寬帶射頻功放限帶非線性模型及預(yù)失真技術(shù)研究.pdf

1、持續(xù)增長(zhǎng)的用戶需求，要求現(xiàn)有通信技術(shù)支持更高的數(shù)據(jù)傳輸速率，這也讓通信標(biāo)準(zhǔn)和調(diào)制方式變得越來(lái)越復(fù)雜，迫使射頻功率放大器表現(xiàn)出更強(qiáng)的記憶效應(yīng)。而傳統(tǒng)的數(shù)字預(yù)失真方法，無(wú)法對(duì)強(qiáng)非線性特性的射頻功放進(jìn)行高精度建模和有效的帶外抑制。此外，更寬的工作帶寬對(duì)數(shù)字預(yù)失真技術(shù)實(shí)現(xiàn)產(chǎn)生了更大的壓力。數(shù)字預(yù)失真采樣帶寬至少需要信號(hào)帶寬的3～5倍，若以LTE20M五載波信號(hào)為例，則至少需要500MHz的采樣帶寬，這樣的ADC和DAC非常昂貴或限購(gòu)，增加了技術(shù)

2、實(shí)現(xiàn)成本。
　　本論文主要對(duì)寬帶通信的射頻功放進(jìn)行功放行為模型建模和功放線性化，主要研究工作和創(chuàng)新點(diǎn)如下：
　?。?）闡述了傳統(tǒng)數(shù)字預(yù)失真技術(shù)的發(fā)展現(xiàn)狀，并對(duì)射頻功率放大器產(chǎn)生非線性失真的原因作了簡(jiǎn)要分析。針對(duì)不同類(lèi)型的功放非線性特性，總結(jié)了現(xiàn)有的功放行為模型，并對(duì)行為模型和線性化效果的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行了說(shuō)明。
　?。?）提出了一種適合于強(qiáng)非線性特性的射頻功放的MRBFNN(Modified Radial Basis Fu

3、nction Neural Network)模型。該模型的輸入層擁有線性延時(shí)線補(bǔ)償線性記憶效應(yīng)的同時(shí)，還對(duì)每個(gè)延遲抽頭進(jìn)行級(jí)數(shù)展開(kāi)，引入非線性變量，補(bǔ)償功放的非線性記憶效應(yīng)，使之補(bǔ)償功放記憶效應(yīng)更完全。實(shí)驗(yàn)結(jié)果證明，進(jìn)行級(jí)數(shù)展開(kāi)后，需要的記憶深度更小，因此系數(shù)數(shù)量并沒(méi)有急劇增多；實(shí)驗(yàn)選用兩種不同通信標(biāo)準(zhǔn)不同信號(hào)帶寬的信號(hào)激勵(lì)中心頻率為460MHz的Doherty功放進(jìn)行驗(yàn)證，MRBFNN模型的功放行為模型建模精度和功放線性化效果均優(yōu)于L

4、UT，MP，RVTDRBFNN(Real-Valued Time-Delay Radial Basis Function Neural Network)等模型，驗(yàn)證了模型的魯棒性。
　?。?）提出了一種適合于強(qiáng)非線性的寬帶射頻功放的BLMRBFNN(Band-Limited Modified Radial Basis Function Neural Network)模型。該模型在MRBFNN模型的基礎(chǔ)上進(jìn)行了限帶處理，讓模型帶寬與

5、實(shí)際采樣帶寬保持一致，在低倍采樣速率的條件下同樣擁有高倍采樣速率條件下的預(yù)失真效果。用LTE20M單載波信號(hào)，不同采樣速率下的激勵(lì)信號(hào)，驅(qū)動(dòng)中心頻率為1950MHz的Doherty功放。實(shí)驗(yàn)結(jié)果表明，在相同采樣速率前提下，限帶模型的建模精度比傳統(tǒng)模型高；在采樣帶寬內(nèi)，低倍采樣速率限帶模型的功放線性化效果要優(yōu)于高倍采樣速率傳統(tǒng)模型，更優(yōu)于低倍采樣速率傳統(tǒng)模型。BLMRBFNN模型實(shí)現(xiàn)了低倍采樣速率下相同的功放線性化性能，具有重要的工程應(yīng)用