功率放大器预失真器的训练方法技术

一种用于由ＦＩＲ滤波器结构构成的功率放大器预失真器的训练方法，所述ＦＩＲ滤波器结构包括：用于每一个滤波器抽头的单独查找表，每一个查找表都代表采用表示输入信号幅度的变量的离散化多项式，以及用于从每一个滤波器抽头查找表中选择滤波 器系数的装置，所述滤波器系数依赖于与滤波器抽头相乘的相应复数信号值的幅度，所述训练方法包括以下步骤：存储测量的未经放大的输入信号采样以及相应的功率放大器输出信号反馈采样；以及使用所述存储的采样来通过独立的迭代过程单独地确定查 找表滤波器系数。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及的是在具有记忆效应的功率放大器中进行数字预失真处理，尤其涉及的是对预失真器进行训练。
技术介绍
众所周知，功率放大器或多或少地会在它们所要放大的信号中添加失真。这是因为功率放大器具有非线性的输入输出信号特性。这种特性表现为希望的放大信号周围的展宽频谱，还表现为该信号的多余带内分量。作为减小非线性效应的抵抗措施，目前已知的是在放大器输入端对信号执行预失真，以便在放大器的输出端提供了一个无失真的放大信号。这种技术称为预失真处理。现今所实现的预失真处理通常使用和该信号相乘的查找表。该表中的条目是信号在每一个时间采样的幅度。记忆效应是另一个与功率放大器相关的问题。记忆效应典型地表现为在功率放大器的输出端上的载波周围的不对称频谱。也就是说，虽然载波(希望的信号)频谱是完全对称的，但是源于失真的寄生频谱相对于载波中心而言有可能是不对称的。一般来说，通常用于处理非线性的方法并未考虑到功率放大器的记忆效应。如术语“记忆效应”所表明的，该效应不但依赖于当前采样，而且还取决于信号的延迟采样。因此，单表方法是无法处理记忆效应的，该方法只能处理非线性。受Kim研究的启示，Lei Ding等人以及Konstantinou推导出了一种以其所谓的“记忆多项式”为基础的预失真方法，其中所述“记忆多项式”很好地模拟了记忆效应。然而，这种方法的缺陷在于需要为每一个新的输入信号幅度重新计算记忆多项式，这种处理在计算方面的代价是很高的，而在使用了很多高阶多项式的情况下更是如此。此外，该方法的另一个缺陷是使用了计算代价很高的训练过程来确定多项式系数。参考文献描述了一种放大器，该放大器具有采用FIR滤波器形式而不是基于预失真器的记忆多项式形式的前置滤波器。这个滤波器的系数是用迭代最小均方算法更新的。
技术实现思路
本专利技术的目的是为基于记忆多项式的预失真处理提供一种计算效率很高的训练方法。这种方法是依照附加权利要求来实现的。本专利技术基于FIR滤波器结构，该结构包含了用于滤波器抽头的单个查找表，其中每一个查找表都代表一个离散化的记忆多项式。简要的说，依照本专利技术的训练方法是以迭代和单独(独立)地确定每个查找表的滤波器系数为基础的，优选地，所述确定是通过一个基于相应的迭代LMS(最小均方)的过程进行的。附图说明通过结合附图来参考下文中的描述，可以最佳理解本专利技术及其进一步的目标和优点，其中图1是图示了功率放大器的非线性输入输出信号特性的图；图2是图示了非线性功率放大器所放大的信号的频谱的图；图3是图示了用于除去图1中的非线性的功率放大器预失真器的输入输出信号特性的图；图4是图示了具有预失真处理的功率放大器的输入输出信号特性的图；图5是图示了由具有记忆的非线性功率放大器所放大的信号频谱的图；图6是图示了依照本专利技术的多项式离散化处理的图；图7是适合依照本专利技术训练的预失真器的示范性实施例的框图；图8是包含功率放大器的基站的示范性实施例的框图，其中该功率放大器具有依照图7的预失真器；图9是图示了依照本专利技术的训练方法的示范性实施例的流程图；图10是包含功率放大器的基站的另一个示范性实施例的框图，其中该功率放大器具有依照图7的预失真器；以及图11是图示了依照本专利技术的训练方法的另一个示范性实施例的流程图。具体实施例方式在下文的描述中，相同的参考符号在所有附图中都被用于相同或相似的部件。在详细描述本专利技术之前，首先在下文中将会给出关于基本问题的简要描述。图1图示的是功率放大器的非线性输入输出信号特性。在低的输入信号幅度上，放大器几乎是线性的，但在较高幅度上，放大器会越来越变得非线性，直至达到饱和。如图2所示，这种非线性表现为希望的放大信号周围的展宽频谱(还表现为该信号中的多余的带内分量)。作为减小非线性效应的抵抗措施，目前已知的是在放大器输入端对信号执行预失真处理，以便在放大器输出端提供一个无失真的放大信号。这种技术称为预失真处理，在图3中对此进行了描述。如图4所示，对预失真功率放大器而言，其输入输出信号特性即使在达到饱和的时候也基本上是线性的。记忆效应是另一个与功率放大器有关的问题。如图5所示，记忆效应典型地表现为功率放大器输出端上的载波周围的不对称频谱。也就是说，虽然载波(希望的信号)频谱是完全对称的，但是源于失真的寄生频谱相对于载波中心而言则有可能是不对称的。目前有一种设计预失真器的理论方法，该方法顾及了所有的记忆效应。这种方法称为Volterra级数。Volterra级数是众所周知的泰勒级数的一种扩展，并且它可以用作无记忆放大器的预失真器。然而，Volterra级数也顾及了时间延迟项，所述时间延迟项可以相当准确地模拟预失真，因此，Volterra级数可以用于抑制失真频谱。然而，就扩展中可能的项数而言，Volterra级数将会迅速增大。例如，对记忆深度(最大延迟)为5个采样单元的五次多项式而言，它会导致产生至少500个系数。由于无法以合理的复杂度来实现完整的Volterra级数，因此，在中提出了一种基于“记忆多项式”的近似法。在这种近似法中，预失真PD(n)可以表示为PD(n)=Σk=1KΣq=0Qakqx(n-q)|x(n-q)|k-1---(1)]]>不幸的是，这个表达式仍旧非常复杂，并且这种现有技术方法的缺陷在于必须为每一个新的输入采样x(n)评估该表达式。然而如下文所示，该表达式也可以改写成一种更适合实际实现方式的形式。这一推导基本上包含三个步骤1.将上述双重总和分离成只包含具有相同延迟的项的部分总和。由此可以给出PD(n)=Σk=1KΣq=0Qakqx(n-q)|x(n-q)|k-1=]]> 2.在这里要注意的是延迟信号x(n-q)并不取决于求和下标k。因此，局部总和可以因子分解成 3.识别出多项数Tq(|x(n-q)|)，以便得到PD(n)=Σq=0Qx(n-q)Tq(|x(n-q)|)---(2)]]> 注意在(2)中Tq(|x(n-q)|)是采用(复数)变量x(n-q)的绝对值的多项式。因此，通过将每一个延迟复数采样x(n-q)与依照|x(n-q)|的多项式相乘(它具有相同延迟q)，并且通过针对所有延迟把这些乘积加在一起，可以得到与中相同的最终结果P(n)。然而，如图6所示，这种新方法的优点是可以在恰当的|x(n-q)|值对多项式Tq进行采样，并且将其保存在查找表中。如图7所示，上述处理会将预失真器简化成简单的FIR滤波器结构，在该结构中，通常恒定的滤波器系数被替代成这些查找表。本专利技术所要解决的问题是确定图6中多项式Tq在采样点上的值。在图7所示的本专利技术的示范性实施例中，复数输入信号x(n)被转发到绝对值块10以及乘法器12。来自块10的绝对值信号被转发到代表采样的多项式T0的查找表LUT0。来自查找表LUT0的相应(通常是复数)值被转发到乘法器12，并且在该乘法器中将其与输入信号采样x(n)相乘。此外，输入信号x(n)也被转发到延迟块D，并且在该块中将其延迟一个或几个采样周期，以便形成延迟的采样x(n-1)。绝对值块10、乘法器12以及查找表LUT1对这个延迟的采样采用与对非延迟的采样相同的方式来处理。但是，本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：S·达利皮，
申请(专利权)人：艾利森电话股份有限公司，
类型：发明
国别省市：