一种基于直接学习结构的数字预失真方法

1 直接学习结构的基本原理
数字预失真主要分为直接学习结构和间接学习 结构两大类。二者的区别在于前者求解功放的前置 逆，后者求解功放的后置逆 。 [6] 由于间接学习结构参 数提取收敛速度快，且适用于离线学习，受到了科研 工作者的广泛研究。然而，当信号带宽增加时，间接
收稿日期：2017-08-16 稿件编号：201708086
直接学习结构就是对功放的输出直接辨识得到 预失真信号，其结构如图 1 所示 。 [8] 直接学习是一个 闭环结构，实际上是对输入信号 x(n) 与功放输出信 号 y(n) 之间的关系进行参数估计，也就是求解功放 的 前 置 逆 。 在 这 里 ，定 义 预 失 真 器 的 误 差 信 号 e(n)
作者简介：张 月（1992—），女，重庆人，硕士研究生。研究方向：数字预失真线性化技术。
文献标识码：A
文章编号：1674-6236（2018）11-0091-04
A digital predistortion method using the direct learning architecture
ZHANG Yue1，2，HUANG Yong⁃hui2 （1. University of Chinese Academy of Sciences，Beijing 100190，China；2. National Space Science Center，
第 26 卷 第 11 期 Vol.26 No.11
电子设计工程 Electronic Design Engineering
2018 年 6 月 Jun. 2018
一种基于直接学习结构的数字预失真方法
张 月 1，2，黄永辉 2
（1.中国科学院大学 北京 100190；2.中国科学院国家空间科学中心 北京 100190）
高的要求 。 [1-3] 早期的功放线性化技术一般采用简单 效应，文中提出了一种基于直接学习结构的数字预
的功率回退法，实现简单，但功放效率低，为了缓解 失真方法。
功 放 的 高 效 率 和 高 线 性 之 间 的 矛 盾 ，数 字 预 失 真 技 术成为补偿功放失真最具前景的技术之一 。 [4-5]
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。
关键词：数字预失真；直接学习结构；记忆多项式模型；牛顿法
中图分类号：TN919
为充分利用有限的频谱资源，非恒定包络线性 学 习 结 构 具 有 固 有 的 局 限 性 ，包 括 系 数 偏 移 、过 量
调制方式和多载波技术在卫星通信中将会获得越来 ADC 采样要求以及对 PA 饱和极为敏感等缺陷 。 [7] 因
越广泛的应用，这对功率放大器的线性度提出了更 此，针对宽带信号功率放大器的非线性效应和记忆
Chinese Academy of Sciences，Beijing 100190，China）
Abstract: 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 simulationHale Waihona Puke Baiduis 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. Key words: digital predistortion；direct learning；memory polynomial；Newton’s algorithm
图 1 直接学习结构
2 基于牛顿法的 DPD 参数提取
系统的输入信号 x 与预失真器输出信号 z 的关
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
- 91 -
《电子设计工程》2018 年第 11 期
为输入信号 x(n) 与功放输出信号 y(n) 之间之差，即 e(n) = x(n) - y(n) 。直接学习结构的基本思想在于通过 自 适 应 迭 代 算 法 不 断 更 新 预 失 真 器 ，使 得 误 差 信 号 的代价函数最小。当 e(n) 趋近于 0 时，功放输出是预 失 真 器 输 入 的 线 性 放 大 ，因 此 可 得 到 理 想 化 预 失 真 器模型的系数。