寬帶射頻功放限帶非線性模型及預失真技術研究.pdf

1、持續(xù)增長的用戶需求，要求現(xiàn)有通信技術支持更高的數據傳輸速率，這也讓通信標準和調制方式變得越來越復雜，迫使射頻功率放大器表現(xiàn)出更強的記憶效應。而傳統(tǒng)的數字預失真方法，無法對強非線性特性的射頻功放進行高精度建模和有效的帶外抑制。此外，更寬的工作帶寬對數字預失真技術實現(xiàn)產生了更大的壓力。數字預失真采樣帶寬至少需要信號帶寬的3～5倍，若以LTE20M五載波信號為例，則至少需要500MHz的采樣帶寬，這樣的ADC和DAC非常昂貴或限購，增加了技術

2、實現(xiàn)成本。
　　本論文主要對寬帶通信的射頻功放進行功放行為模型建模和功放線性化，主要研究工作和創(chuàng)新點如下：
　?。?）闡述了傳統(tǒng)數字預失真技術的發(fā)展現(xiàn)狀，并對射頻功率放大器產生非線性失真的原因作了簡要分析。針對不同類型的功放非線性特性，總結了現(xiàn)有的功放行為模型，并對行為模型和線性化效果的評價標準進行了說明。
　?。?）提出了一種適合于強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線補償線性記憶效應的同時，還對每個延遲抽頭進行級數展開，引入非線性變量，補償功放的非線性記憶效應，使之補償功放記憶效應更完全。實驗結果證明，進行級數展開后，需要的記憶深度更小，因此系數數量并沒有急劇增多；實驗選用兩種不同通信標準不同信號帶寬的信號激勵中心頻率為460MHz的Doherty功放進行驗證，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，驗證了模型的魯棒性。
　　（3）提出了一種適合于強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模型的基礎上進行了限帶處理，讓模型帶寬與

5、實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失真效果。用LTE20M單載波信號，不同采樣速率下的激勵信號，驅動中心頻率為1950MHz的Doherty功放。實驗結果表明，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，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，具有重要的工程應用