用于功率放大器的基于机器学习的数字预失真制造技术

示例实施例涉及基于机器学习的功率放大器数字预失真。设备可以利用功率放大器来放大信号并且发送信号。信号可以由设备的内部反馈接收器接收。设备可以还包括第一机器学习模型，该第一机器学习模型被配置为仿真外部反馈接收器并且基于内部反馈信号生成仿真的反馈信号。该设备可以还包括第二机器学习模型，该第二机器学习模型被配置为基于仿真的反馈信号来确定用于功率放大器的数字预失真参数。装置，方法，和计算机程序被公开。和计算机程序被公开。和计算机程序被公开。

【技术实现步骤摘要】
用于功率放大器的基于机器学习的数字预失真


[0001]本申请总体上涉及到功率放大器。具体地，本专利技术的一些示例实施例涉及用于功率放大器的基于机器学习的数字预失真。

技术介绍

[0002]功率放大器影响通信系统的性能和吞吐量。例如，功率放大器的非线性可以生成光谱的再生长(re
‑
growth)，这会导致相邻信道干扰或违反监管机构(regulatory body)规定的带外传输标准。此外，非线性可以引起带内失真，该失真使误差向量的幅度劣化，并最终使误码率(BER)和数据吞吐量劣化。机器学习(ML)或其他自动化过程可以被用于不同类型的设备(诸如，例如移动电话)中的不同应用。通常，机器学习使计算模型，例如神经网络，能被训练以对输入数据执行特定任务。

技术实现思路

[0003]该
技术实现思路
被提供来以简化形式介绍概念的选择，该概念的选择在以下具体实施方式中被进一步描述。该
技术实现思路
的目的并非旨在标识所要求的主题的关键特性或基本特性，也不旨在被用于限制所要求的主题的范围。
[0004]示例实施例改进对用于功率放大器的数字预失真参数的确定。该有益效果可以由独立权利要求的特性实现。进而，实现形式在独立权利要求、说明书以及附图中被提供。
[0005]根据一方面，提供一种装置，可以包括发送器，被配置为发送信号，其中该发送器包括功率放大器；内部反馈接收器，被配置为接收发送的信号以获得内部反馈信号；第一机器学习模型，被配置为仿真外部反馈接收器，并且基于内部反馈信号生成仿真的反馈信号；第二机器学习模型，被配置为基于仿真的反馈信号，确定用于功率放大器的数字预失真参数。
[0006]根据一方面，提供一种方法，可以包括：发送信号，其中信号利用功率放大器被放大；由内部反馈接收器接收发送的信号获得内部反馈信号；仿真外部反馈接收器，并且利用第一机器学习模型、基于内部反馈信号来生成仿真的反馈信号；利用第二机器学习模型，基于仿真的反馈信号来确定用于功率放大器的数字预失真参数。
[0007]根据一方面，提供一种系统，可以包括参考设备，被配置为发送测试信号集，该参考设备包括内部反馈接收器，该内部反馈接收器被配置为接收测试信号集以获得内部反馈信号；外部反馈接收器，被配置以接收测试信号集以获得外部反馈信号；用于训练第一基线机器学习模型以仿真外部反馈接收器、并且基于内部反馈信号来生成仿真的反馈信号的部件，其中对第一基线模型的训练基于的是内部反馈信号以及从外部反馈接收器接收到的外部反馈信号；用于训练第二基线机器学习模型以基于仿真的反馈信号来确定用于参考设备的功率放大器的数字预失真参数的部件，其中对第二基线机器学习模型的训练基于的是仿真的反馈信号和测试信号集。
[0008]根据一方面，提供一种方法，可以包括：由参考设备发送测试信号集，该参考设备
包括内部反馈接收器，该内部反馈接收器被配置为接收测试信号集以获得内部反馈信号集；训练第一基线机器学习模型以仿真外部反馈接收器，并且基于内部反馈信号来生成仿真的反馈信号，其中对第一基线模型的训练基于的是内部反馈信号以及从外部反馈接收器接收到的外部反馈信号，该外部反馈信号对应于测试信号集；训练第二基线机器学习模型，以基于仿真的反馈信号来确定用于参考设备的功率放大器的数字预失真参数，其中对第二基线机器学习模型的训练基于的是仿真的反馈信号和测试信号集。
[0009]根据一方面，提供一种计算机程序，可以包括指令，该指令用于使装置至少执行以下操作：传输信号，其中信号利用功率放大器被放大；由内部反馈接收器接收发送的信号接收以获得内部反馈信号；仿真外部反馈接收器，并且利用第一机器学习模型、基于内部反馈信号来生成仿真的反馈信号；利用第二机器学习模型、基于仿真的反馈信号来确定用于功率放大器的数字预失真参数。
[0010]根据一方面，提供一种计算机程序，可以包括指令，该指令用于使装置至少执行以下操作：利用测试信号的子集来训练多个设备，其中对多个设备中的每个设备的训练包括：基于第一基线机器学习模型来初始化第一机器学习模型的实例；基于第二基线机器学习模型的子集来初始化第二机器学习模型的实例；训练第一机器学习模型的实例来仿真外部反馈接收器，并基于从设备的内部反馈接收器接收到的、特定于设备的内部反馈信号来生成仿真的反馈信号，其中对第一机器学习模型的实例的训练基于的是特定于设备的内部反馈信号以及从外部反馈接收器接收到的外部反馈信号；以及，训练第二机器学习模型的实例，以基于仿真的反馈信号来确定用于设备的功率放大器的数字预失真参数，其中dui第二基线机器学习模型实例的训练基于的是仿真的反馈信号以及测试信号的子集。
[0011]根据一方面，提供一种装置，可以包括至少一个处理器，以及包括计算机程序代码的至少一个存储器；至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使装置至少：传输，由发送器发送信号，其中发送器包括功率放大器；由内部反馈接收器接收发送的信号以获得内部反馈信号；由第一机器学习模型仿真外部反馈接收器，并且由第一机器学习模型基于内部反馈信号来生成仿真的反馈信号；以及由第二机器学习模型基于仿真的反馈信号来确定用于功率放大器的数字预失真参数
[0012]很多附加特性将被更容易地理解，因为其通过参照关于附图而被考虑的以下具体实施方式而变得更易于理解。
附图说明
[0013]为了提供本专利技术的示例实施例的进一步理解，并且构成该说明书的部分，所包括的附图图示了示例实施例并与说明书共同帮助解释示例实施例。在附图中：
[0014]图1图示了根据示例实施例的数字预失真系统的示例
[0015]图2图示了根据示例实施例的用于在6GHz以下的受限带宽的数字预失真系统的示例
[0016]图3图示了根据示例实施例的用于高带宽和毫米波支持的数字预失真系统的示例
[0017]图4图示了被配置以实践一个或多个示例实施例的装置的示例
[0018]图5图示了根据示例实施例的神经网络的示例
[0019]图6图示了根据示例实施例的基本计算单元的示例
[0020]图7图示了根据示例实施例的卷积神经网络的示例
[0021]图8图示了根据示例实施例的数字预失真校准的三级方法(three stage approach)的示例
[0022]图9图示了用于训练基于机器学习的数字预失真模型的示例
[0023]图10图示了根据示例实施例的应用通用对抗性神经网络(GAN)以用于训练数字预失真系统的示例
[0024]图11图示了根据示例实施例的训练基于机器学习的数字预失真模型的示例
[0025]图12图示了根据示例实施例的、针对基于机器学习的数字预失真系统的实例传递学习的示例
[0026]图13图示了根据示例实施例的、对基于机器学习的数字预失真系统的通用训练和特定于设备的训练的流程图的示例
[0027]图14图示了根据示例实施例的、基于机器学习的数字预失真系统的部署和重新训练的示例
[0028]图15图示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种装置，包括：发送器，被配置为发送信号，其中所述发送器包括功率放大器；内部反馈接收器，被配置为接收发送的所述信号以获得内部反馈信号；第一机器学习模型，被配置为仿真外部反馈接收器，并且基于所述内部反馈信号生成仿真的反馈信号；第二机器学习模型，被配置为基于所述仿真的反馈信号，确定用于所述功率放大器的数字预失真参数。2.根据权利要求1的所述的装置，其中所述内部反馈接收器的带宽低于所述外部反馈接收器的带宽，并且/或者其中所述内部反馈接收器的动态范围低于所述外部反馈接收器的动态范围。3.根据权利要求1或权利要求2的所述的装置，还包括：用于基于所述数字预失真参数使所述功率放大器线性化的部件，其中所述数字预失真参数包括所述第二机器学习模型的子集。4.根据权利要求1至3中任一项所述的装置，还包括：用于基于所述仿真的反馈信号和响应于以下一项的信号来重新训练所述第二机器学习模型：检测到重新训练时段的到期；检测到所述功率放大器的性能的改变；检测到所述信号的至少一个传输参数的更新；或者从网络节点接收到用以执行重新训练的指令。5.根据任一项前述权利要求所述的装置，还包括：用于从所述外部反馈接收器接收外部反馈信号的部件；用于基于所述内部反馈信号和所述外部反馈信号来训练所述第一机器学习模型的部件；用于基于所述信号和所述仿真的反馈信号来训练所述第二机器学习模型的部件。6.根据权利要求5的所述装置，还包括：用于利用第一基线机器学习模型来初始化所述第一机器学习模型的部件，所述第一基线机器学习模型利用至少一个参考设备而被训练，以及用于利用第二基线机器学习模型的子集来初始化所述第二机器学习模型的部件，所述第二基线机器学习模型利用所述至少一个参考设备而被训练。7.根据权利要求5或权利要求6所述的装置，其中所述第一机器学习模型包括生成对抗性网络(GAN)的生成器网络。8.一种方法，包括：发送信号，其中所述信号利用功率放大器被放大；由内部反馈接收器接收发送的所述信号以获得内部反馈信号；仿真外部反馈接收器，并且利用第一机器学习模型、基于所述内部反馈信号来生成仿真的反馈信号；利用第二机器学习模型，基于所述仿真的反馈信号来确定用于所述功率放大器的数字预失真参数。
9.一种系统，包括：参考设备，被配置为发送测试信号集，所述参考设备包括内部反馈接收器，所述内部反馈接收器被配置为接收所述测试信号集以获得内部反馈信号；外部反馈接收器，被配置为接收所述测试信号集以获得外部反馈信号；用于训练第一基线机器学习模型用以仿真所述外部反馈接收器并且用以基于所述内部反馈信号来生成仿真的反馈信号的部件，其中对所述第一基线模型的所述训练基于的是所述内部反馈信号...

【专利技术属性】
技术研发人员：OE，
申请(专利权)人：诺基亚技术有限公司，
类型：发明
国别省市：