相应的预失真算法，对发送信号进行预处理，实施预失真。
通过不断优化算法，可以提高预失真效果，使得输出信号更接近于原始信号。
数字预失真技术在实际应用中取得了显著的效果。
它可以提高通信系统的性能，降低误码率，提高传输速率，延长系统的覆盖距离等。
在现代无线通信系统中，数字预失真技术被广泛应用于LTE、5G等高速无线通信系统中，取得了良好的效果。
总结起来，数字预失真技术是一种用于抑制非线性失真的技术。
它通过对发送信号进行预处理，使其与放大器的非线性特性相抵消，从而降低失真的程度。
数字预失真技术在无线通信系统中应用广泛，可以提高系统的性能，提高传输速率，延长系统的覆盖距离等。
通过不断优化算法，数字预失真技术将在未来的通信系统中发挥更加重要的作用。
dpd 数字预失真
dpd 数字预失真DPD数字预失真，是一种在数字通信系统中常见的问题，指的是信号在传输过程中受到噪声和失真的影响，导致接收端信号与发送端信号存在差异。
本文将从DPD数字预失真的定义、原因、影响以及解决方法等方面进行探讨。
我们来了解一下DPD数字预失真的定义。
DPD是指数字预失真（Digital Pre-Distortion）技术，它是一种用于抵消功放（Power Amplifier）非线性失真的技术。
在通信系统中，功放是将信号放大到合适的水平的重要组件之一。
然而，由于功放的非线性特性，输入信号与输出信号之间会产生失真，导致信号质量下降。
DPD技术通过预先对输入信号进行处理，使其与功放的非线性特性相抵消，从而达到减小失真的目的。
接下来，我们来探讨一下造成DPD数字预失真的原因。
首先，功放的非线性特性是主要原因之一。
功放在工作过程中，由于电流、电压等因素的影响，会产生非线性失真。
其次，传输信道中的噪声也会对信号造成影响，进一步增加了数字预失真的可能性。
此外，传输信道的频率响应不均匀也会导致信号失真。
这些因素的综合作用导致了DPD数字预失真的产生。
DPD数字预失真对通信系统的影响是非常显著的。
首先，它会导致信号的频谱扩展，使得信号的带宽变宽，从而降低了信号的传输速率。
其次，DPD数字预失真会导致信号的功率谱密度增加，使得信号的能量分布不均匀，进而影响信号的接收质量。
此外，DPD数字预失真还会导致信号的相位变化，进一步影响信号的解调和恢复。
为了解决DPD数字预失真问题，人们提出了一些有效的方法和技术。
首先，可以通过对功放进行线性化处理来减小非线性失真。
线性化技术包括预失真技术、反馈控制技术等。
其次，可以通过增加信号的纠错码来减小信道噪声对信号的影响，提高信号的可靠性。
此外，还可以采用自适应均衡技术、自适应调制技术等来抵消传输信道的频率响应不均匀。
DPD数字预失真是数字通信系统中常见的问题，会导致信号质量下降和传输速率降低。
一种峰值功率控制的带限数字预失真算法
一种峰值功率控制的带限数字预失真算法随着用户对数据传输速率需求的不断提升，现代无线通信系统的带宽变得越来越宽，例如第四代（Fourth⁃Generation，4G）长期演进（Long⁃Term Evolution，LTE）系统，信号带宽已经达到了100 MHz。
信号带宽的增大，对用于提升系统中功率放大器（Power Amplifier，PA）线性度的数字预失真（Digital Predistortion，DPD）技术提出了严峻挑战。
DPD技术是在数字中频级联一个与PA非线性特性相逆的预失真器，从而改善系统的线性度，以其编程灵活、性能成本适中的优点成为主流的PA线性化技术[3⁃4]。
为了建立与PA非线性特性相逆的预失真器模型，需要运用（Analog to Digital Converter，ADC）采集包含PA非线性失真信息的输出信号。
由于PA的非线性会对信号频谱展宽，所需ADC的采样带宽将会是输入信号的5～7倍。
一般考虑PA输出的5阶失真分量，对于100 MHz带宽的4G⁃LTE信号而言，需要采样的信号带宽达到500 MHz，根据奈奎斯特采样定理，ADC需要的采样速率超过吉比特，这将会大大增加系统成本和系统功耗。
此外，功放的非线性主要表现为在输入信号功率过大时，功放增益压缩，DPD为了补偿功放的压缩增益，势必会引起信号幅度的扩散，造成信号的峰均比急剧增大，称之为DPD“雪崩”现象。
输入信号峰均比的增大会激励功放进入更深的压缩区域，使得DPD模型和PA模型的互逆特性失配，降低DPD的线性化效果，甚至会造成功放管击穿，致使放大系统瘫痪。
针对上述问题，本文提出一种结合峰值功率控制的带限数字预失真算法。
首先通过带通滤波器对功放输出信号的带宽进行限制，降低ADC的采样带宽，从而降低其采样速率；然后利用频谱外推的方法恢复完整的PA输出信号。
对于预失真信号峰均比增大的问题，通过设置幅度阈值门限，对预失真后的信号峰值功率进行控制，从而达到降低预失真信号峰均比的效果。
通过数字预失真改善功率放大器效率
通过数字预失真改善功率放大器地效率上网时间：2007年11月22日关键字:功率放大器数字预失真DSP FPGA无线应用中地功率放大器有望通过提供优良地线性和效率,来处理现代通信系统中所采用地复杂波形.而这并非通过构建具有更纯净性能地射频功率放大器,因为这样做会增加成本、降低效率并产生可靠性问题,今天地设计师而是选择通过采用数字预失真(DPD –Digital Pre-Distortion>技术来增加数字处理能力,该技术有助于将功率放大器(PA>地效率最大化,增加可靠性,并降低操作成本.b5E2RGbCAP 与模拟方式相比,数字技术在成本、功耗和可靠性方面提供了诸多优势.由于这些优点,老式地窄带、单载波、三重转换系统正在被数字信号处理(DSP>和DAC控制地宽带、多载波发射机所取代,DSP和DAC产生直接IF,甚至直接RF输出到RF放大器.p1EanqFDPw 无线系统正向用户提供一系列地服务和益处.不幸地是,先进无线技术地优势往往不惜牺牲增加功耗和操作成本.现代蜂窝和无线技术,特别是数字射频通信网络,比以往任何时候发送和接收更多地数据、更多地视频以及更多地音频.如HSDPA、HSUPA、1xEVDO、WiMAX 等新标准,以及长期演进(LTE>需要更大地功耗,产生更多和更大地射频波形峰值,并允许更大地数据脉冲.因此,现代无线设备所生产地射频信号具有空前地峰值平均值比(PAR>,并在一个已经拥挤地射频频谱内存在失真地可能性.DXDiTa9E3d由于采用空前地高功耗与现代PAR,功率放大器正在被推向之前从未有过地极限,并导致瞬变现象以及低效成本.更大地放大器可以消耗更多地功耗,从而使得短期资本支出以及长期经营费用急速膨胀.更大、更昂贵地电池需要同样地后备能力.此外,更大地功耗和生产加剧了散热和电气条件,这可能产生可靠性问题.RTCrpUDGiT 当支持先进无线技术地功放工作时,设计师和网络运营商可能选择两条路径中地一条：增加“腕力”(即功耗>或者增加“头脑”(即性能>.其中,前者有效增加了对上述成本和可靠性地关注,而后者是在功放效率最大化与严格控制频谱之前推动数字失真波形地新策略.通过采用适当地测试设备,数字预失真(DPD>技术可以实现更小、更具效率地功放,从而减少开发和运营成本,并同时提升网络与设备地可靠性.5PCzVD7HxA无论高功率卫星地面站、多载波蜂窝基站,甚至是低功耗移动通信系统,现代发射机采用多种预失真技术来减少信道外干扰,并优化运行效率.其中最流行和最有效降低失真地方法之一就是自适应DPD.jLBHrnAILg这种方法对发射机地输出进行采样来计算误差向量并生成校正系数,然后将其用来预校正输入信号.为了减少模拟电路失真,链路中地信号尽可能采用数字格式保存.xHAQX74J0X图1表示了如何提取放大器输出信号地一部分,然后进行下变频以及数字化.将该数字信号提供给DSP电路,该电路实现了目前信号中地非线性分析并产生非线性校正系数.这些非线性系数用于调整传输链路中输入地同相(I>和正交(Q>信号.正如在传输链路中所看到地,目前采用将预失真以及减少PAR地信号在经DAC转换回模拟域之后提供给放大器.所得到地输出信号与没有采用预失真技术地信号相比,减少了频谱失真并改善了邻道泄漏比(ACLR>地性能.LDAYtRyKfE数字预校正放大器与先前地前馈式结构相比,提供了具有更高功率附加效率(PAE>地优良频谱效率,极大减少了发热,提高了可靠性并降低了运营成本.该方法已经超越了作为蜂窝基站支路地作用,并且目前作为手机、卫星,甚至是自适应相控阵雷达地反馈线性化.Zzz6ZB2Ltk然而,这一情况产生了传统模拟系统中所见不到地各种各样地故障诊断挑战.可能会由ADC和DAC,或者通过传输链路中模拟转换之前地对信号进行处理地DSP将数字失真引入到传输链路中.这些失真往往特性短暂,而且利用传统地频谱分析仪难以或无法进行捕捉.其可能仅仅是极少发生,并可能在邻近地和替代地信道对频域地产生影响.对瞬态频域信号进行有效地故障诊断不仅需要检测出问题,而且还要有能力对其进行定位并捕获记录用于进行分析.dvzfvkwMI1对这些系统特性进行描述是新地挑战.在开发阶段,整个传输链路具备有效性之前,可对各种预失真和减少PAR地方法进行测试和优化.必须采用测试设备对反馈链路信号经常进行捕捉,并在有效完成硬件(ASIC或FPGA>之前地离线软件中实现对新非线性失真系数地计算.然后,通过利用这些系数,将校正算法应用到最初地I和Q信号并将结果载入到任意波形发生器(AWG>中来对其性能进行测试.rqyn14ZNXI信号速率以及功率地变化也是问题.由于许多无线信号采用突发式(如1xEV、HSxPA或WiMAX信号等>,脉冲波形(如无线电、RFID/NFC或Zigbe信号等>,或者依靠自适应技术(通过改变编码或调制率>,射频功率水平变化很快.通常,这些变化地发生比反馈回路可以响应地更快.不同于先前地线性结构,如前馈放大器,放大器是盲目快速变化地,而反馈回路感应并适应这些变化.这可能会导致意想不到地信号性能,而这可能破坏网络地可靠性及其操作.EmxvxOtOco 实施、测试并简化DPD并不是新鲜.传统扫频频谱分析仪和矢量信号分析仪(VSA>实现了某种程度地DPD测试,甚至足以通过大部分标准地要求.但瞬变和其他看不见地影响不可避免地存在,因为这些残余成分只能显示RF频谱地扫描或瞬象.SixE2yXPq5数字预失真DPD(Digital Pre-Distortion>:PA线性化技术更大地突破是可使信号预失真.预失真是PA线性化地“法宝”,不过这也非常复杂,并要求了解PA失真特性——而该特性地变化方式非常复杂.6ewMyirQFL预失真原理：通过一个预失真元件(Pre-distorter>来和功放元件(PA> 级联,非线性失真功能内置于数字、数码基带信号处理域中,其与放大器展示地失真数量相当(“相等”>,但功能却相反.将这两个非线性失真功能相结合,便能够实现高度线性、无失真地系统.数字预失真技术地挑战在于PA地失真(即非线性>特性会随时间、温度以及偏压(biasing>地变化而变化,因器件地不同而不同.因此,尽管能为一个器件确定特性并设计正确地预失真算法,但要对每个器件都进行上述工作在经济上则是不可行地.为了解决上述偏差,我们须使用反馈机制,对输出信号进行采样,并用以校正预失真算法.数字预失真采用数字电路实现这个预失真器(Predistorter>,通常采用数字信号处理来完成.通过增加一个非线性电路用以补偿功率放大器地非线性.这样就可以在功率放大器(PA>内使用简单地AB类平台,从而可以消除基站厂商制造前馈放大器 (feedforwardamplifier>地负担和复杂性.此外,由于放大器不再需要误差放大器失真矫正电路,因此可以显著提高系统效率.kavU42VRUs预失真线性化技术,它地优点在于不存在稳定性问题,有更宽地信号频带,能够处理含多载波地信号.预失真技术成本较低,工艺简单,便于生产,效率较高,一般可以达到19%以上.y6v3ALoS89数字预失真地缺点：线性度略低于前馈技术,但是目前两者地水平已经比较接近.数字预失真技术目前之所以没有像前馈技术那样得到广泛应用,主要原因是该技术存在以下技术瓶颈：宽带功放地非线性特性建模,它地挑战在于PA地失真(即非线性>特性会随时间、温度以及偏压(biasing>地变化而变化,因器件地不同而不同.华为公司目前已经完全掌握了该技术,并已经成功应用于WCD-MA基站产品中.M2ub6vSTnP。
超宽带信号数字预失真时延补偿算法
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２３．１０．００７引用格式：赵林军，张海林，王方．超宽带信号数字预失真时延补偿算法［Ｊ］．无线电工程，２０２３，５３（１０）：２２７７－２２８５．［ＺＨＡＯＬｉｎｊｕｎ，ＺＨＡＮＧＨａｉｌｉｎ，ＷＡＮＧＦａｎｇ．ＤｉｇｉｔａｌＰｒｅ ｄｉｓｔｏｒｔｉｏｎＴｉｍｅＤｅｌａｙＣｏｍｐｅｎｓａｔｉｏｎＡｌｇｏｒｉｔｈｍｓｆｏｒＵｌｔｒａＷｉｄｅｂａｎｄＳｉｇｎａｌｓ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２３，５３（１０）：２２７７－２２８５．］超宽带信号数字预失真时延补偿算法赵林军１，２，张海林２，王 方３（１．陕西理工大学物理与电信工程学院，陕西汉中７２３００１；２．西安电子科技大学通信工程学院，陕西西安７１００７１；３．中国电子科技集团公司第五十四研究所，河北石家庄０５００８１）摘 要：数字预失真（ＤｉｇｉｔａｌＰｒｅ Ｄｉｓｔｏｒｔｉｏｎ，ＤＰＤ）是功率放大器（ＰｏｗｅｒＡｍｐｌｉｆｉｅｒ，ＰＡ）线性化校正的主流技术之一。
ＤＰＤ两路激励信号间的时延是影响预失真算法稳定性的主要因素。
针对ＤＰＤ系统中信号间因采样而导致的时延模糊问题，基于最优化插值计算理论，在信号幅度互相关函数时延估计算法的基础上，提出了一种二次线性拟合的信号分数采样间隔时延估计算法。
由该算法的数值分析结果可以看出，当ＤＰＤ两路激励信号间的分数采样间隔时延在［－Ｔｓ／２，＋Ｔｓ／２］时，使用二次线性拟合分数时延估计算法所获得时延估计值与理论时延值之间的最大误差不大于０．０３Ｔｓ。
同时，给出了具有信号时延参数的“插值”滤波器实现的ＤＰＤ激励信号间的时域补偿方法，数值分析结果表明，采用所提的信号时延补偿算法可以获得不大于搜索法可实现的信号误差矢量幅度（ＥｒｒｏｒＶｅｃｔｏｒＭａｇｎｉｔｕｄｅ，ＥＶＭ）。
所提算法具有易于数字化实现等优点。
关键词：数字预失真；时延估计；时延补偿；插值算法中图分类号：ＴＮ７２２．７文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１００３－３１０６（２０２３）１０－２２７７－０９ＤｉｇｉｔａｌＰｒｅ ｄｉｓｔｏｒｔｉｏｎＴｉｍｅＤｅｌａｙＣｏｍｐｅｎｓａｔｉｏｎＡｌｇｏｒｉｔｈｍｓｆｏｒＵｌｔｒａＷｉｄｅｂａｎｄＳｉｇｎａｌｓＺＨＡＯＬｉｎｊｕｎ１，２，ＺＨＡＮＧＨａｉｌｉｎ２，ＷＡＮＧＦａｎｇ３（１．ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｚｈｏｎｇ７２３００１，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＸｉｄｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００７１，Ｃｈｉｎａ；３．Ｔｈｅ５４ｔｈＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＣＥＴＣ，Ｓｈｉｊｉａｚｈｕａｎｇ０５００８１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＤｉｇｉｔａｌＰｒｅ Ｄｉｓｔｏｒｔｉｏｎ（ＤＰＤ）ｉｓｏｎｅｏｆｔｈｅｍａｉｎｔｅｃｈｎｉｑｕｅｓｆｏｒｌｉｎｅａｒｉｚａｔｉｏｎｒｅｖｉｓｅｏｆＰｏｗｅｒＡｍｐｌｉｆｉｅｒ（ＰＡ）．ＴｉｍｅｄｅｌａｙｂｅｔｗｅｅｎｔｈｅｅｘｃｉｔａｔｉｏｎｓｉｇｎａｌｓｏｆＤＰＤｉｓｔｈｅｍａｉｎｆａｃｔｏｒａｆｆｅｃｔｉｎｇｔｈｅｓｔａｂｉｌｉｔｙｏｆｐｒｅ ｄｉｓｔｏｒｔｉｏｎａｌｇｏｒｉｔｈｍｓ．Ｂａｓｅｄｏｎｔｈｅｏｐｔｉｍａｌｉｎｔｅｒｐｏｌａｔｉｏｎｔｈｅｏｒｉｅｓａｎｄｔｈｅｔｉｍｅｄｅｌａｙｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｓｉｇｎａｌａｍｐｌｉｔｕｄｅｃｒｏｓｓ ｃｏｒｒｅｌａｔｉｏｎｆｕｎｃｔｉｏｎ，ａｔｉｍｅｄｅｌａｙｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｓｉｇｎａｌｆｒａｃｔｉｏｎａｌｓａｍｐｌｉｎｇｉｎｔｅｒｖａｌｂａｓｅｄｏｎｑｕａｄｒａｔｉｃｌｉｎｅａｒｆｉｔｔｉｎｇｉｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｔｉｍｅｄｅｌａｙｆｕｚｚｉｎｅｓｓｉｎＤＰＤ．Ａｃｃｏｒｄｉｎｇｔｏｎｕｍｅｒｉｃａｌａｎａｌｙｓｅｓｒｅｓｕｌｔｓ，ｗｈｅｎｔｈｅｆｒａｃｔｉｏｎａｌｓａｍｐｌｉｎｇｉｎｔｅｒｖａｌｄｅｌａｙｂｅｔｗｅｅｎｔｈｅｔｗｏｅｘｃｉｔａｔｉｏｎｓｉｇｎａｌｓｏｆＤＰＤｆａｌｌｓｗｉｔｈｉｎ［－Ｔｓ／２，＋Ｔｓ／２］，ｔｈｅｍａｘｉｍｕｍｅｒｒｏｒｂｅｔｗｅｅｎｔｈｅｔｉｍｅｄｅｌａｙｅｓｔｉｍａｔｉｏｎｖａｌｕｅｏｂｔａｉｎｅｄｕｓｉｎｇｑｕａｄｒａｔｉｃｌｉｎｅａｒｆｉｔｔｉｎｇｆｒａｃｔｉｏｎａｌｄｅｌａｙｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｔｈｅｔｈｅｏｒｅｔｉｃａｌｔｉｍｅｄｅｌａｙｖａｌｕｅｉｓｎｏｔｇｒｅａｔｅｒｔｈａｎ０．０３Ｔｓ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｍｅｔｈｏｄｏｆｕｓｉｎｇａｎ“ｉｎｔｅｒｐｏｌａｔｉｏｎ”ｆｉｌｔｅｒｗｉｔｈｓｉｇｎａｌｔｉｍｅｄｅｌａｙｐａｒａｍｅｔｅｒｓｔｏｉｍｐｌｅｍｅｎｔｔｉｍｅｄｏｍａｉｎｃｏｍｐｅｎｓａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｅｘｃｉｔａｔｉｏｎｓｉｇｎａｌｓｉｎＤＰＤｉｓｄｉｓｃｕｓｓｅｄ．ＮｕｍｅｒｉｃａｌａｎａｌｙｓｅｓｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｉｇｎａｌＥｒｒｏｒＶｅｃｔｏｒＭａｇｎｉｔｕｄｅ（ＥＶＭ）ｏｂｔａｉｎｅｄｂｙｕｓｉｎｇｔｈｅｐｒｏｐｏｓｅｄｓｉｇｎａｌｔｉｍｅｄｅｌａｙｃｏｍｐｅｎｓａｔｉｏｎｍｅｔｈｏｄｉｓｎｏｔｇｒｅａｔｅｒｔｈａｎｔｈａｔｏｂｔａｉｎｅｄｂｙｕｓｉｎｇＬＵＴｍｅｔｈｏｄ．Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｈａｓｔｈｅａｄｖａｎｔａｇｅｏｆｅａｓｙｔｏａｃｈｉｅｖｅｄｉｇｉｔａｌｉｍｐｌｅｍｅｎｔａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ＤＰＤ；ｔｉｍｅｄｅｌａｙｅｓｔｉｍａｔｉｏｎ；ｔｉｍｅｄｅｌａｙｃｏｍｐｅｎｓａｔｉｏｎ；ｉｎｔｅｒｐｏｌａｔｉｏｎａｌｇｏｒｉｔｈｍ收稿日期：２０２３－０５－０６基金项目：国家自然科学基金联合基金重点项目（Ｕ２１Ａ２００９１５）；陕西省科技厅专项委托项目（２０２１ＪＣＷ１５）ＦｏｕｎｄａｔｉｏｎＩｔｅｍ：ＫｅｙＰｒｏｇｒａｍＳｕｐｐｏｒｔｅｄｂｙＪｏｉｎｔＦｕｎｄｓｏｆＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｕ２１Ａ２００９１５）；ＳｐｅｃｉａｌＰｒｏｊｅｃｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＰｒｏｇｒａｍｏｆＳｈａａｎｘｉＰｒｏｖｉｎｃｅ（２０２１ＪＣＷ１５）信号与信息处理０ 引言数字预失真（ＤｉｇｉｔａｌＰｒｅ Ｄｉｓｔｏｒｔｉｏｎ，ＤＰＤ）是改善功率放大器（ＰｏｗｅｒＡｍｐｌｉｆｉｅｒ，ＰＡ）输出特性的一种技术［１－２］。
一种基于直接学习结构的数字预失真方法
一种基于直接学习结构的数字预失真方法张月;黄永辉【摘要】针对宽带信号功率放大器(PA)的非线性效应和记忆效应,提出了一种基于直接学习结构的数字预失真(DPD)方法.该方法结合牛顿法进行参数提取,降低了参数迭代次数和运算量.以20 MHz带宽的64QAM信号作为输入信号,采用记忆多项式(MP)模型的预失真器以及Wiener功放模型进行仿真.仿真结果表明,该方法能有效补偿放的非线性失真,系统经过6次迭代后,其归一化均方误差(NMSE)可达-65.83 dB,误差矢量幅度(EVM)降低到0.06％,邻道功率比(ACPR)可达-45.33 dBc.%To compensation the nonlinear distortion and memory effects of the wideband power amplifiers,a digital pre-distortion method based on direct learning is proposed. Combined with the Newton algorithm,this method can reduce the iteration numbers and the amount of calculation. The simulation is proceeded using a 20MHz 64QAM signal, taking the memory polynomial model for predistorter,and the Wiener model for power amplifier. Simulation results show that the method could achieve an outstanding performance after the 6 iterations,the system's normalized mean square error (NMSE)can reach-65.8 dB,the error vector magnitude(EVM)could reduce to 0.06％and the adjacent channel power ratio(ACPR)can reach-45.33 dBc.【期刊名称】《电子设计工程》【年(卷),期】2018(026)011【总页数】5页(P91-94,99)【关键词】数字预失真;直接学习结构;记忆多项式模型;牛顿法【作者】张月;黄永辉【作者单位】中国科学院大学北京100190;中国科学院国家空间科学中心北京100190;中国科学院国家空间科学中心北京100190【正文语种】中文【中图分类】TN919为充分利用有限的频谱资源，非恒定包络线性调制方式和多载波技术在卫星通信中将会获得越来越广泛的应用，这对功率放大器的线性度提出了更高的要求[1-3]。
DPD数字预失真
/zhuanti/Digital-pre-distortion/#C837I2979DPDDPD简介∙·DPD概述∙·DPD具体介绍DPD应用∙·DPD功放的侦测接收通道设计∙·基于Agilent 仪器和ADS 软件的DPD∙LTM9003-12位DPD接收器子系统∙·数字电视发射机自适应DPD技术DPD概述DPD(Digital Pre-Distortional)简单来说就是数字预失真。
PA线性化技术更大的突破是可使信号预失真。
预失真是PA线性化的“法宝”，不过这也非常复杂，并要求了解PA失真特性——而该特性的变化方式非常复杂。
预失真原理：通过一个预失真元件(Pre-distorter)来和功放元件(PA)级联，非线性失真功能内置于数字、数码基带信号处理域中，其与放大器展示的失真数量相当(“相等”)，但功能却相反。
将这两个非线性失真功能相结合，便能够实现高度线性、无失真的系统。
数字预失真技术的挑战在于PA的失真(即非线性)特性会随时间、温度以及偏压(biasing)的变化而变化，因器件的不同而不同。
因此，尽管能为一个器件确定特性并设计正确的预失真算法，但要对每个器件都进行上述工作在经济上则是不可行的。
为了解决上述偏差，我们须使用反馈机制，对输出信号进行采样，并用以校正预失真算法。
数字预失真采用数字电路实现这个预失真器(Predistorter)，通常采用数字信号处理来完成。
通过增加一个非线性电路用以补偿功率放大器的非线性。
这样就可以在功率放大器(PA)内使用简单的AB类平台，从而可以消除基站厂商制造前馈放大器(feedforwardamplifier)的负担和复杂性。
此外，由于放大器不再需要误差放大器失真矫正电路，因此可以显著提高系统效率。
预失真线性化技术，它的优点在于不存在稳定性问题，有更宽的信号频带，能够处理含多载波的信号。
预失真技术成本较低，工艺简单，便于生产，效率较高，一般可以达到19%以上。
DPD数字预失真
clc;close all;%% ÐźŲúÉúsimout=load('qpsk_8000.mat');simout=simout.simout;fs=2*10^8;%²ÉÑùÂÊ200Mhzst=0:length(simout)-1;s_qpsk=(simout.').*exp(j*2*pi*20000000*st/fs);%ȡʵ²¿ÎªQPSKµ÷ÖÆ%% Â˲¨Æ÷ϵÊýÉèÖÃN=50;%Â˲¨Æ÷½×ÊýWn1=[0.75,0.85];%1ΪfsµÄÒ»°ëWn2=[0.15,0.25];A=fir1(N,Wn1,'bandpass');B=fir1(N,Wn2,'bandpass');%% ¹¦ÂÊ·Å´ófc=6*10^7;%Ôز¨60MHZt=1:length(s_qpsk);s_carri=s_qpsk.*exp(j*2*pi*fc*(t-1)/fs);%ÉϱäƵs_carri_b=filter(A,1,s_carri);%´øͨÂ˲¨h = spectrum.welch;hpsd_carri_b=psd(h,s_carri_b,'fs',fs);figure(1);plot(hpsd_carri_b);%¹¦ÂÊ·Å´óÇ°µÄ¹¦ÂÊÆ×ÃܶÈa=[1.0513+0.0904j,-0.068-0.0023j,0.0289+0.0054j,0.0542-0.29j,0.2234+0.2 317j,-0.0621-0.0932j,-0.9657-0.7028j,-0.2451-0.3735j,0.1229+0.1508j];%a=[2.3,4.2,1.3,-1.2,-3.2,9.1,0.5,2.67,1.7];HPA_s=volterra(a,s_carri_b);% h=spectrum.welch;hpsd=psd(h,HPA_s,'fs',fs);figure(2);plot(hpsd);%% ԤʧÕæ+¹¦·Å-----¶àÏîʽ·¨b=[1.0513+0.0904j,-0.068-0.0023j,0.0289+0.0054j,0.0542-0.29j,0.2234+0.2 317j,-0.0621-0.0932j,-0.9657-0.7028j,-0.2451-0.3735j,0.1229+0.1508j];%b=[2.3,4.2,1.3,-1.2,-3.2,9.1,0.5,2.67,1.7];w=zeros(1,length(b));w=[0.01+0.01j,0.01+0.01j,0.01+0.01j,0.01+0.01j,0.01+0.01j,0.01+0.01j,0. 01+0.01j,0.01+0.01j,0.01+0.01j];%w=[0.00679765478699548-0.000259498756269653i,0.00837971394159005-0.000 111941227697152i,0.0114287412467534+0.000135048972435035i,0.00999572083 062263-3.11814652641192e-07i,0.00999748855999973-1.58555811669834e-07i, 0.0100016305410513+1.47719343296075e-07i,0.00999993931875462-4.06509747 496053e-09i,0.00999995731939103-2.60788444989852e-09i,0.010000015583326 5+1.43812621935027e-09i];s_qpsk=[0,0,s_qpsk];u=0.05;%LMSËã·¨µÄ²ÎÊýDPD_s0=zeros(1,length(HPA_s)+2);DPD_s1=zeros(1,length(HPA_s)+2);DPD_s=zeros(1,length(HPA_s)+2);LVB1=zeros(1,N+1);LVB2=zeros(1,N+1);HPA_s_p=zeros(1,length(HPA_s)+2);e=zeros(1,length(HPA_s));y=zeros(1,length(HPA_s)+2);lamda=0.99;%QRD-RLSËã·¨µÄ²ÎÊýy_q=zeros(1,length(HPA_s)+2);Y_q=ones(9,9);X_q=zeros(1,9);for n=3:length(HPA_s)+2,%ԤʧÕæS_qpsk=[s_qpsk(n),s_qpsk(n-1),s_qpsk(n-2),abs(s_qpsk(n))^2*s_qpsk(n),ab s(s_qpsk(n-1))^2*s_qpsk(n-1),abs(s_qpsk(n-2))^2*s_qpsk(n-2),abs(s_qpsk( n))^4*s_qpsk(n),abs(s_qpsk(n-1))^4*s_qpsk(n-1),abs(s_qpsk(n-2))^4*s_qps k(n-2)];DPD_s0(n)=w*S_qpsk.';%ÉϱäƵDPD_s1(n)=DPD_s0(n)*exp(j*2*pi*fc*(n-3)/fs);%Â˲¨LVB1=[DPD_s1(n),LVB1(1:N)];DPD_s(n)=A*LVB1.';%¹¦·ÅDPD_S=[DPD_s(n),DPD_s(n-1),DPD_s(n-2),abs(DPD_s(n))^2*DPD_s(n),abs(DPD_ s(n-1))^2*DPD_s(n-1),abs(DPD_s(n-2))^2*DPD_s(n-2),abs(DPD_s(n))^4*DPD_s (n),abs(DPD_s(n-1))^4*DPD_s(n-1),abs(DPD_s(n-2))^4*DPD_s(n-2)];HPA_s_p(n)=b*DPD_S.';%ϱäƵDPD_s2(n)=HPA_s_p(n)*exp(j*2*pi*fc*(n-3)/fs);%Â˲¨LVB2=[DPD_s2(n),LVB2(1:N)];DPD_s3(n)= B*LVB2.';%LMS×ÔÊÊÓ¦Ëã·¨y(n)=DPD_s3(n)/2;%¼ÙÉ蹦ÂÊ·Å´ó4±¶Y=[y(n),y(n-1),y(n-2),abs(y(n))^2*y(n),abs(y(n-1))^2*y(n-1),abs(y(n-2)) ^2*y(n-2),abs(y(n))^4*y(n),abs(y(n-1))^4*y(n-1),abs(y(n-2))^4*y(n-2)]; e(n-2)=DPD_s0(n)-w*Y.';w=w-u*Y*e(n-2);%×ÔÊÊÓ¦Ëã·¨---QRD-RLS%X_q=[DPD_s0(n),X_q(1),X_q(2),X_q(3),X_q(4),X_q(5),X_q(6),X_q(7),X_q(8)] ;%ÆÚÍûÐźÅ% y_q(n)=DPD_s3(n)/2;%¼ÙÉ蹦·Å·Å´ó4±¶%Y_q_t=[y_q(n),y_q(n-1),y_q(n-2),abs(y_q(n))^2*y_q(n),abs(y_q(n-1))^2*y_ q(n-1),abs(y_q(n-2))^2*y_q(n-2),abs(y_q(n))^4*y_q(n),abs(y_q(n-1))^4*y_ q(n-1),abs(y_q(n-2))^4*y_q(n-2)];%Y_q=[Y_q_t;Y_q(1,:);Y_q(2,:);Y_q(3,:);Y_q(4,:);Y_q(5,:);Y_q(6,:);Y_q(7, :);Y_q(8,:)];%ԤʧÕæѵÁ·Æ÷µÄÊäÈëÐźÅ%Am=[1,0,0,0,0,0,0,0,0;0,lamda,0,0,0,0,0,0,0;0,0,lamda^2,0,0,0,0,0,0;0,0 ,0,lamda^3,0,0,0,0,0;0,0,0,0,lamda^4,0,0,0,0;0,0,0,0,0,lamda^5,0,0,0;0, 0,0,0,0,0,lamda^6,0,0;0,0,0,0,0,0,0,lamda^7,0;0,0,0,0,0,0,0,0,lamda^8]; %ȨÖؾØÕó% [Q,R]=qr(Am*Y_q);% U=Q'*(Am*X_q.');% w=(U\R);%RÊÇÉÏÈý½Ç¾ØÕó£¬Öð¸ö»Ø´ú¼´¿É½âwend% h=spectrum.welch;hpsd_HPA_s_p=psd(h,HPA_s_p(2000:end),'fs',fs);figure(3);plot(hpsd_HPA_s_p);%% ԤʧÕæ+¹¦·Å-----²éÕÒ±í·¨ram1=ones(1,80000);ram2=zeros(1,80000);ram3=zeros(1,10000);%¿¼ÂǼÇÒäЧӦµÄ×÷ÓÃʱҪ³õʼ»¯Õâ¸ö±í%b_c=[2.3,4.2,1.3,-1.2,-3.2,9.1,0.5,2.67,1.7];b_c=[1.0513+0.0904j,-0.068-0.0023j,0.0289+0.0054j,0.0542-0.29j,0.2234+0 .2317j,-0.0621-0.0932j,-0.9657-0.7028j,-0.2451-0.3735j,0.1229+0.1508j]; % b_c=[1.0513+0.0904j,0,0,0.0542-0.29j,0,0,-0.9657-0.7028j,0,0];DPD_c_s0=zeros(1,length(HPA_s)+2);DPD_c_s1=zeros(1,length(HPA_s)+2);s_qpsk_c=zeros(1,length(HPA_s)+2);LVB_c1=zeros(1,N+1);LVB_c2=zeros(1,N+1);HPA_s_c=zeros(1,length(HPA_s)+2);s_abs_square=ones(1,length(HPA_s)+2);u_p=-0.001;u_s=0.98;v_max_square=0.6;R_max=10000;%ԤʧÕæfor i=3:length(HPA_s)+2,s_abs(i)=abs(s_qpsk(i));s_abs_square(i)=s_abs(i)^2;if(s_abs_square(i)<=v_max_square),n_s=floor(s_abs_square(i)/v_max_square*length(ram1));elsen_s=length(ram1)-1;end;b_s_a=ram1(n_s+1);b_s_f=ram2(n_s+1);R_y=s_abs_square(i-1)/s_abs_square(i);if(R_y<=R_max),n_y=floor(R_y/R_max*length(ram3));elsen_y=length(ram3)-1;end;DPD_c_s0(i)=(s_qpsk(i)*b_s_a+abs(ram3(n_y+1)))*exp(j*(b_s_f+angle(ram3( n_y+1))));% DPD_c_s0(i)=(s_qpsk(i)*b_s_a)*exp(j*(b_s_f));%ÉϱäƵDPD_c_s1(i)=DPD_c_s0(i)*exp(j*2*pi*fc*(i-3)/fs);%Â˲¨LVB_c1=[DPD_c_s1(i),LVB_c1(1:N)];s_qpsk_c(i)=A*LVB_c1.';%¹¦ÂÊ·Å´óDPD_S_C=[s_qpsk_c(i),s_qpsk_c(i-1),s_qpsk_c(i-2),abs(s_qpsk_c(i))^2*s_q psk_c(i),abs(s_qpsk_c(i-1))^2*s_qpsk_c(i-1),abs(s_qpsk_c(i-2))^2*s_qpsk _c(i-2),abs(s_qpsk_c(i))^4*s_qpsk_c(i),abs(s_qpsk_c(i-1))^4*s_qpsk_c(i-1),abs(s_qpsk_c(i-2))^4*s_qpsk_c(i-2)];%DPD_S_C=[s_qpsk_c(i),abs(s_qpsk_c(i))^2*s_qpsk_c(i),abs(s_qpsk_c(i))^4* s_qpsk_c(i)];HPA_s_c(i)=b_c*DPD_S_C.';%ϱäƵDPD_c_s2(i)=HPA_s_c(i)*exp(j*2*pi*fc*(i-3)/fs);%Â˲¨LVB_c2=[DPD_c_s2(i),LVB_c2(1:N)];DPD_c_s3(i)= B*LVB_c2.';%×ÔÊÊÓ¦Ëã·¨---LMSe_p=2*s_abs(i)-abs(DPD_c_s3(i));%¹¦ÂÊ·Å´ó4±¶e_s=angle(s_qpsk(i))-angle(DPD_c_s3(i));ram1(n_s+1)=ram1(n_s+1)+e_p*u_p;ram2(n_s+1)=ram2(n_s+1)+e_s*u_s;end% h = spectrum.welch;hpsd_HPA_s_c=psd(h,HPA_s_c(2000:end),'fs',fs);figure(4);plot(hpsd_HPA_s_c);function [y]=volterra(a,x)%½×ÊýΪ5£¬Éî¶ÈΪ2a10=a(1,1);a11=a(1,2);a12=a(1,3);a30=a(1,4);a31=a(1,5);a32=a(1,6);a50=a(1,7);a51=a(1,8);a52=a(1,9);%ain = abs(x);%ÊäÈëÐźŵķù¶Èx=[0,0,x];for n=3:length(x),y(n-2)=a10*x(n)+a11*x(n-1)+a12*x(n-2)+a30*x(n)*(abs(x(n))^2)+a31*abs(x( n-1))^2*x(n-1)+a32*abs(x(n-2))^2*x(n-2)+a50*abs(x(n))^4*x(n)+a51*abs(x( n-1))^4*x(n-1)+a52*abs(x(n-2))^4*x(n-2);endend。
数字预失真技术的数学建模与物理实现
数字预失真技术的数学建模与物理实现DPD是数字预失真的首字母缩写，许多射频(RF)、信号处理和嵌入式软件开发工程师都熟悉这一术语。
对于DPD，从纯粹数学角度出发的建模，到微处理器实际实现面临的限制，许多工程师都有自己独特的见解。
作为负责评估RF基站产品中DPD性能的工程师，或者是一名算法工程师，可能都会想知道数学建模技术以及在实际系统中的实现方式。
如今，DPD在蜂窝通信系统中随处可见，使功率放大器(PA)能够有效地为天线提供最大功率。
5G基站中的天线数量增加，频谱变得更加拥挤，DPD开始成为一项关键技术，支持开发经济高效且符合规格要求的蜂窝系统。
什么是DPD？为什么要使用DPD？当基站射频装置输出RF信号时（参见图1），需要先将其放大，然后通过天线发射出去。
放大是通过RF PA来实现的。
在理想情况下，PA接收输入信号，然后输出与其输入成正比的更高功率信号。
PA效率应尽可能高，将放大器的大部分功耗都转化为信号输出功率。
图1：采用和未采用DPD技术的简化射频结构框图。
但理想并非实际。
PA由晶体管构成，晶体管是有源器件，本身具有非线性。
如图2所示，如果PA工作在“线性”（相对而言）区域，则输出功率与输入功率相对成比例。
但缺点是PA效率很低，大部分功耗都会作为热量流失。
故希望PA工作在压缩初始区。
这意味着，PA输出不会随着输入信号等比例增加，即此时输出信号会严重失真。
图2：PA输出功率与输入功率之间的关系图（显示了输出/输入信号的投影）。
这种失真发生在频域中的已知位置，具体取决于输入信号。
图3显示了这些位置，以及基频与这些失真产物之间的关系。
在RF系统中，只需要对基波信号附近的失真进行补偿，这些信号是奇阶交调产物。
系统滤波处理带外产物（谐波和偶阶交调产物）。
图4显示RF PA的压缩点附近的输出。
交调产物（特别是三阶）清晰可见，就像是围绕着目标信号的“裙摆”。
图3：双音输入交调和谐波失真的位置。
图4：2×20 MHz信号通过SKY66391-12 RF PA，中心频率为1850 MHz。
数字预失真系统对各种误差的敏感度分析
件 系统 中由于受到 各种误 差分 量的影 响 ， 仿真环 境下 所得 的补偿 效 果 与性 能指 标 有 时很 难 在 实 际 系统 中复现 。
针对 Ｄ Ｐ Ｄ 系统 中常见 的几种误 差分 量进 行 分析 ， 根 据 其数 字域体现 建立基 带误 差模型及 数 字域 Ｄ Ｐ Ｄ仿 真 系统。
孔 潇维 ， 夏 威 ， 何子述
（ １ ． 电子科技 大 学 电子 工程 学院 ， 成都
摘
６ １ １ ７ ３ １ ； ２ ． 中国人 民解放 军 ９ ５ ８ ５ ３部 队 ，北京
１ ０ ０ ０ ７ ６ ）
要 ：大多数数 字预 失真 （ Ｄ Ｐ Ｄ）系统都是 在各种 理 想假设 条 件 下进 行 的 理论 验证 和 算 法仿 真。在 真 实 的硬
ＫＯＮＧ ＨＥ Ｚｉ — ｓ ｈ ｕ
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｆＥ ｏ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｏ ｆＣ ｈ ｉ ｎ ａ ， Ｃ ｈ ｅ ｎ ｇ ｄ ｕ ６ １ １ ７ ３ １ ， Ｃ ｈ ｉ ｎ ａ ； ２ Ｐ ￡ Ａ ． ９ ５ ８ ５ ３ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ７ ６， Ｃ ｈ ｉ ｎ ａ ）
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ １ — ３ ６ ９ ５ ． ２ ０ １ ３ ． １ ２ ． ０ ４ ０
Ｅｒ ｒ ｏ ｒ ｓ ｅ ｎ ｓ ｉ ｔ ｉ ｖ ｉ ｔ ｙ ｉ ｎ ｄ ｉ ｇ ｉ ｔ ａ ｌ ｐ ｒ ｅ ｄ ｉ ｓ ｔ ｏ ｒ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍ
数字预失真(DPD)算法研发工具和验证方案
1安捷伦数字预失真(DPD)算法研发工具和验证方案-不依赖于特定厂商芯片组的方案技术背景：在无线通信系统全面进入3G 并开始迈向 4G 的过程中，使用数字预失真技术（Digital Pre-distortion ，以下简称DPD ）对发射机的功放进行线性化是一门关键技术。
功率放大器是通信系统中影响系统性能和覆盖范围的关键部件，非线性是功放的固有特性。
非线性会引起频谱增长(spectral re-growth)，从而造成邻道干扰，使带外杂散达不到协议标准规定的要求。
非线性也会造成带内失真，带来系统误码率增大的问题。
为了降低非线性，功放可以工作在较低的输入工作条件下(或称为回退)，即功放工作曲线的线性部分。
但是，对于新的传输体制，诸如宽带码分复用(WCDMA)以及正交频分复用(OFDM ，3GPP LTE)等，具有非常高的峰值功率和平均功率比(PAPR)，也就是说信号包络的起伏非常大。
这意味着功放要从其饱和区回退很多才能满足对信号峰值的线性放大，而峰值信号并不经常出现，从而导致功放的效率非常低，通常会低于10%。
90% 的功放直流功率被丢掉了，或被转换为了热量。
稳定性和持续运行能力都会下降。
为了保证功放的线性性和效率，可以使用多种方法对功放进行线性化处理，如反馈，前馈及数字预失真等方法。
在所有这些线性化技术中，数字预失真是性价比最高的一种技术。
同反馈法和前馈法相比，数字预失真技术具有诸多优势：优异的线性化能力，保证总体效率以及充分利用数字信号处理器/变换器的优势。
数字预失真在基带上加入预失真器，将输入信号扩展为非线性信号，而这种非线性特性正好和功放的压缩特性互补 (见图1)。
理论上讲，预失真器和功放级联后成为线性系统，原有的输入信号被恒增益地放大。
加入预失真器之后，功放可以工作到近饱和点而同时仍然保持良好的线性，从而大大提升了功放的效率。
从图1中可以看出，DPD(数字预失真器)可以看作是功放响应的”反”响应， 数字预失真算法需要对功放的特性进行高效和精确地建模以保证成功地开发数字预失真器算法。
面向5G_光载通信系统的数字预失真线性化技术应用
第6期2024年3月无线互联科技Wireless Internet Science and TechnologyNo.6March,2024作者简介:宋莉(1979 ),女,副教授,博士;研究方向:移动通信,数字预失真技术,移动互联网络㊂面向5G 光载通信系统的数字预失真线性化技术应用宋㊀莉(兰州文理学院,甘肃兰州730000)摘要:随着5G 通信技术的迅猛发展,光载无线(Radio -over -Fiber ,RoF )通信系统在实现高数据传输率和低延迟方面日益发挥出重要作用㊂然而,该系统在处理高频宽带5G 信号时,常受到射频功率放大器和光电组件非线性特性的影响,导致信号产生失真问题㊂为解决这一问题,文章深入探讨了数字预失真(Digital Predistortion ,DPD )技术在5G RoF 通信系统中的应用及其效果㊂关键词:5G 通信;光载无线;数字预失真中图分类号:TP18㊀㊀文献标志码:A0㊀引言㊀㊀5G 网络必须支持更高的数据速率和更大的连接密度,同时需要保持较低的延迟和高可靠性[1-2]㊂RoF 通信是5G 通信系统中一种高效的前传技术,其通过光纤传输无线信号,有效结合了光纤通信的高带宽和无线通信的灵活性优势㊂但RoF 通信系统在传输过程中容易受到非线性失真的影响㊂DPD 技术是一种减少该非线性失真影响的有效解决方案,其可以抵消传输链路中的非线性效应,从而保证信号质量的稳定性㊂1㊀5G RoF 通信系统的非线性失真1.1㊀5G 通信系统的非线性失真㊀㊀在5G 通信系统中,非线性失真问题尤为突出,其主要来源于无线通信系统中的射频功率放大器和光电组件㊂在高频㊁高功率运作条件下,这些组件的非线性特性会导致信号失真,影响整个系统的性能和效率[3]㊂受非线性失真影响的输出信号可以简化表示为:y (t )=ðNn =1a n x n (t )(1)其中,y (t )代表放大器的输出,x (t )为输入信号,a n 是非线性系数,n 是多项式的阶数㊂由于5G 信号通常采用正交频分多址(Orthogonal Frequency Division Multiplexing,OFDM)技术等较为复杂的调制方案,而OFDM 信号的高峰均功率比(Peak to Average Power Ratio,PAPR)特性使其在经过非线性组件时更易受到失真的影响㊂因此,5G 通信系统需要更为高效的非线性问题处理策略㊂1.2㊀光载无线系统的非线性特性㊀㊀RoF 技术作为一种将无线信号通过光纤传输的方法,为5G 网络的发展提供了重要支持㊂然而,RoF 通信系统在处理高频宽带5G 信号时,会面临由于光电转换组件(如激光器和光电探测器)的非线性特性而引起的失真问题㊂这些非线性特性具体表现为幅度调制和相位调制失真,它们会降低信号的质量和系统的整体性能㊂RoF 通信系统的非线性特性可通过一个多项式模型来描述,公式如下:Y (f )=ðMm =1b m X m (f )(2)其中,Y (f )和X (f )分别代表频域中的输出和输入信号,b m 是频域非线性系数,M 是最高阶数㊂1.3㊀数字预失真技术原理及应用㊀㊀DPD 技术通过在发射端对信号进行预处理,以此来抵消传输链路中的非线性效应㊂该技术要求对RoF 通信系统的非线性特性进行深入分析,需要能够准确地对非线性效应进行建模㊂预失真处理过程可通过逆多项式来实现,公式如下:x dpd (t )=ðPp =1c p x p (t )(3)其中,x dpd (t )是预失真处理后的信号,c p 是预失真系数,P 是DPD 多项式的阶数㊂DPD 技术的核心在于开发有效的预失真算法,在不增加过多计算复杂度的情况下,能够准确地抵消由非线性组件引起的失真㊂这些算法基于对系统非线性行为进行精确建模,包括对幅度和相位失真的识别和量化㊂理想情况下,预失真算法会生成一个与系统非线性特性相反的信号,使得该预失真信号在通过非线性系统时被准确校正,从而在系统的输出端得到一个线性的㊁不失真的信号㊂1.4㊀建模方法㊀㊀在DPD技术中,非线性建模是一个关键步骤㊂这一过程不仅涉及对无线通信系统中各种非线性效应的理解,还需要对其进行准确的数学描述㊂常见的非线性建模方法包括存储多项式MP(Memory Polynomial,MP)模型㊁广义存储多项式(General Memory Polynomial,GMP)模型以及一些更复杂的自适应算法模型,它们根据系统的特定需求和性能指标进行调整,以实现信号处理后呈现的最佳线性化效果㊂1.4.1㊀MP模型㊀㊀MP模型是DPD中最常用的一种基本模型,通过多项式来表达信号的非线性特性,包括信号的幅度和相位成分,其优势在于实现简单㊁计算效率较高,可适用于多种通信系统㊂模型的一般形式为:y mp(t)= Q q=0d q x q(t-τq)(4)其中,y mp(t)表示MP模型的输出,d q是MP模型的系数,τq表示延迟,Q是MP模型的阶数㊂1.4.2㊀GMP模型㊀㊀GMP模型是MP模型的一个扩展,该模型充分考虑了信号的记忆效应,它通过引入额外的参数来描述信号的时间依赖性,从而更准确地模拟实际通信系统中遇到的复杂非线性效应㊂可以表示为:y gmp(t)=ðR r=0ðS s=0e rs x r(t-τr)x s(t-τs)(5)其中,y gmp(t)是GMP模型的输出,e rs是GMP模型的系数,τr和τs是延迟项,R和S表示GMP模型在不同延迟项上的阶数㊂2㊀数字预失真技术解决方案和应用分析2.1㊀解决方案㊀㊀尽管DPD技术在理论方面的验证非常有效,但在实际应用中仍面临诸多挑战,包括算法复杂性㊁计算资源需求以及实时处理能力的限制等㊂对于算法复杂性问题,高级DPD模型虽然能提供更精确的非线性补偿,但也引入了更高的计算复杂度,因此要求在算法的精确性和计算效率之间找到平衡点,这可以通过使用简化模型㊁近似方法或者高效的算法设计来解决㊂对于计算资源需求问题,随着5G通信系统的高速发展,DPD算法需要在更短的时间内处理更多的数据,这对计算资源提出了更高的要求㊂因此,开发低功耗㊁高效能的硬件成为实现这一目标的关键㊂对于实时处理能力的限制问题,由于5G通信系统对实时性有着严格要求,所以DPD算法不仅需要计算准确,还必须能够在极短的时间内完成处理㊂这就要求算法不仅在设计上高效,还需要在硬件上得到适当支持,以满足实时处理的需求㊂在上述解决方案中,关于DPD算法的优化,关键挑战之一是确定预失真多项式的系数c p,通常由自适应算法来实现,其目标是最小化系统输出与理想线性响应之间的差异㊂可以通过最小化以下代价函数来实现:J=ðt|y(t)-y ideal(t)|2(6)其中,y ideal是理想的线性响应,y(t)是实际系统输出㊂2.2㊀数字预失真应用效果分析㊀㊀在5G光载无线通信前传系统中应用DPD技术后,通常通过分析预失真信号输出和非线性系统响应,来评估实验过程和应用效果㊂设原始信号x(t)经DPD处理后变为x dpd(t),由前文提到的DPD逆多项式可以给出:x dpd(t)=ðP p=1c p x p(t)(7)使用简化的非线性系统模型表示非线性系统的响应,系统输出y(t)可以表示为输入信号的非线性函数:y(t)=ðN n=1a n x n dpd(t)(8)理想情况下,DPD处理后的系统输出y(t)应接近于一个线性系统响应㊂当应用DPD技术处理后,通过比较DPD处理前后系统输出的相邻通道功率比(Adjacent Channel Power Ratio,ACPR),来评估线性失真的补偿效果,其是衡量非线性失真程度的一个重要指标,可通过分析系统输出信号的功率谱密度计算,如式(9)所示㊂ACPR=10lg(P adjacentP carrier)(9)其中,P adjacent是相邻频道的功率,P carrier是载波频道的功率㊂DPD处理后,如果预期的ACPR值降低,则表示非线性失真相应减少㊂3㊀实验设计与测试㊀㊀为验证不同DPD模型在5G RoF前传系统中应用后的效果,建立以下实验环境,主要目标是评估MP 和GMP模型降低非线性失真的能力㊂实验设置如下㊂(1)5G信号发生器:生成高PAPR的5G新无线(New Radio,NR)信号㊂(2)RoF前传系统:包括光纤链路㊁激光器㊁光调制器和光电探测器㊂(3)DPD处理单元:实现MP和GMP模型的数字预失真处理㊂(4)性能分析仪器:用于测量系统的线性化效果,重点是测量非线性失真指标,如相邻通道功率比㊂4㊀实验数据与结果分析4.1㊀实验数据㊀㊀为评估不同DPD模型的应用效果,实验收集了以下数据㊂(1)基线性能:在未应用DPD模型的情况下,测量RoF通信系统的ACPR㊂(2)MP模型应用:应用MP模型后,重新测量RoF通信系统的ACPR㊂(3)GMP模型应用:应用GMP模型后,重新测量RoF通信系统的ACPR㊂实验数据收集遵循严格的测试流程,确保DPD 模型的准确性和可重复性㊂4.2㊀结果分析㊀㊀实验通过比较不同DPD模型应用前后的ACPR 值,对非线性失真的减少程度进行评估,对比MP模型和GMP模型的性能,从而确定其在线性化5G RoF 通信系统方面的有效性㊂实验还分析了模型的计算复杂度和实时处理能力,评估了其在实际5G RoF通信系统中的可行性㊂从测试结果可以看出,在应用DPD技术后,特别是采用GMP模型后,ACPR值获得了显著改善㊂对比MP模型和GMP模型,结果显示从基线性能到MP 模型的ACPR的性能改善为10dB,采用GMP模型的ACPR改善为15dB,这表明GMP模型在改善ACPR 方面比MP模型更有效㊂5㊀结语㊀㊀本文探讨了数字预失真技术在5G光载无线前传系统中的应用,评估了存储多项式模型和广义存储多项式模型在改善RoF通信系统非线性失真方面的效果㊂实验结果显示,2种模型均能显著改善系统的非线性失真问题,尤其是GMP模型,在处理更复杂的非线性失真方面表现更佳㊂考虑到5G通信系统对实时处理性能的需求,在实际应用中,设计者需要通过选择合适的DPD模型,以实现系统性能和复杂度之间的良好平衡㊂未来DPD技术的发展方向可概括为以下几个方面:一是通过算法优化设计更高效的DPD算法,使用深度学习来优化DPD模型的参数,提高算法的效率和适应性;二是通过探索DPD技术在长距离RoF系统中的应用,提升长距离传输时的系统性能;三是考虑DPD技术在复杂多用户环境中的应用,特别是在频谱共享和多径传播条件下的应用,以提升系统应用效能;四是研究将DPD技术与其他5G网络优化技术结合,实现随着通信环境的不断变化,自适应DPD算法能够实时调整参数,以适应不同的传输条件和非线性特性,从而获得更高效的网络性能㊂参考文献[1]FEDERICO B,ROBERT W H,ANGEL L.Five disruptive technology directions for5G[J].IEEE Communications Magazine,2014(2):74-80. [2]CHEN H D,TSAI Y C,KUO C.Broadband eight-antenna array design for sub-6GHz5G NR bands metal-frame smartphone applications[J].IEEE Antennas and Wireless Propagation Letters,2020(7): 1078-1082.[3]李草禹.宽带通信系统中的线性化技术研究[D].成都:电子科技大学,2021.(编辑㊀王永超)Application of digital predistortion linearization technology for5G radio-over-fiber communication systemsSong LiLanzhou University of Arts and Science Lanzhou730000 ChinaAbstract With the development of5G communication technology rapidly radio-over-fiber communication systems play a crucial role in achieving high data transmission rate and low latency.However it is often affected in this system by the nonlinear characteristics of radio frequency power amplifiers and optoelectronic components when processing high-frequency broadband5G signals leading to signal distortion problems.To solve this problem the application and effectiveness of digital predistortion technology is deeply investigated in this paper.Key words 5G communication radio-over-fiber digital predistortion。
dpd 数字预失真
dpd 数字预失真
数字预失真（DPD）是一种数字信号处理技术，用于减少无线通信系统中的非线性失真。
在无线通信系统中，信号在传输过程中会受到多种干扰和失真，其中非线性失真是最常见的一种。
非线性失真会导致信号的畸变和误差，从而影响通信质量和可靠性。
因此，减少非线性失真是无线通信系统设计中的一个重要问题。
数字预失真技术通过对信号进行预处理，使其在传输过程中能够更好地适应通信信道的非线性特性，从而减少非线性失真。
具体来说，数字预失真技术通过对信号进行非线性变换，使其在传输过程中能够更好地适应通信信道的非线性特性。
这种非线性变换可以通过数学模型来描述，通常使用多项式函数来表示。
数字预失真技术的优点在于它可以在数字域中实现，因此可以使用数字信号处理器（DSP）等数字电路来实现。
这使得数字预失真技术具有高效、灵活和可靠的特点。
此外，数字预失真技术还可以根据通信信道的特性进行自适应调整，从而进一步提高通信质量和可靠性。
数字预失真技术在无线通信系统中的应用非常广泛。
例如，在4G 和5G无线通信系统中，数字预失真技术被广泛应用于基站和终端设备中，以减少非线性失真对通信质量的影响。
此外，数字预失真技术还可以用于卫星通信、雷达系统和无线电广播等领域。
数字预失真技术是一种非常重要的数字信号处理技术，可以有效地减少无线通信系统中的非线性失真，提高通信质量和可靠性。
随着无线通信技术的不断发展，数字预失真技术将会得到更广泛的应用和发展。
无线芯片中数字预失真技术的应用与性能影响因素分析
无线芯片中，射频发射和接收电路都存在非线性，而射频功率放大器 PA 受到技术和工艺的限制，其增益和功率往往很难进一步提升，而通信质量的要求又很高，若能把 PA 的非线性区利用起来能很好地改善发射性能。
DPD 技术正好能满足这一需求, 使 PA 即使工作在非线性区（近饱和区），发射机也具有良好的线性度，从而有效地改善发射机指标。
射频 PA 通常由不同材料不同工艺的晶体管或场效应管与阻容感等器件通过一定的连接关系搭建而成，实现射频功率放大功能[6,7]。
PA 中的电容电感效应，发热效应，已调信号的带宽和峰均比变化等，会带来两种记忆效应。
电学记忆效应：工作时阻容感随已调输入信号频率、带宽和峰均比的不同而变化，偏置和阻抗随之改变，从而引起器件的非线性特性的变化。
图 2 AMPM 曲线图 1 AMAM 曲线
图 3 无线芯片 DPD 应用
端，最终通过射频连接器连接到综测仪进行指标测试或通过天线辐射出去。
芯片型号不同，图 3 中的模块也会有一些变化或增减。
为方便评估 DPD 效果，在 DPD 模块中一般设有 bypass DPD 的选择通路，调试时就可分别测试 with DPD 和 without DPD 的 ACPR/EVM 性能。
调试过程中碰到 DPD 效果不明显时，也可以分拆验证 DPD RX 通路或 DPD 算法电路的问题。
若怀疑 DPD RX 通路有问题，用 bypass DPD 通路，DAC 发台阶
图 4 不同增益档 DPD 校准结果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
采用同一设置capture波形
3.1 功放特性曲线
AM-AM曲线&AM-PM曲线
错误，过于发散，收敛不明显。判错。 安立仪器抓取的.dgz文件制成的波形，无规律 IQ两路信号经过PA后出现问题（怀疑）
目前尚未得到解决
可通过联系安立销售人员咨询 检查制作波形步骤（已检查，未能发现问题） Agilent仪器VSA波形如何导出（寻找出路）
3 建模阶段需要做以下工作
绘出PA特性曲线
AM-AM曲线 AM-PM曲线
PA建模
算法
记忆多项式
产生预失真信号
建模逆过程
针对波形所做尝试
制作特征明显的波形（5000点范围）
1. 2. 3. 4. 5. 实部为0.5虚部为0 实部为0虚部为0.5 实部虚部相同都为从-0.5~0.5递增的锯齿波 实部虚部不同，实部是上升锯齿波，虚部下降 实部是2500点为0.5，2500点为0的方波，虚 部为0
0.1
-0.5 0 2 4 6 x 10 8
4
-0.5 0 2 4 6 x 10 8
4
0 0 2 4 6 x 10 8
4
0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 0 2 4 6 x 10 8
4
0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 0 2 4 6 x 10 8
0.2
0
0
-0.2
-0.2
-0.4 0 1 2 3 4 5 6 7 x 10 8
4
-0.4 0 1 2 3 4 5 6 7 x 10 8
4
1
1
0.5
0.5
0
0
-0.5
-0.5
-1 0 1 2 3 4 5 6 7 x 10 0.5 8
4
-1 0 1 2 3 4 5 6 7 x 10 1 8
4
0.5
0
3.2 PA建模
非记忆性 记忆性
记忆多项式法 因为由于制作的波形出现了问题，造成未能做 到正确建模。 建模出来的频谱相较输出信号的频谱抬高许多 （有错）
40
30
20
10
0
-10
-20
-30
-40 -60
-50
-40
-30
-20
-10
0
10
taps=4,polyorder=10 功 放 的 AM/AM图 60
4
0
0
-0.5 0 1 2 3 4 5 6 7 x 10 0.4 8
4
-0.5 0 1 2 3 4 5 6 7 x 10 0.4 8
4
0.2
0.2
0
0
-0.2
-0.2
-0.4 0 1 2 3 4 5 6 7 x 10 8
4
-0.4 0 1 2 3 4 5 6 7 x 10 8
4
1
1
0.5
0.5
0
0
4
0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 0 2 4 6 x 10 8
4
-80
-100
-120
-140
-160 1.9594
1.9596
1.9598
1.96 1.9602 Frequency[GHZ]
1.9604
1.9606
1.9608
1
1
0.5
0.5
0
0
-0.5
-0.5
-1 0 1 2 3 4 5 6 7 x 10 0.5 8
4
-1 0 1 2 3 4 5 6 7 x 10 0.5 8
-0.5
-0.5
-1 0 1 2 3 4 5 6 7 x 10 0.6 0.4 0.2 8
4
-1 0 1 2 3 4 5 6 7 x 10 0.5 8
4
0 0 -0.2 -0.4 0 1 2 3 4 5 6 7 x 10 0.4 8
4
-0.5 0 1 2 3 4 5 6 7 x 10 0.4 8
4
0.2
0
-0.5
-0.5 0 1 2 3 4 5 6 7 x 10 0.4 8
4
-1 0 1 2 3 4 5 6 7 x 10 0.5 8
4
0.2
0
0
-0.2
-0.4 0 1 2 3 4 5 6 7 x 10 8
4
-0.5 0 1 2 3 4 5 6 7 x 10 8
4
0.5
0.5
0.5
0.4
0.3 0 0 0.2
-40
-30
-20 -10 Pin (dbm)
0
10
20
-20
-40
-60
Power Spectrum [dB]
-80
-100
-120
-140
-160 1.9594
1.9596
1.9598
1.96 1.9602 Frequency[GHZ]
1.9604
1.9606
1.9608
-20
-40
-60
Power Spectrum [dB]
40
20 绿点表示测试数据
gain (db)
0
蓝点为记忆多项式的数据
-20
-40
-60 -50
-40
-30
-20 -10 Pin (dbm)
0
10
20
taps=4,polyorder=10 功 放 的 AM/PM图 400 350 300 250 200 150 100 50 0 -50
phase (degree)
功率放大器建模阶段
——问题记录
1 前期工作
利用ADS软件加入特征，制作波形接上PA， 输入输出波形进行对齐 利用安立2690，抓取波形，处理之后，再 制作波形 利用ADS软件进行DPD（多项式法），处理 后，接上PA观PD之后的信号进入PA，PA未得到改善。 PA曾两度被烧坏，目前PA虽已修好，但若 干指标（如ALC）尚未调好。