一种基于神经网络的双频带预失真线性化方法和系统技术方案

本发明专利技术实施例提供了一种基于神经网络的双频带预失真线性化方法和系统，该方法包括：基于输入至第一/第二频带的数模转换与上变频模块的历史原始信号、模数转换与下变频模块输出的第一/第二频带历史反馈信号、预设神经网络预失真系统模型，预设神经网络算法超参数，确定预失真模型；并基于所获得的预失真模型，使得原始信号通过预失真器和功率放大器后得到的信号与原始信号呈线性。所提出的预失真模型具有紧凑简单的结构，此外能通过所设计的神经网络训练算法对模型进行了进一步的简化，因此最终模型不仅具有优秀的线性化性能，而且复杂度较低。同时由于对I/Q分量的分离处理，所提出的神经网络预失真系统具有矫正I/Q不平衡的能力。能力。能力。

【技术实现步骤摘要】
一种基于神经网络的双频带预失真线性化方法和系统


[0001]本专利技术涉及通信
，特别是涉及一种基于神经网络的用于双频功率放大器的预失真系统的信号处理方法。

技术介绍

[0002]为了校正信号通过功率放大器产生的非线性失真，需要对信号进行线性化。在线性化技术中，预失真技术以其实现复杂度低，稳定性高，带宽宽和线性化性能好等特点被广泛应用。特别的，近年来，随着5G通信技术的发展，商用频带呈现碎片化趋势，因此为高效放大在这些频带上的信号，能够同时放大两个频带信号的双频功率放大器被广泛的应用。为解决双频功率放大器的线性化问题，已经提出了经典的双频预失真架构。
[0003]具体来讲，该双频预失真技术就是在功率放大器前端加入两个分别与功率放大器两个频带的特性相反的预失真器，第一/第二频带的两路基带信号先分别通过两个预失真器进行预失真处理，将预失真处理之后的两路信号再通分别过两路数模转换器和第一/第二频带的变频器并合成具有两个频率的射频信号，最后再使该射频信号通过功率放大器。由于预失真器特性和功率放大器第一/第二频带特性互相补偿，因此，会使得功率放大器的输出信号与原始输入信号呈线性关系，从而实现对信号的线性化处理。
[0004]后为提升双频预失真技术的性能，神经网络被应用于构造双频预失真器。与基于多项式模型的传统预失真模型相比，基于神经网络的预失真器能够在复杂信号下取得更为优异的性能。然而，专利技术人发现，现在的神经网络预失真技术具有系数量大，复杂度高的缺陷，不适合用于实际工程，因此拟对传统神经网络模型结构进行改进，降低其复杂度，并提出能够进一步简化预失真模型的神经网络训练算法。此外，由于所提出的神经网络将I/Q分量分离处理，因此在对I/Q不平衡的通信系统下，依旧能取得优异的性能。在现实中的工程应用下，I/Q不平衡往往难以避免，因此很适合实际的工程应用。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种基于神经网络的双频带预失真线性化方法和系统，以提高在双频功率放大器场景下对信号的线性化处理的效果。具体技术方案如下：
[0006]第一方面，本专利技术实施例提供了一种基于神经网络的双频带预失真线性化方法和系统，该双频神经网络预失真系统包括：两路基带预失真器、两路数模转换与上变频模块、合路器、功率放大器、耦合器、两路模数转换与下变频模块、预失真参数识别器；预失真器、两路数模转换与上变频模块、合路器、功率放大器、耦合器、两路模数转换与下变频模块以及预失真参数识别器依次相连；预失真参数识别器还和原始输入信号相连。该方法包括：
[0007]预失真参数识别器获取输入至两路数模转换与上变频模块中的历史原始信号、两路模数转换与下变频模块输出的历史反馈信号，其中，历史反馈信号为历史两路原始信号分别通过两路数模转换与上变频模块、合路器、功率放大器、耦合器以及两路模数转换与下变频模块后输出的信号；
[0008]预失真参数识别器基于历史原始信号、历史反馈信号以及预设神经网络预失真系统模型，预设神经网络训练算法超参数，用该反馈信号拟合原始信号获得预失真器。
[0009]预失真器采用预失真模型对两路待失真原始信号进行预失真处理，并将处理得到的预失真后的待放大信号通过两路数模转换器与上变频模块、合路器输入至功率放大器；
[0010]功率放大器对预失真器输出的预失真后的待放大信号进行放大处理。最终使功率放大器的输出信号与原始信号呈线性。
[0011]可选的，神经网络预设两个双频预失真器模型，分别为如下公式：
[0012][z
L,I
(n),z
L,Q
(n)]＝φ
C,L
(x
L,I
(n),x
L,I
(n
‑
1),...,x
L,I
(n
‑
D),
[0013]x
L,Q
(n),x
L,Q
(n
‑
1),...,x
L,Q
(n
‑
D),
[0014]|x
L
(n)|,|x
L
(n
‑
1)|,...,|x
L
(n
‑
D)|,
[0015]|x
U
(n)|,|x
U
(n
‑
1)|,...,|x
U
(n
‑
D)|)
[0016]+φ
S,L
(x
L,I
(n),x
L,I
(n
‑
1),...,x
L,I
(n
‑
D),
[0017]x
L,Q
(n),x
L,Q
(n
‑
1),...,x
L,Q
(n
‑
D))
[0018][z
U,I
(n),z
U,Q
(n)]＝φ
C,U
(x
U,I
(n),x
U,I
(n
‑
1),...,x
U,I
(n
‑
D),
[0019]x
U,Q
(n),x
U,Q
(n
‑
1),...,x
U,Q
(n
‑
D),
[0020]|x
U
(n)|,|x
U
(n
‑
1)|,...,|x
U
(n
‑
D)|,
[0021]|x
L
(n)|,|x
L
(n
‑
1)|,...,|x
L
(n
‑
D)|)
[0022]+φ
S,U
(x
U,I
(n),x
U,I
(n
‑
1),...,x
U,I
(n
‑
D),
[0023]x
U,Q
(n),x
U,Q
(n
‑
1),...,x
U,Q
(n
‑
D))
[0024]其中，x
L
(n)为第一频带输入的基带信号，x
U
(n)为输入的第二频带基带信号，下标上I和Q分别代表基带信号的I路和Q路信号，即如z
L
(n)和z
U
(n)分别为输入的第一频带和第二频带的预失真信号，即预失真器输出信号，同样的φ
C,L
(
·
)和φ
S,L
(
·
)为第一频带的神经网络预失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的双频带预失真线性化方法和系统，其特征在于，所述双频带预失真线性化系统包括：第一频带预失真器、第二频带预失真器、第一频带数模转换与上变频模块、第二频带数模转换与上变频模块、合路器、功率放大器、耦合器、第一频带模数转换与下变频模块、第二频带模数转换与下变频模块以及预失真参数识别器；所述预失真器、所述数模转换与上变频模块、所述功率放大器、所述耦合器、所述模数转换与下变频模块以及所述预失真参数识别器依次相连；所述预失真参数识别器与所述原始输入信号相连。所述双频带预失真线性化方法包括如下步骤：步骤一、获取输入至所述数模转换与上变频模块中的第一/第二频带的两路历史原始信号x
L
(n)和x
U
(n)、所述第一/第二频路的两路模数转换与下变频模块输出的历史反馈信号y
L
(n)和y
U
(n)，其中，所述历史反馈信号为所述历史原始信号通过所述数模转换与上变频模块、所述功率放大器、所述耦合器以及所述模数转换与下变频模块后输出的信号；步骤二、所述预失真参数识别器基于所述两路历史原始信号、所述两路历史反馈信号以及预设神经网络预失真模型和预设神经网络训练超参数，确定待建立的预失真模型参数；步骤三、所述预失真器基于预设的神经网络预失真模型和所述预失真参数识别器计算的参数，以及第一/第二频带的两路历史原始信号x
L
(n)和x
U
(n)和所述第一/第二频路的两路模数转换与下变频模块输出的历史反馈信号y
L
(n)和y
U
(n)，对第一/第二频路分别建立预失真器模型，对当前输入信号进行预失真处理，并将处理得到的预失真后的待放大信号输入至所述功率放大器；步骤四、所述功率放大器对所述预失真器输出的预失真后的待放大信号进行放大处理。2.根据权利要求1所述一种基于神经网络的双频带预失真线性化方法和系统，其特征在于，所述预设神经网络预失真模型，由交叉项神经网络结构和短路神经网络结构组成，其中交叉项神经网络结构包括输入层、隐藏层和输出层，短路神经网络包括输入层和输出层。对于第一频路的神经网络而言，其交叉项神经网络的输入层包括第一频路输入信号x
L
(n)的历史I/Q分量，第一频路输入信号x
L
(n)的历史幅度值，和第二频路输入x
U
(n)的历史幅度值；对于第二频路的神经网络而言，其交叉项神经网络的输入层包括第二频路输入信号x
U
(n)的历史I/Q分量，第二频路输入信号x
U
(n)的历史幅度值，和第一频路输入信号x
L
(n)的历史幅度值。对于第一频路神经网络而言，交叉项神经网络的输出层为第一频路当前输出y
L
(n)的I/Q分量；对于第二频路神经网络而言，交叉项神经网络的输出层为第二频路当前输出y
U
(n)的I/Q分量。交叉项神经网络的隐藏层采用双曲正切函数作为激活函数...

【专利技术属性】
技术研发人员：于翠屏，唐珂，黎淑兰，刘元安，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：