针对短波射频功放的非线性失真及记忆效应失真问题,提出了一种直接学习结构的MP模型预失真方案,采用Filtered-X LMS(NFXLMS)算法对建立的预失真模型进行训练辨识。仿真分析,针对MP模型高功率放大器,预失真后的三阶互调分量改善了52.2 d...针对短波射频功放的非线性失真及记忆效应失真问题,提出了一种直接学习结构的MP模型预失真方案,采用Filtered-X LMS(NFXLMS)算法对建立的预失真模型进行训练辨识。仿真分析,针对MP模型高功率放大器,预失真后的三阶互调分量改善了52.2 d B,五阶互调分量改善了48.85 d B,与现有的IIR Wiener预失真器相比较,进一步提高了功放输出的线性度。同时,在DSP+FPGA平台上对MP模型预失真算法进行实测,结果表明,该预失真器能有效改善实际功放的非线性失真,具有较好的线性化效果。展开更多
针对功率放大器的数字模型保真度不高,预失真系统收敛速度较慢等问题,提出了一种基于记忆多项式模型(memory polynomial,MP)的选择结构数字预失真系统。此系统结合了直接型与间接型预失真结构的一部分,通过比较两个模型之间的误差信号...针对功率放大器的数字模型保真度不高,预失真系统收敛速度较慢等问题,提出了一种基于记忆多项式模型(memory polynomial,MP)的选择结构数字预失真系统。此系统结合了直接型与间接型预失真结构的一部分,通过比较两个模型之间的误差信号来选择所复制的复增益系数,可以在保证系统最优解的情况下实现信号的预失真处理。系统的自适应模块采用归一化最小均方误差(normalized least mean square,NLMS)算法。仿真结果表明,在输入信号的功率为2 dBm时,选择预失真系统在第25000个采样点收敛,收敛速度快于间接预失真结构,并且其收敛后误差比直接型结构的收敛后误差小0.15个单位,收敛后的归一化均方误差(normalized mean square error,NMSE)相较于直接型和间接型结构均降低了约7 dB和2 dB左右。展开更多
文摘针对短波射频功放的非线性失真及记忆效应失真问题,提出了一种直接学习结构的MP模型预失真方案,采用Filtered-X LMS(NFXLMS)算法对建立的预失真模型进行训练辨识。仿真分析,针对MP模型高功率放大器,预失真后的三阶互调分量改善了52.2 d B,五阶互调分量改善了48.85 d B,与现有的IIR Wiener预失真器相比较,进一步提高了功放输出的线性度。同时,在DSP+FPGA平台上对MP模型预失真算法进行实测,结果表明,该预失真器能有效改善实际功放的非线性失真,具有较好的线性化效果。
文摘针对功率放大器的数字模型保真度不高,预失真系统收敛速度较慢等问题,提出了一种基于记忆多项式模型(memory polynomial,MP)的选择结构数字预失真系统。此系统结合了直接型与间接型预失真结构的一部分,通过比较两个模型之间的误差信号来选择所复制的复增益系数,可以在保证系统最优解的情况下实现信号的预失真处理。系统的自适应模块采用归一化最小均方误差(normalized least mean square,NLMS)算法。仿真结果表明,在输入信号的功率为2 dBm时,选择预失真系统在第25000个采样点收敛,收敛速度快于间接预失真结构,并且其收敛后误差比直接型结构的收敛后误差小0.15个单位,收敛后的归一化均方误差(normalized mean square error,NMSE)相较于直接型和间接型结构均降低了约7 dB和2 dB左右。
