随着射频功率放大器的发射功率不断提升,特别是Doherty功放的广泛应用,使得功放的非线性特性不断增强。为了满足高线性化的需求,数字预失真(digital pre-distortion,DPD)技术要求达到更优的非线性校正效果。提出一种基于线性插值基的数字预失真方法,所提方法将线性插值基引入到数字预失真的行为建模中,达到优化的非线性校正效果。同时所提方法通过与查找表的实现方式结合,非常利于系统应用。仿真实验中采用20MHz长期演进(long term evolution,LTE)信号进行实验,新方法较广义记忆多项式方法在临道泄露比指标上改善了近7dBc以上。
提出一种在欠采样条件下的经过混合结构设计的射频发射机线性化方法。该方法基于欠采样频率选择性的非线性模型来校正调制器产生的镜像干扰信号以及射频功率放大器的互调失真信号。实验结果表明LTE的70 MHz双载波信号在发射机采样速率从491.52 Ms/s降低至122.88 Ms/s时使用该组合方法较之前方法有10 d B的归一化最小均方误差改善以及10 d B的邻道功率泄露比抑制改善。
双频带射频功放的数字预失真技术(DPD)要求支持更宽的带宽。为了保证功放输出的线性指标并降低预失真系统的实现开销,设计一种组合结构的双频带宽带数字预失真方法。该方法采用一维整频带数字预失真模型与四个一维分频带数字预失真模型的组合结构来综合处理双频带的发射信号。仿真实验结果表明,采用90 MHz的双频带LTE信号,临道泄露比(ACLR)指标较改进的二维记忆多项式DPD有1 d B提升,与二维DPD有0.5 d B差别,满足系统指标要求。
提出一种基于遗传算法和低阶广义记忆多项式实值神经网络的射频功率放大器数字预失真方法。该方法将遗传算法优化的低阶广义记忆多项式模型与神经网络模型进行级联来增强校正模型与功放失真的匹配程度。它不仅可以提升模型的校正能力,同时可以加快网络的收敛速度。采用60MHz的三载波LTE信号进行实验,通过与实值延时线神经网络模型对比,在收敛速度上有显著提升,同时在邻道功率泄露ACLR指标上有6 d B左右改善。
