数字预失真和功率放大器系统的基于深度学习的在线适配技术方案

提供一种用于改进功率放大器系统的性能的自动调谐控制器。该控制器包括：接口，该接口包括输入端子和输出端子，接口被配置为获取功率放大器(PA)的输入信号条件；训练电路，其包括处理器和存储器，处理器和存储器运行并存储数字多尔蒂放大器(DDA)控制器(模块)、DPD控制器(模块)和DDA

【技术实现步骤摘要】
【国外来华专利技术】数字预失真和功率放大器系统的基于深度学习的在线适配


[0001]本专利技术总体上涉及一种功率放大器系统，并且更具体地涉及一种数字多尔蒂功率放大器系统和一种用于增强射频功率放大器的性能的数字预失真(DPD)系统和功率放大器系统的基于学习的自动调谐优化方法。

技术介绍

[0002]无线通信数据量和速率的快速增长显著提高了无线发射机中的功耗，其中功率放大器(PA)是能耗的关键组成部分。已经提出了包括包络跟踪(ET)、多尔蒂功率放大器(DPA)、包络消除和恢复(EER)的若干高级技术以改善PA的功率增加效率(PAE)。在这些技术中，DPA是非常有前途的，这是由于其能够实现高平均效率的简单结构，其基于有源负载调制。
[0003]尽管DPA示出了用于效率增强的许多优点，但是传统的模拟DPA仍然遭受缺陷，这导致在能量效率和操作带宽方面的性能降低。传统DPA设计基于单个输入配置，其包含模拟功率分配器(可能是可调谐的)、固定相位对准、在AB类下运行的载波PA和在C类模式下运行的峰值PA，以及输出功率组合器。为了提高DPA效率，研究了若干种方法，包括栅极偏置自适应、非对称DPA、多路DPA、可调谐相位对准和自适应功率分流比。
[0004]为了获得最佳数字预失真(DPD)和PA性能，设计者需要手动地调谐电路操作参数，并且调谐过程仅对于诸如输入功率、频率和信号标准这样的固定操作条件是有效的。而在实际情况下，最佳控制参数随着输入和电路状态的变化而变化。补偿电路部分也是复杂且对于优化是具备挑战性的，使得DPA设计繁琐。这些都是基于纯模拟的设计的局限性。
[0005]需要一种更灵活的架构，诸如数字DPA(DDPA)，以自适应地找到用于各种电路状态以及各种带宽、调制格式、功率电平和调制格式的输入信号的最佳控制参数。此外，在本专利技术中，我们提出不仅自动调谐PA的控制参数，而且随着DPD性能的变化而自动调谐PA的学习成本函数，使得这两个系统同步地改善其性能。

技术实现思路

[0006]一些实施方式基于以下认识：数字功率放大器(DPA)是可编程的，使得它便于设计者的电路调谐过程(自动调谐)，并且可以考虑电路不平衡，诸如针对多条路径的相位延迟以及包括温度和老化的环境变化。因此，DPA不仅是灵活的，而且能够提供与模拟DPA相比增强的性能。
[0007]此外，本专利技术的一些实施方式提供一种用于改进功率放大器系统的性能的自动调谐控制器。该自动调谐控制器可以包括：接口，其包括输入端子和输出端子，该接口被配置为获取功率放大器(PA)的输入信号条件；训练电路，其包括处理器和存储器，该处理器和存储器运行并存储数字多尔蒂放大器(DDA)控制器(模块)、DPD控制器(模块)和DDA
‑
DPD神经网络(NN)。在这种情况下，训练电路被配置为执行：对输入信号条件进行采样，并且从DPD控制器的一组多项式模型中选择DPD模型并选择DDA控制器的一组DDA优化变量；使用优化的
DPD模型和DDA系数，其中，优化的DPD模型和DDA系数是通过基于预定的优化方法对DPD模型和DDA系数执行离线优化来提供的；收集优化的DPD系数和优化的DDA优化变量；使用经训练的DDA
‑
DPD NN来生成在线DDA最佳系数和DPD最佳系数；以及经由接口的输出端子来更新所生成的最佳DDA和DPD系数。
[0008]根据本专利技术的实施方式，提供一种DPA系统、数字多尔蒂功率放大器(DDPA)系统、数字预失真(DPD)和基于学习的自动调谐方法(优化方法)，其特别地提高了效率和增益，同时DPD与PA系统通过自适应控制配合工作以同时满足线性度要求。DDPA系统和优化方法可以用于包括发射机的3G、4G LTE和5G基站无线电前端的宽带移动通信。
[0009]此外，根据本专利技术的一些实施方式，提供一种数字多尔蒂功率放大器(DDPA)系统。该DDPA可以包括用于改进功率放大器系统的性能的自动调谐控制器以及具有控制输入和用于生成输出信号的输出的多尔蒂功率放大器(DPA)电路。在这种情况下，自动调谐控制器可以包括：接口，该接口包括输入端子和输出端子，该接口被配置为获取功率放大器(PA)的输入信号条件；训练电路，该训练电路包括处理器和存储器，该处理器和存储器运行并存储数字多尔蒂放大器(DDA)控制器(模块)、DPD控制器(模块)和DDA
‑
DPD神经网络(NN)。在这种情况下，训练电路被配置为执行：对输入信号条件进行采样，并且从DPD控制器的一组多项式模型中选择DPD模型并选择DDA控制器的一组DDA优化变量；使用优化的DPD模型和DDA系数，其中，优化的DPD模型和DDA系数是通过基于预定的优化方法对DPD模型和DDA系数执行离线优化来提供的；收集优化的DPD系数和优化的DDA优化变量；使用经训练的DDA
‑
DPD NN来生成在线DDA最佳系数和DPD最佳系数；经由接口的输出端子来更新所生成的最佳DDA和DPD系数。
[0010]本专利技术的一些实施方式提供一种DPD和数字多尔蒂放大器(DDA)系统，其在没有复杂的工程调谐的情况下完全自适应地找到最佳控制参数集，不管装置参数、环境变化，其中最佳控制的目标是例如宽带功率发射机中的高效率和合理增益。
[0011]本专利技术的一个实施方式是不具有对DPA装置的假设或先验知识的无模型算法，其中该算法基于黑盒优化以搜索最佳配置。最佳配置由最佳DPD模型的系数以及最佳PA系数组成。对于不同的操作条件，例如输入功率条件、频率带宽和信号调制等，离线获得该最佳配置。当离线收集到足够的最佳数据时，我们提出训练深度神经网络(DNN)模型，其将操作条件映射到最佳DPD和/或DPA配置。
[0012]一些实施方式不仅优化DPA效率，而且以灵活的方式增强增益和线性度性能，而学习成本中的线性度属性项与DPD线性化性能成比例。例如，在一些实施方式中，系统可以平衡不同频带中的增益和效率折衷，或者在某些约束下最大化效率。一个示例是优化效率，同时需要大于配置阈值的增益。在经调制信号的情况下，我们在相同的DDPA场景下优化效率、增益以及相邻信道功率比(ACPR)。ACPR是用于经调制信号以具有从主信道发射到相邻信道的有限功率的重要线性度指示符。
[0013]根据本专利技术的实施方式，一种数字功率放大器(DPA)系统包括：功率放大器(PA)电路，其具有控制输入和用于生成输出信号的输出；以及自适应控制电路，其由输入接口、输出接口、存储自适应控制算法的存储器和基于与存储器相关的自适应控制算法来执行指令的处理器组成，其中，输入接口接收PA电路的输入状态信号和输出信号，其中，自适应控制算法响应于输入状态信号和输出信号而确定从输出接口传输到控制输入的控制信号的控
制参数以用于控制PA电路的操作。
[0014]包括附图以提供对本专利技术的进一步理解，附图示出了本专利技术的实施方式，并与说明书一起用于解释本专利技术的原理。
附图说明
[0015][图1][0016]图1是示出现有技术的数字功本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于改进功率放大器系统的性能的自动调谐控制器，所述自动调谐控制器包括：接口，所述接口包括输入端子和输出端子，所述接口被配置为获取功率放大器PA的输入信号条件；训练电路，所述训练电路包括处理器和存储器，所述处理器和所述存储器运行并存储数字多尔蒂放大器DDA控制器(模块)、DPD控制器(模块)和DDA
‑
DPD神经网络NN，其中，所述训练电路被配置为执行：对所述输入信号条件进行采样，并且从所述DPD控制器的一组多项式模型中选择DPD模型并选择所述DDA控制器的一组DDA优化变量；使用优化的DPD模型和DDA系数，其中，所述优化的DPD模型和DDA系数是通过基于预定的优化方法对所述DPD模型和所述DDA系数执行离线优化来提供的；收集优化的DPD系数和优化的DDA优化变量；使用经训练的DDA
‑
DPD NN来生成在线DDA最佳系数和DPD最佳系数；以及经由所述接口的输出端子来更新所生成的最佳DDA和DPD系数。2.根据权利要求1所述的自动调谐控制器，其中，离线训练是基于先前优化的DPD模型和DDA系数来执行的。3.根据权利要求1所述的自动调谐控制器，其中，所述优化变量包括峰均比功率降低PAPR的阈值、功率比、相位差、衰减差、所述PA的主偏置电压、所述PA的峰值偏置电压。4.根据权利要求1所述的自动调谐控制器，其中，离线训练是通过Adam方法、梯度下降方法或随机梯度下降方法来执行的。5.根据权利要求1所述的自动调谐控制器，其中，所述输入信号条件至少包括PA的频率、信号功率电平和信号调制格式。6.根据权利要求1所述的自动调谐控制器，其中，所述神经网络是卷积神经网络CNN、深度神经网络DNN或鲁棒DNN。7.根据权利要求1所述的自动调谐控制器，其中，所述经训练的DDA
‑
DPD NN已经基于所述输入信号条件以及优化的DPD和DDA系数两者被离线训练。8.根据权利要求1所述的自动调谐控制器，其中，所述预定的优化方法是极值搜索优化、模拟退火、贝叶斯优化、爬山、遗传进化或最小二乘法。9.根据权利要求1所述的自...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：