專利名稱：非線性建模方法
技術領域：
本發(fā)明涉及對非線性過程或系統(tǒng)分析并建模的方法，以便基于真實器件的非線性性能觀測以及要補償?shù)氖д娴奈锢頇C制提供RF-功放的失真最小化(即線性化或預失真)。
背景技術：
移動通信系統(tǒng)，例如用于蜂窩電話通信的系統(tǒng)，將頻譜分成多個單獨的信令信道或頻段。特定的信道在單個用戶接入系統(tǒng)時分配給他們。每個用戶的通信路徑通過分配給該用戶的信道在系統(tǒng)中做路由選擇。
系統(tǒng)廣播的信號必須仔細地調(diào)整以便它們只出現(xiàn)在分配給各個用戶的信道內(nèi)?！皫狻毙盘柨赡軙囊粋€信道溢到另一個信道，引起不可接受的對其它信道通信的干擾。為了增強數(shù)據(jù)在這種信道中的傳輸，要使用諸如QAM、8-PSK以及其它包含幅度調(diào)制的線性調(diào)制，而不是象舊系統(tǒng)那樣使用恒定幅度、相位或頻率調(diào)制。新的3G系統(tǒng)將需要多載波放大器。這些新的調(diào)制技術要求高線性放大器以及上變頻器以便不會引起對蜂窩系統(tǒng)其它信道的干擾。將任何調(diào)制的多個載波合并到單個RF-功放(MCPA)中意味著放大器會對線性度要求非常高，以避免頻譜再生將RF功率擴散到輸入信號沒有出現(xiàn)的頻譜區(qū)域中。
一般的RF功率線性化技術利用已知的前饋技術(FF)及其各種變化。為了改善這種概念的性能，嘗試了針對主功放將信號預失真的各種結構。這樣做可以在前饋環(huán)路中提供糾正信號之前減少主放大器的失真，因此實現(xiàn)較好的效率并在FF環(huán)路中需要較少的糾正。這種專利的例子如WO97/37427、WO99/23756、WO99/45640以及WO99/45638，從它們之中可以看出在前饋應用中產(chǎn)生主功放的預失真信號或者在要求不太嚴格的應用中只對RF放大器使用預失真線性化而不對前饋環(huán)路進行，一般都會增加模擬復雜度。隨著DSP以及ADC和DAC技術中半導體技術的改進，已經(jīng)努力在數(shù)字域而不是模擬域做預失真。已經(jīng)提交了各種關于數(shù)字預失真的專利。首先這些數(shù)字預失真專利涵蓋的是線性調(diào)制單載波放大器的改進。這里提到的參考是U.S.PatentNo.4,291,277、U.S.Patent No.5,049,832。對數(shù)字預失真發(fā)展的前期歷史給出較好見解的技術文章如James Carver在IEEETransactions on Vehicular technology，Vol.39 No.4 Nov 1990上的“Amplifier Linearization using Digital Pre-distorter withfast adaptation and Low Memory requirements(快速自適應以及低存儲量要求的使用數(shù)字預失真的放大器線性化)”以及Andrew S.Wright和Willem Durtler在IEEE Transactions on Vehiculartechnology，Vol.41，No 4，Nov 1992上的“Experimental Performanceof an adaptive Digital Linearized Power Amplifier(自適應數(shù)字線性化功放的實驗性能)”。

圖1所示的是Carvers等人的數(shù)字預失真器的框圖。
RF功率多載波功放(MCPA)對線性化的要求很高，以避免頻譜再生將RF功率擴散到輸入信號沒有出現(xiàn)的頻譜區(qū)域中。與已知的模擬前饋技術類似，數(shù)字預失真以及后失真實現(xiàn)的不同專利在例如Leyondecker的WO97/30521、WO98/51005、U.S.Patent No.5,923,712以及WO98/12800等專利文件中都有揭示。
圖2表示提供給無線系統(tǒng)的數(shù)字預失真(DPD)應用的基本框圖。但是DPD也可以用于需要數(shù)字線性化的其它系統(tǒng)。所提到的專利涉及的是所謂數(shù)字實時電路的實現(xiàn)，而且在較小的范圍內(nèi)涉及的是用于DSP中為了更新查找表和其它控制參數(shù)的計算程序(算法)。實際的設計必須在硬件和軟件上考慮實際實現(xiàn)的難易程度。
所有提到的專利依據(jù)圖1所示的基本結構，帶有一些附加功能以便處理并補償實際物理器件所帶有的基本增益和相位非線性傳遞函數(shù)之外的東西。諸如放大器(PA)之類的非線性器件的數(shù)字模型必須結合包含更多維數(shù)據(jù)的模型，考慮所謂“記憶效應”。通過將輸入信號在一定時間上積分，得到輸入信號峰值對平均信號電平的測量。然后用于產(chǎn)生描述不僅依賴于實際輸入信號強度的器件性能依賴性的表。Spectrian的專利文件WO98/12800描述了通過使用所謂“泄露積分器”從測量的放大器性能得到信號幅度滑動平均信息的方法，并從中產(chǎn)生描述合并成一張表的放大器性能的函數(shù)。Spectrian的專利使用信號幅度作為“泄露積分器”的輸入，這基本上是錯的，因為權利要求是針對功率依賴性的。因此“泄露積分器”應該工作在代表信號功率的幅度平方上。上面提到的專利以及U.S.Patent No.5,949,283和U.S.Patent No.5,959,500是如何從放大器輸出信號的觀察中產(chǎn)生表的不同實現(xiàn)。使用觀察產(chǎn)生表以便對放大器的輸入信號預失真，是為了在放大器的輸出端改善失真。在預失真器中增加復雜性，查找表(LUT)大小通常會急劇增加。這些專利也描述了使用所產(chǎn)生的查找表產(chǎn)生用于后失真的信號的情況，后失真是在主放大器的輸出端用另一個放大器上變頻器從主放大器中提取出來的。這樣就增加了解法的復雜度。
本發(fā)明只用于需要對諸如RF功放(PA)之類的非線性器件進行失真抵消的數(shù)字部件的設計以及實現(xiàn)該結果的算法設計。在本文的其它部分將認為功放是非線性器件。針對這個問題已經(jīng)授權了各種不同的框圖及專利。值得一提的事情如下。在這些專利中實現(xiàn)的結果需要非常大的多維存儲空間，計算所需的存儲器內(nèi)容的算法不清晰。申請這些專利所提供的失真抵消同樣是未知的，因為它們的結構和算法確實損害了真實器件的各種PA性能，例如在所實現(xiàn)的數(shù)字框圖的相同功能模塊中存在相位延遲、功率依賴性以及偏置依賴性。U.S.Patent No.-5,923,712描述了包含提取幾個權重抽頭的表的方法，以某種特殊的方式將功率和幅度抽樣以不同的延遲合并以決定一些平均性能。其結果結合了直接逆預失真建模。U.S.5,923,712的圖8表明對于一種實際情況來說，如果要使用存儲器預測，該實現(xiàn)將變得如何復雜。在其它專利中也揭示了為功率依賴性預測而實現(xiàn)的多維表。
所有這些專利的依據(jù)是，放入LUT中的補償增益的計算是通過對所觀察的RF功率輸出信號與時間延遲(調(diào)整)的輸入信號做直接求逆除法而完成的。每個特定的專利都需要使用很多特殊設計的算法以便改善直接求逆算法和用做諸如信號噪聲靈敏度降低和算法收斂的特定框圖帶來的基本錯誤。
最近公布的專利US2001/050592 A1以及US2002/0008578 A1是基于Volterra分析和解決Volterra內(nèi)核的聰明數(shù)學方法(見參考[1]和[2])的最有前途的方法。其結果是多個查找表，每個表元從不同的控制參數(shù)讀出，而且該結果被加入并提供到FIR-濾波器的系數(shù)中解決記憶效應。
因此還需要提供RF功放失真最小化(即，線性化或預失真)的簡單而有效的方法。
因此本發(fā)明不象上面概述的那樣進行直接求逆計算，而且在本新過程的描述中將要解釋這點。
發(fā)明概述本發(fā)明的方法在分析非線性問題的結構上不同于上面提到的解決方案。上面的那些專利提供多個非線性函數(shù)，它們以熟知的并行方法添加到最終系數(shù)值，產(chǎn)生多維查找表，以此分析失真的不同原因。(圖23a)在本發(fā)明中則使用完全不同的方法。在非線性建模和相應的預失真器設計中都利用了各依賴于一個非線性參數(shù)的多個模塊。新的模型可用于非線性系統(tǒng)的特征化或者非線性系統(tǒng)線性化。所示的在通信系統(tǒng)多載波放大器中的應用是一個應用實例。而且對于其它應用領域這種新的數(shù)學方法也是可行的(回聲抵消、非線性通信信道等)。參數(shù)提取以及新模型的表，不象現(xiàn)有技術的參數(shù)提取那樣給出多維表和多維數(shù)學解法。(圖23b)這里作為例子描述的實施例用于非線性功放系統(tǒng)，但是這種新方法在其它非線性系統(tǒng)中的應用也是沒有限制的。
第一個實施例是實現(xiàn)圖24a和24c所示的新模型結構的數(shù)學過程，并由如下陳述定義一個非線性過程或系統(tǒng)可以表示為依賴于一組參數(shù)P1到PN的過程，定義為稱做NLS(P1，P2，...PN)的非線性過程。這個過程可以用多個子過程聯(lián)乘來描述，每個子過程依賴于過程P1到PN中的一個。每個子過程可以是包含線性和非線性過程的通用Wiener或Hammerstein過程(也參見[2])。該過程或系統(tǒng)用如下方式描述該模型首先描述了依賴于過程P1的主非線性子系統(tǒng)(MNLS)的傳遞函數(shù)。接著相乘的非線性系統(tǒng)過程(i)各用傳遞函數(shù)1+dNLS(dPi)來描述，這里的dNLS(dPi)過程定義為與前面級聯(lián)的過程不同的子過程。過程dPi定義為等于實際過程值Pi與用于前面過程的過程參數(shù)Pi的平均值Pi_mean之間的差。(圖24a)第一主系統(tǒng)過程[MNLS(P1)]可以通過模型參數(shù)自適應來評估，也就是最小化實際過程的觀測輸出與依賴于參數(shù)P1的建模主非線性過程MILS(P1)的計算輸出之間的誤差。假定模型和實際測量的非線性過程有相同的輸入激勵。進一步評估下一個級聯(lián)的過程，過程值Pi的自適應是使用目前模型化的過程輸出與具有相同輸入激勵的實際過程的實際輸出之間的誤差做進一步計算來實現(xiàn)的。
使用新的可級聯(lián)非線性過程描述的實際非線性過程或系統(tǒng)的線性化，可以通過將各依賴于過程參數(shù)Pi的級聯(lián)子過程連接到實際的非線性過程或系統(tǒng)之前來進行。過程的連接是這樣的，首先級聯(lián)的模塊是依賴于不同參數(shù)dPN的非線性子過程，最接近實際非線性系統(tǒng)的過程依賴于與主非線性系統(tǒng)模型MNLS(P1)有關的過程參數(shù)P1。每個子過程都具有相應的非線性模型子過程的逆過程函數(shù)。逆子過程或者是非線性模型子過程的直接求逆1/1(1+dNLS(Pi))或者表示為1+dNLSm(Pi)，這里dNLSm(Pi)是與非線性模型依賴于同一過程Pi的修正過程，利用了Hammerstein和Wiener過程二象性原理。依賴于參數(shù)P1功能的主過程MNLS(P1)的逆函數(shù)可以是非線性模型直接求逆過程1/MNLS(P1)，或者使用Hammerstein及Wiener過程二象性原理，利用過程MNLSm(P1)的非線性信號傳輸特性直接求逆的計算得到。(圖24b和24c)所描述的線性化過程的自適應及優(yōu)化通過最小化輸入激勵與整個系統(tǒng)——包含級聯(lián)線性化系統(tǒng)模塊及實際非線性系統(tǒng)——的觀察輸出之間的誤差貢獻來完成。誤差最小化首先在逆過程模塊1/MNLS(P1)或級聯(lián)的MNLSm(P1)中針對主過程P1進行。當自適應達到最小而且自適應過程不能得到進一步的誤差減少時，線性化系統(tǒng)就繼續(xù)進行依賴于不同過程P2的前一個級聯(lián)模塊的誤差最小化，直到級聯(lián)線性化系統(tǒng)的最后一個參數(shù)最小化。然后線性化可以進行第二輪或者通過進行從參數(shù)P1開始、參數(shù)PN結束的同一誤差最小化過程，繼續(xù)線性化自適應循環(huán)。
線性化級聯(lián)中的線性化子模塊的自適應也可以通過在一個系統(tǒng)處理器中計算虛擬非線性模型來調(diào)整，該系統(tǒng)處理器控制線性化過程并最小化所計算的虛擬模型輸出與總系統(tǒng)輸出之間的誤差。然后通過所計算的模型模塊的直接求逆更新線性化子模塊。也可以使用混合自適應技術，線性化電路中的一些子模塊用部分在處理器中計算的虛擬非線性系統(tǒng)模型得到的值更新，而其它模塊通過信號傳輸特性直接求逆的計算——最小化線性化系統(tǒng)的輸入激勵與觀測輸出之間的誤差——來直接更新。
上面陳述的過程也可以重新組織，使主過程MNLS依賴于一個以上的過程，即MNLS(P1，P2，...PM)，子過程也可以設為dNLS(PM，PM+1...)，這種情況下每個子過程的計算量將是多內(nèi)核解法。可以使用單個過程模塊和多個過程模塊的混合。
這里描述的誤差最小化自適應技術已經(jīng)用于現(xiàn)有技術的非線性系統(tǒng)的已有實踐中，但是現(xiàn)有技術系統(tǒng)總是用非線性模塊相加的方式設計的，而不是象本發(fā)明中用級聯(lián)非線性模塊相乘的方式。
在第一實施例中，通過實現(xiàn)數(shù)字非線性功放模型以及用于該功放的預失真電路的例子，本文進一步表明其正確性。
在發(fā)明的第二實施例中，用非線性器件建模方法得到了非線性器件的數(shù)字基帶表示，能夠針對所使用非線性器件的每個建模特性，使模型的有效性得以優(yōu)化。該模型使描述并評價不同的器件特性成為可能。可以計算準確地評估AM到AM以及AM到PM的特性。可以評價用包絡調(diào)制信號激勵的器件的頻率響應。可以找到輸入信號功率的溫度時間響應。所評價的特性可以用于生產(chǎn)設備中驗證產(chǎn)品質(zhì)量的測試過程。例如可以評價器件的熱裝配故障。
在發(fā)明的第三實施例中，按照實際PA器件模型的逆級聯(lián)構造根據(jù)本發(fā)明的數(shù)字預失真功能模塊，其性能基于真實器件特性。該數(shù)字功能設計為信號能夠通過的級聯(lián)排列的功能模塊。模塊按照如下方式設計為各個不同功能模塊指定真實功放的不同的性能或參數(shù)描述。根據(jù)性能要求，可以允許或禁止這些功能模塊。
計算模塊參數(shù)的算法基于應用于DSP的現(xiàn)代信號處理技術。不需要多維數(shù)學Voterra內(nèi)核解法。基本數(shù)字電路解法在功能上是可擴展的。這意味著對于中等需求來說可以使用較少的模塊，數(shù)字信號處理器(DSP)中計算的算法也較少。任何功能模塊中也不需要多維存儲器LUT。
根據(jù)本發(fā)明的解法也能夠糾正信號帶寬內(nèi)引入的群延遲誤差，數(shù)字預失真應用的單表式現(xiàn)有技術解法是不能糾正這個誤差的。此外，也能夠糾正依賴于功率的頻率及時間響應。
根據(jù)發(fā)明的第四實施例，為了便于DSP實現(xiàn)并降低程序所需的存儲量，只有幾個基本的可復用的算法是計算以及更新新的數(shù)字預失真器的不同功能模塊所需要的，或者是非線性器件數(shù)字模型特性的計算所需要的。這些算法在每個提供的模塊中用于信號時間校準、記憶效應計算以及單個LUT表更新計算。
根據(jù)發(fā)明的另一個第五實施例，新的現(xiàn)代數(shù)字信號處理算法用于所揭示的DPD電路，在圖1中概述并在現(xiàn)有技術中認為是“無記憶數(shù)字預失真器”的基本數(shù)字功能模塊可以用“帶有記憶補償?shù)臄?shù)字預失真器”來實現(xiàn)。
根據(jù)本發(fā)明的非線性分析方法通過獨立權利要求1及從屬權利要求2-6提出。
附圖的簡要描述通過參考如下結合附圖的描述可以最佳地理解本發(fā)明及其更多的目的和優(yōu)點，其中圖1說明基本的AM到AM以及AM到PM預失真模塊(現(xiàn)有技術)；圖2說明數(shù)字預失真應用(現(xiàn)有技術)；圖3是PA模型特征的評估示意圖；圖4a表示具有偏置電源電路的功率放大器；圖4b表示帶有FIR濾波器以及將輸入信號與復增益表LUT相乘的裝置的數(shù)字模型表示。
圖5a表示新數(shù)字預失真器的基本復增益調(diào)整模塊；圖5b說明新數(shù)字預失真器是圖4b中得到的數(shù)字PA模型的逆函數(shù)；圖6a說明用于所得的PA模型頻譜性能的測量輸入信號頻譜；圖6b表示所得到的沒有提供預失真器的PA模型的頻譜性能；圖6c表示5次LUT自適應之后實現(xiàn)的現(xiàn)有技術直接逆增益預失真器的頻譜性能；圖6d表示也是在5次LUT自適應之后根據(jù)本發(fā)明的預失真器的改進頻譜性能；圖7a說明幅度增益數(shù)據(jù)庫以及逆相位增益數(shù)據(jù)庫，針對現(xiàn)有技術直接逆增益計算DPD解法的第一次自適應；圖7b說明幅度增益數(shù)據(jù)庫以及逆相位增益數(shù)據(jù)庫，針對現(xiàn)有技術直接逆增益計算DPD解法的第五次自適應；圖7c表示現(xiàn)有技術直接逆增益計算DPD解法的5次自適應之后幅度增益以及相位增益LUT表的內(nèi)容；圖8a表示按照圖7a比例尺畫出的同一幅度和相位增益數(shù)據(jù)庫，這是針對根據(jù)本發(fā)明，在數(shù)字信號處理器中使用本發(fā)明前面描述的FIR均衡算法計算PA模型+DPD性能的第一次自適應；圖8b表示根據(jù)本發(fā)明的第五次自適應之后的同一數(shù)據(jù)庫，可以看出增益計算和自適應的數(shù)據(jù)區(qū)域顯著減??；圖8c表示根據(jù)本發(fā)明的五次自適應之后，逆幅度和相位增益表內(nèi)容放入預失真器LUT；圖9說明新建議的數(shù)字模型功能模塊，用于進一步減少數(shù)字PA模型與PA測量性能之間的誤差矢量；圖10說明依賴于數(shù)字模型微分復增益的功能模塊；圖11a表示依賴于第一PA模型“增益/相位”的連續(xù)優(yōu)化所得結果的模塊；圖11b表示當依賴于“微分增益”的模塊加入數(shù)字器件模型時的同一結果；圖11c表示微分增益幅度和以弧度為單位的微分增益相位與輸入信號幅度的關系；圖12說明輸入信號微分功率以及模型幅度誤差與測量的功放關系圖；圖13a表示微分輸入功率互相關與模型和實際設備的幅度誤差關系；圖13b表示模型和測量設備之間糾正的幅度誤差與原有的幅度誤差；圖14表示帶有依賴于功率的功能模塊的數(shù)字模型；圖15a說明數(shù)字模型頻譜誤差與微分增益補償加入基本增益/相位依賴模塊中的實際器件的比較；圖15b表示數(shù)字模型頻譜誤差與進一步增加了功率依賴功能模塊校正的實際器件的比較；圖16a說明增強的數(shù)字模型功能模塊；圖16b表示數(shù)字模型與測量器件之間的誤差頻譜性能以及測量的PA頻譜性能；圖16c說明圖16b所示結果的模型計算流圖，以及根據(jù)圖16a的增強數(shù)字模型模塊標為“模塊1”到“模塊3”；
圖16d說明圖16c的“模塊1”的詳細計算；圖16e說明圖16c的“模塊2”的詳細計算；圖16f說明圖16c的“模塊3”的詳細計算；圖17a說明根據(jù)本發(fā)明的基本預失真器系統(tǒng)；圖17b表示使用基本預失真器系統(tǒng)的流圖；圖18表示增益/相位復矢量乘法模塊；圖19表示增益/相位預失真功能模塊；圖20表示微分復增益預失真模塊；圖21表示DPD應用所需的預失真模塊；圖22說明根據(jù)本發(fā)明用于DPD及前饋MCPA合成應用的數(shù)字預失真器；圖23a及b說明現(xiàn)有技術非線性方法與本發(fā)明之間的差別，這里所示的是3參數(shù)非線性系統(tǒng)描述，盡管現(xiàn)有技術和本發(fā)明都可以使用更多的參數(shù)；以及圖24a、b和c說明根據(jù)所描述的本發(fā)明新方法的基本過程。
發(fā)明的詳細描述為了定義性能良好的數(shù)字預失真器，必須了解稱為(PA)的非線性器件的性能。因此PA性能必須通過測量和數(shù)字基帶PA模型了解，數(shù)字基帶PA模型被描述為因此而設計的輸入數(shù)字信號的實矢量I及虛矢量Q抽樣的函數(shù)。模型特征化通過下載輸入信號時間內(nèi)所限范圍的抽樣以及同樣范圍內(nèi)真實功放或其它非線性器件的數(shù)字測量來完成。如果是按照模型化的器件設計的話，數(shù)字模型與真實器件信號實際測量之間的信號誤差通常作為數(shù)字預失真應用可以實現(xiàn)的性能來估計。
為了對本領域一般技術人員解釋本發(fā)明，基于對真實電路產(chǎn)生不同非線性失真的物理原因的理解，發(fā)明的第一部分詳細描述了如何推導PA模型的級聯(lián)功能模塊，該模型可用于真實PA的數(shù)字基帶表示。所提供的算法基于現(xiàn)代數(shù)字信號處理技術，而不是基于為了使現(xiàn)有技術數(shù)字預失真器能夠工作而在其中發(fā)明的優(yōu)化程序。本推導中的例子顯示了使用商業(yè)測試裝置以及一個能夠傳遞大于300W峰值功率的伴隨功放得到的測量值。
然后概述了所建議的數(shù)字預失真電路，它是提供完整功能的PA模型的逆函數(shù)。
性能仿真所示的是根據(jù)本發(fā)明第四實施例的最小預失真器仿真，以便對比參考專利中提到的基于直接逆增益計算算法的現(xiàn)有技術數(shù)字預失真器，表示使用不同算法的新發(fā)明中的改進使性能改善得以實現(xiàn)，PA數(shù)字模型推導PA的失真可以認為來自不同因素，而且可以歸于不同現(xiàn)象。
來自所用器件的AM到AM以及AM到PM的非線性實際電路匹配網(wǎng)絡以及偏置電源及器件的時間及相位延遲產(chǎn)生的線性記憶效應。可以認為是器件的包絡響應。
器件的非線性記憶效應，例如輸入電源和溫度的依賴性以及輸入信號對器件電壓變化的依賴性。
第一類失真通常用逆增益補償來處理，如現(xiàn)有技術中描述的無記憶DPD。
第二類，當現(xiàn)有技術預失真器的直接逆增益計算將輸入信號除以測量信號時，可以避免線性記憶效應。現(xiàn)有技術專利表示了各種試圖描述這些現(xiàn)象的方法。處理并描述第二類現(xiàn)象的方法將在下面描述的性能評估中表示，那里描述了根據(jù)本發(fā)明的第四實施例，本發(fā)明和現(xiàn)有技術之間的PA+DPD性能差別的示例仿真。
第三類記憶效應是最難描述的一種，但是本發(fā)明中的方法為描述這類行為的特征提供了可能，并為信號功率依賴性提供了預失真解法，如果需要的話還可以做類似電源削波之類的進一步改進。功率依賴性以及其它偶數(shù)階的失真貢獻了DC附近的頻譜成分，由于實際放大器中的反饋效應而修改了功放的RF輸出譜。
功放測量技術本領域的一般技術人員會認識到數(shù)字預失真應用的整個系統(tǒng)性能非常依賴于測量器件的實際設計。
在圖2中描述了典型的DPD應用，測量器件是下變頻器和ADC。如果測量器件沒有校準的話，使用數(shù)字自適應而實現(xiàn)的閉環(huán)系統(tǒng)也會補償測量器件的不準確性。
圖3是用于非線性器件特征化以及數(shù)字模型評估的測量概圖。可以使用商用的信號發(fā)生器以及矢量信號分析儀。信號發(fā)生器產(chǎn)生調(diào)制的測試信號。這個測試過程使用來自信號發(fā)生器的相同激勵信號，使用“直通”線以及測試“功放及衰減器”性能時測試的輸入信號中都出現(xiàn)同樣的測量誤差。對復信號抽樣并提供給數(shù)據(jù)采集單元。輸出和輸入信號再輸出到處理器中分析及PA模型評估。圖2所示的基本結構也可以通過在概圖中引入同樣類型的開關而改成這類測量系統(tǒng)。
在本發(fā)明揭示中，由于商用設備的帶寬限制，所示的測量是在作為輸入信號的1載波WCDMA信號上進行的。測量的評估表明根據(jù)本發(fā)明的方法可用于所有測量器件。所測器件的2類和3類性能中體現(xiàn)了一些差別。所測器件的輸出功率越高，體現(xiàn)的輸入信號實際功率依賴性就越大。
PA表示的增益模型圖4a和4b是推導本發(fā)明的模型表示的基礎。它代表本發(fā)明第一實施例中描述的主非線性模塊。在圖4a中，也表示了器件的偏置電源電路。偏置電源線上有一些去耦電容，連線和器件的電路板線上也存在阻性的損耗。這就意味著器件不是被理想電壓源驅(qū)動的，而更可能是被帶有跟隨低通濾波器的非零電阻的電壓源所驅(qū)動。這就意味著當輸入信號幅度改變時，器件電流中會引入一些延遲。而且器件本身也有引入延遲的階越響應。
盡管網(wǎng)絡分析儀上通常的增益對頻率響應測量表現(xiàn)出器件很平坦的增益響應，但是包絡變化的數(shù)字調(diào)制輸入信號的非線性器件響應將是帶寬受限的。顯然第一件事就是描述真實PA硬件引入的延遲，考慮到引入的相位延遲，向PA的數(shù)字基帶模型增加低通濾波器。低通濾波器用FIR濾波器或其它類型的數(shù)字濾波器實現(xiàn)。這個濾波器只需幾個抽頭，因為主要目的是描述PA信號的平均近似延遲。用頻譜分析儀測量實際的PA時，這個低通濾波器延遲是輸出失真的高端和低端出現(xiàn)不同邊帶電平的主要貢獻者。由于該延遲，高頻側(cè)失真總是高于低頻側(cè)。數(shù)字基帶的新PA模型在圖4b中表示。有了這個模型表示，就可以描述模型中偏置電源的低通影響以及其它延遲。這里描述的PA模型表示是已知的Hammerstein函數(shù)模型，包含非線性部分和線性部分(FIR濾波器)。
PA模型FIR濾波器計算為了特征化模型中使用的濾波器，用到了數(shù)字接收機技術中熟知的均衡濾波器算法以及方法。在本說明書中，F(xiàn)IR濾波器稱為圖4b中的H0。見圖4b，輸入信號與復增益表LUT權重相乘，得到以Sin_GC表示的信號，用于與測量的PA輸出信號比較。確定濾波器抽頭系數(shù)需要解時間校準的信號與基于時間抽樣的PA輸出信號的卷積方程。
那么解濾波器卷積方程Sin-GCH0＝Vout，得到H0抽頭值。
通常離散時間卷積中的輸入信號Sin_GC寫做矩陣，H0和Vout寫做矢量，用矩陣數(shù)學求解H0 FIR的抽頭值。調(diào)整零頻上得到的H0 FIR濾波器的增益，使之等于1，以便不改變會影響LUT絕對增益值的模型幅度增益。當H0濾波器中使用的抽頭較少時，即所謂“均衡FIR濾波器”，矩陣方程就是解法的最小二乘近似。定義濾波器抽頭的方程多于需要的數(shù)目。因此方程可以在得到的信號中給出噪聲抑制。這里使用的實際均衡濾波器算法是這樣設計的濾波器群延遲的中心在FIR濾波器的中間抽頭處，奇數(shù)抽頭用于實現(xiàn)抽樣時間校準。使用3或5個抽頭的濾波器在一般應用中就可以很好地工作，盡管實際實現(xiàn)上對此沒有限制。
輸入信號Sin_GC與得到的FIR濾波器的卷積在處理器中計算，所得的信號用于復增益計算，與測量的PA輸出信號比較。FIR濾波器應用給出器件特征化中復增益表LUT計算所需的精確權重。如果在LUT存儲器中提供復增益的逆增益值，這樣計算的復增益LUT可以用于數(shù)字預失真器應用。相比現(xiàn)有技術的直接信號抽樣及通過信號除法實現(xiàn)的逆增益(例如專利WO98/51047中的描述)，均衡器FIR濾波器算法的實現(xiàn)在對計算中的數(shù)據(jù)加權上得到更好的結果。發(fā)明者認識到實際的非線性器件存在一些預失真器必須補償?shù)难舆t，并且試圖在DPD模塊結構中加入一些時間延遲的信號抽樣?，F(xiàn)有技術中使用的在兩倍或更多倍處抽樣的線性插值近似只能得到微小的改善，而且通常會導致多維表LUT存儲器，如我們在所提到的Leyondecker等人的專利中看到的那樣。
使用現(xiàn)有技術中的直接逆增益計算，而沒有逆復增益表計算所用信號的濾波器均衡，意味著更新LUT表的數(shù)字自適應會收斂到非最佳的結果。其結果是在現(xiàn)有技術實現(xiàn)中，數(shù)字預失真之后的輸出信號表現(xiàn)出對失真的邊帶電平抑制不相等?，F(xiàn)有技術只能工作在記憶效應很小的特殊PA設計中。使用均衡濾波器也能夠減少用于更新LUT表值的數(shù)據(jù)中的噪聲。
下面根據(jù)本發(fā)明的第五實施例的描述中體現(xiàn)了現(xiàn)有技術解法的一些缺點。
用于減小增益及相位失真的基本數(shù)字預失真器(DPD)在本章中，將解釋以逆方式使用圖4中得到的數(shù)字PA模型作為DPD的算法及方法。本章末尾的一個示例仿真將體現(xiàn)現(xiàn)有技術解法與本發(fā)明中揭示的解法之間的差別。
應用描述在如圖5a所示的簡單增益/相位調(diào)整預失真器這樣的應用中，與圖1所示的現(xiàn)有技術概圖的區(qū)別是引入了圖5b中所示的逆FIR濾波器(H0-1)。圖5b表示該數(shù)字預失真器是圖4b中得到的數(shù)字PA模型的逆函數(shù)。預失真器中的FIR濾波器(H0-1)是前面提到的描述器件對包絡調(diào)制響應的H0濾波器的逆濾波器。預失真器增益表LUT含有器件的逆復增益。本發(fā)明中的這個方法與現(xiàn)有技術不同。通過每次迭代計算完整的預失真器及PA的均衡復增益，然后在每次自適應時使逆復增益值適應預失真器，可以實現(xiàn)這種簡單預失真器的性能改善。主要區(qū)別是對復增益計算的數(shù)據(jù)使用H0 FIR加權。
圖5b表示在所得的描述實際器件的增益/相位的數(shù)字器件模型之前的新數(shù)字預失真器。從圖中可以觀察到預失真電路根據(jù)圖4b的PA數(shù)字模型的直接逆模型設計。圖5b可以用于仿真環(huán)境中。如果禁止逆濾波器補償H0-1，預失真器就與圖1所示的現(xiàn)有技術具有相同的概圖。PA模型計算是調(diào)整Vin信號使之類似Vout信號，Vin加到PA模型輸入端口，本過程與之相反，通過預失真器調(diào)整Vin信號，使Vout信號類似或等于Vin信號，從而進行逆PA建模。在DPD計算中，當計算預失真器與PA模型濾波器合成的總增益時，所得的增益逆更新到預失真器LUT中。在仿真計算中禁止H0 PA模型濾波器作為H0-1濾波器，則可以得到與現(xiàn)有技術過程的比較，而且用這種方式體現(xiàn)出新技術與現(xiàn)有技術之間的性能差別。在增益計算中禁止FIR濾波器H0等同于進行直接求逆建模，即在計算之前不進行LUT表值的加權。這種計算在后面的章節(jié)中進行并表示其結果。
時間校準算法描述為了能夠計算諸如圖5b中的數(shù)字預失真器的增益表等，必須在抽樣的輸入輸出復I/Q-信號矢量上進行計算。信號矢量加載到DSP中，然后以抽樣時間為單位計算上信號之間精確的時延，其做法與基于現(xiàn)代信號處理方法的現(xiàn)有技術描述相同，也就是計算復信號矢量或信號矢量幅度的互相關。為了精確考慮，必須在子抽樣基礎上進行進一步的時間校準，以便提取正確值更新增益LUT的內(nèi)容。特別是為了使現(xiàn)有技術預失真器能夠工作，這一點很重要?，F(xiàn)有技術有時使用基于抽樣時間(T)的子抽樣的算法，調(diào)整信號定時到t+T/N值上，這里N是整數(shù)。對于本發(fā)明來說，只使用一個信號的相位調(diào)整。
新信號相位調(diào)整方法為了使預失真器正確工作，必須調(diào)整所觀察信號與輸入信號I/Q圖，使它們比抽樣時間校準更精確地對齊。這就意味著當找到抽樣時間的精確定時時，對觀察信號可以進行±180度的相位調(diào)整。對一個信號每個抽樣使用復數(shù)乘法校正可以完成這個過程。本發(fā)明只需要在所用信號的抽樣基礎上進行相位調(diào)整以便比較。
本發(fā)明的新方法是復用FIR濾波器均衡算法，也就是通過進行1-抽頭FIR濾波器均衡調(diào)整復輸入和測量信號，使用輸入信號作為算法的輸入，測量信號作為算法的結果矢量。如果1-抽頭濾波器的抽頭值為A+jB，那么進入DSP的時間校準的輸入信號可以將矢量的每個時間抽樣乘以用(A+jB)/abs(A+jB)計算的復“相位矢量”，或者使用共軛“相位矢量”值(A-jB)/abs(A-jB)乘以測量信號，根據(jù)應用而定。
用與前面章節(jié)中的解釋相同的方法，其優(yōu)點是零頻上信號之間的誤差將是最小二乘近似?，F(xiàn)有技術方法必須依賴于進一步地子抽樣優(yōu)化信號之間的時間差。在本發(fā)明中這個問題是使用1-抽頭FIR濾波器技術解決的，如前面所述。
計算LUT存儲器的矩陣算法計算LUT存儲器值的一種方法是使用矩陣計算。以現(xiàn)有技術LUT的計算作為例子。
計算輸入和測量信號的每個抽樣值，得到逆增益。輸入信號的幅度(Rin)按照數(shù)字量化元大小(bin-size)分類為Rin(Bin)。通常量化元大小為最大允許輸入信號幅度的1/127或1/255，對應于(27)-1和(28)-1，因為DSP處理器是以2為基計算的，這種方法就比較實用。
矩陣的第一列將包含輸入信號的幅度值Rin[Bin(t)]，以量化元為單位，并包含很多行作為時間抽樣處的抽樣信號尺寸。
第二列包含相應的觀察抽樣器件信號逆增益的時間抽樣幅度，如下定義。
矩陣的第三列將包含觀察抽樣器件信號的相應相位。這樣就得到了適合計算LUT表的矩陣。
按照現(xiàn)有技術，每個時間校準抽樣的逆復增益計算如下Inv_CG(R(t))＝Vin(t+τ1)/Vout(t)τ1是抽樣時鐘時間延遲數(shù)，用于最佳互相關計算。此外時間校準也可以用于信號Vin(t+τ1)，而且通常也是基于子抽樣進行的。
然后矩陣按照列1值大小排序，即按照量化元表示的輸入幅度以遞增順序排列。這就意味著矩陣的行被改變了。然后根據(jù)按照輸入信號幅度量化元值表示的Rin的每個量化元提取子矩陣。然后計算相應的Inv_CG(R(Bin))的幅度和相位平均值。每次計算完成，如下更新預失真器的LUTMag[Inv_CG(New)]＝Mag[Inv_CG(Old)]+α*(Mag[Inv_CG(Calc)]-1)Phase[Inv_CG(New)]＝Phase[Inv_CG(Old)]+β*(Phase[Inv_CG(Calc)])這里α和β是每次計算或自適應時更新LUT所需的預失真器自適應反饋因子值。自適應反饋因子值通常在0到＜1的范圍內(nèi)。大于1的值可能會引起“振蕩”。
值得提到的是應該使用去掉空量化元的算法，空量化元即從計算中沒有得到值的子矩陣，而且如果計算中對最后計算的逆復增益LUT結果使用某種平滑或回歸，表值會變得更平滑。
預失真的基本問題是預測非線性器件的性能并加以補償。通常都是用計算平均性能的方法實現(xiàn)的。因此要在數(shù)字處理器(DSP)中計算平均值。
新LUT更新算法描述圖5a中的數(shù)字預失真(DPD)應用基于PA模型。預失真器應該是PA模型函數(shù)的逆，H0濾波器的逆放在預失真器LUT存儲器內(nèi)容驅(qū)動的預失真器復增益模塊的前面。逆H0濾波器的使用只是為了輸出信號的頻率依賴性以及相位糾正，以便抵消預失真后的器件的線性輸出信號中殘留的群延遲。前面提到的現(xiàn)有技術專利是不能實現(xiàn)這個功能的。如果利用了群延遲補償，濾波器將給出與PA模型H0計算的濾波器相反的相位延遲。逆H0濾波器必須用于在本發(fā)明揭示的后面要描述的新發(fā)明的預失真器模塊的進一步擴展中。在圖1所示的簡單DPD應用中，PA模型H0實際上只用于DSP計算，以便實現(xiàn)預失真器LUT存儲器的正確收斂。
下面將解釋新發(fā)明算法的改變。在計算DPD增益表LUT時，使用信號Sin與計算的H0濾波器的卷積解SiinH0＝Vout。零頻處H0的濾波器幅度增益調(diào)整等于1。Sin與增益歸一化的H0卷積得到的信號稱為SinH0。然后這個信號再次與測量PA信號進行時間調(diào)整，因為抽樣時間(T)的抽樣中引入了FIR濾波器的數(shù)字延遲。
信號(SinH0)的幅度按照幅度量化元Rin[Bin(t)]排序，并計算PA以及預失真器的復增益表達式。按照EV＝Vout-SinH0對每個抽樣計算誤差矢量EV。Vout是圖1中數(shù)字預失真器、上變頻器、PA以及下變頻器合成的測量性能。正如前面提到的，在實際設計中下變頻器和ADC必須非常準確。
下面是每個抽樣時刻增益表達式的修改和推導(記住SinH0的DC增益與Sin相同)Vout(t)＝SnH0(t)+EV(t)復增益表達式可以寫做矢量Vout/SinH0＝1+EV/SinH0這里的行對應與抽樣時刻t。
為了DSP實現(xiàn)的方便調(diào)整一下這個表達式，用輸入信號的共軛乘以分母和分子，得到下面所示的復增益(記住復矢量乘以它的共軛值得到幅度平方)對信號的每個時間抽樣計算下面這個表達式CG＝1+[EV*SinH0(conjugate)]/[mag(SinH0)]2這里mag(SinH0)＝Rin的平方是輸入信號功率，復增益也可以表示為依賴于輸入信號功率。但是在本發(fā)明中，使用以及表示的是輸入信號幅度。
將計算結果放入矩陣的一行中，信號的每個抽樣時刻都在矩陣中有相應的一行。矩陣行將包含如下的列內(nèi)容Rin[Bin(t)]、mag[CG(t)]以及phase[CG(t)]，所包含的行數(shù)是DSP中使用的所有抽樣的總數(shù)，這些抽樣從時間校準和FIR濾波之后的Sin和Vout信號中得到。
使用前面描述的現(xiàn)有技術解逆復增益LUT的矩陣算法。完成[DPD和PA增益]合成的更新，作為以量化元為單位的輸入信號幅度值的函數(shù)，給出累積并且采用的實際出現(xiàn)在DSP中的復增益表。然后將更新后的PA_DPD幅度增益表做1/X除法求逆。PA相位增益表乘以因子-1。新的逆表值作為新值插入預失真器LUT中，作為逆復增益。
LUT內(nèi)容Inv_CG(Bin)＝1/CG(Bin)用下面方法進行自適應。當預失真器初始化時，處于DSP中的實際PA增益表用一個幅度增益為”1”、相位增益為“0”的復數(shù)填充，預失真器將與LUT以相同值開始。除逆H0濾波器的中央抽頭用單位值加載以外，其它所有抽頭值用零填充。為了這次與現(xiàn)有技術比較的仿真，暫不更新預失真器逆H0-FIR濾波器。這樣意味著在圖5b中禁用這個逆H0-FIR濾波器。但是為了實現(xiàn)本新發(fā)明改進的性能，在DSP計算中是要使用H0濾波器方法的。
每次DSP計算得到一個新校正(自適應)，加入實際處于DSP的PA模型復增益表中，如下式Mag(GC(bin))＝Mag(GC(bin)_old+α*[Mag(GC(bin)_calculated)]-1)Phase(GC(bin))＝Phase(GC(bin))_old+α*(Phase(GC(bin)_caculated))然后根據(jù)前面的自適應過程讀取實際表、計算逆復增益并調(diào)入數(shù)字預失真器LUT存儲器。
計算復增益表的新方法以及所用的算法使改進現(xiàn)有技術無記憶DPD應用成為如下的DPD-系統(tǒng)成為可能這種系統(tǒng)可以解決從實際真實的非線性器件的時間和相位延遲中出現(xiàn)的記憶效應，這些延遲是由于對LUT計算所用數(shù)據(jù)的頻率響應加權而使用FIR濾波器均衡算法帶來的。
如果使用較大的α和β預失真器自適應反饋因子，這種新DPD應用仍然可以實現(xiàn)很好的收斂。這樣可以使預失真器收斂得更快。
用于DPD解法的新增益/相位預失真的性能評估驗證本發(fā)明中描述的新算法是通過仿真進行的。目的是比較根據(jù)圖1的基本現(xiàn)有技術直接逆增益計算算法和根據(jù)圖5用于新數(shù)字預失真器的算法，后者是結合本發(fā)明討論的，應用于包絡調(diào)整響應中沒有表現(xiàn)出無時間相位延遲的非“理想”放大器。
數(shù)字預失真性能的基本仿真已經(jīng)完成。為了仿真，從PA模型工作中得到的根據(jù)圖4b的數(shù)字功放模型用做仿真中的實際器件。所用的基帶數(shù)字PA模型是從測量中得到的。該模型用FIR濾波器實現(xiàn)，以便得到一個具有記憶效應的模型，記憶效應是從包絡調(diào)制的時間延遲和頻率響應中出現(xiàn)的。
仿真結果圖6b表示所得的不加預失真的PA模型的頻譜性能，使用的輸入信號如圖6a所示。在頻譜顯示中信號已經(jīng)被濾波到大約30kHz的分辨帶寬中。由于記憶效應，該放大器具有不對稱的失真頻譜。
圖6c表示經(jīng)過五次LUT更新后的頻譜性能，其中使用的是根據(jù)現(xiàn)有技術直接逆增益計算的設置。
圖6d給出基于根據(jù)本發(fā)明的新預失真器、也是五次LUT更新之后的改進頻譜性能，這里為了增益計算使用了FIR濾波器加權算法。現(xiàn)有技術和新方法在五次更新之后的改進都是看不太出來的。
在圖7a中表示的是用于實現(xiàn)均值計算的逆增益的幅度和相位，這是現(xiàn)有技術預失真器在最初第一次自適應計算這種類型預失真器時使用的。
圖7b表示根據(jù)現(xiàn)有技術第五次自適應之后的相同數(shù)據(jù)?？梢杂^察到在自適應過程中只有很小的數(shù)據(jù)庫區(qū)域縮小的趨勢。
此外，圖7c表示現(xiàn)有技術的五次自適應之后的LUT表內(nèi)容。在現(xiàn)有技術過程中，LUT表仍然包含很多紋波，這就是為什么所有獲得專利的為降低LUT值紋波的現(xiàn)有技術申請的特殊數(shù)學算法通常都認為帶噪聲的輸入數(shù)據(jù)是引起紋波的原因。
圖8a表示與圖7以相同尺度描述的相同的幅度和相位增益數(shù)據(jù)，對應于在數(shù)字信號處理器中使用本發(fā)明前面描述的FIR均衡算法計算PA模型+DPD性能的第一次自適應。
圖8b表示本發(fā)明的第五次自適應之后的同樣數(shù)據(jù)。可以看到增益計算及自適應的數(shù)據(jù)區(qū)有顯著的降低。
圖8c表示五次自適應之后，逆增益表內(nèi)容放入預失真器LUT。
圖6、7和8表示了將本發(fā)明揭示的算法應用于簡單的DPD略圖的性能增強。均衡FIR濾波器算法解決了諸如噪聲抑制之類的很多問題，并有助于在計算預失真器查找表存儲器所用的平均值時縮減數(shù)據(jù)的分布。所示的基本仿真中沒有噪聲加入。
其結果符合本發(fā)明的第五實施例。仿真的基本結論是，基于直接逆增益計算的現(xiàn)有技術預失真器不能收斂到最佳解法?，F(xiàn)有技術解法不能在實際響應中帶有時間延遲的真實PA上實現(xiàn)等邊帶電平失真，因為沒有考慮實際器件的頻率響應。本揭示中提到的現(xiàn)有技術專利試圖通過實現(xiàn)自己發(fā)明的附件和與基于圖1的基本DPD概圖的近似來改進直接逆增益計算的基本問題。
在本發(fā)明的后面將會表示逆H0-1濾波器在“增益/相位”預失真器模塊中的應用，最小化輸入信號和器件輸出信號之間的群延遲差，有可能調(diào)查原因并調(diào)整復增益表LUT DPD功能模塊不能處理的更多剩余失真。
帶有附加功能依賴性的PA模型模塊描述圖4b所示的推導的PA模型可以加以改進，以便能夠處理除了第一和部分第二類型以外的失真。這個目標是可能的，因為新模型方法降低了模型和測量器件之間的誤差矢量，因此在每個步驟之后可以展現(xiàn)模型和實際器件之間更詳細的性能差別。在現(xiàn)有技術中實現(xiàn)失真抑制時沒有誤差矢量的最小化，就不能實現(xiàn)這個目標。功能的增強是通過級聯(lián)更多的數(shù)字PA模型功能模塊而實現(xiàn)的。
圖9表示新建議的數(shù)字模型功能模塊，目的是進一步降低數(shù)字PA模型和PA測量性能之間的誤差矢量。該圖表示已經(jīng)描述的“增益/相位依賴模塊”跟隨“微分復增益依賴模塊”以及“功率依賴模塊”。該方法是為了補償任何系統(tǒng)殘余的誤差并牢記這些功能模塊應該與系統(tǒng)誤差的真實器件物理原因相關聯(lián)。本發(fā)明數(shù)字模型中的功能模塊能夠以連續(xù)而且自適應的方式單獨地為模型性能而優(yōu)化。
微分復增益依賴模塊見圖4a，有一個時間常數(shù)(τ)出現(xiàn)在功放符號中，代表輸入信號變化固有的器件導通延遲，這個延遲認為比預失真器中所用的抽樣時間或測量抽樣時鐘時間都小得多。通過觀察PA建模信號以及測量信號的一階時間倒數(shù)可以描述這種行為的影響。基本思想是復用第一模塊的算法并根據(jù)輸入信號對時間的導數(shù)設計“微分復增益”表，計算微分復增益在稱為“微分復增益”依賴模塊(-dCG)的功能模塊中的影響。根據(jù)本發(fā)明的第一實施例，微分復增益模塊在不使用時的平均輸出相乘值等于“1”。使用時其結果采用“(1+微分)”乘子的形式。
微分復增益依賴模塊推導下面提供“微分復增益”模塊設計的數(shù)學過程?！霸鲆?相位增益”模塊之后的建模信號給出PA模型中第一增益模塊的平均性能特征，這里稱為Vavg(t)?？梢愿鶕?jù)第一實施例描述設計一個微分級聯(lián)功能模塊。測量信號稱為Vout(t)。這些信號也可以寫做對時間(抽樣時間T的抽樣)一階導數(shù)的函數(shù)。
Vout(t+T)＝Vout(t)+dVout(t+T)(1)其中dVout(t+T)＝Vout(t+T)-Vout(t)而且都是復數(shù)，Vavg(t+T)＝Vavg(t)+dVavg(t+T)(2)目的是使數(shù)字PA模型有盡可能小的誤差。因此，上式的要求是Vout(t+T)等于Vavg(t+T)。將該要求放入上式，解出dVout(t+T)為 可以看出“增益/相位增益”模塊之后的新平均模型誤差矢量EVavg并定義為 解出微分復增益表達式定義為dCG(t+T)＝dVout(t+T)/dVout(t+T)得到dCG(t+T)＝1-EVavg(t)/dVavg(t+T)(5)從(4)式也可以看出EVavg(t)有對應的Vavg(t)值以及Vavg(t)的幅度R關聯(lián)于這個模塊。因此，微分復增益dCG(t+T)值依賴于前面的抽樣輸入信號幅度(R(t))?？梢栽O計一個類似于數(shù)字PA模型中第一增益模塊的數(shù)字功能結構模塊。也可以設計一個依賴于dVavg(t+T)的功能模塊作為相乘模塊控制參數(shù)。
以如下方式修改這個模塊之后的輸出信號dCG(t+T)＝Vavg(t)+dVavg(t+T)*dCG[RBin(t)](6)這里dCG(Rbin)是用第一“增益及相位增益”依賴模塊中描述的相同方法根據(jù)式(5)計算的微分復增益值，并放入微分復增益LUT存儲器中。微分復增益模塊LUT的自適應可以象前一個模塊那樣進行，通過將最大自適應值與當前門限比較可以評價性能測度。
圖10表示“微分復增益”依賴模塊的數(shù)字功能，其中以抽樣時間T為單位的延遲(D0、D1、D2)被設計為在功能模塊中進行時間校準以便滿足式(6)。與前面的增益/相位模塊同樣的增益矩陣計算程序可以用于這個模塊，根據(jù)該模塊輸入信號幅度(R)計算差分增益LUT。
圖11a表示第一PA模型“增益/相位”依賴模塊的連續(xù)優(yōu)化實現(xiàn)的結果。
圖11b則表示當“微分增益”依賴模塊加入數(shù)字器件模型時的同樣結果。圖11a和11b中的兩張圖都表示器件和模型性能之間的測量PA輸出譜以及誤差矢量譜。
圖11c表示計算及優(yōu)化器件的微分增益LUT表dCG(Rbin)所用的數(shù)據(jù)庫。
建模的結果表明微分增益建?？紤]到信號帶寬內(nèi)的精細增益/相位誤差，而且進一步降低了模型與測量器件之間的誤差頻譜。
功率依賴模塊所得的PA模型到目前為止還有殘留的失真。對殘留誤差矢量的研究表現(xiàn)出幅度誤差，但是只有很小的相位偏移。認為幅度誤差是受到了與PA輸入功率有關的影響。為了研究這一點，要計算測量的PA幅度(Rout_Measured)與PA模型(R_Model)之間殘留的信號幅度誤差以便進一步研究。
Rerr(t)＝Rout_Measured(t)-R_Model(t)，相對時間的幅度誤差矢量。
畫出矢量Rerr與抽樣時間“t”和[R_Model(t)]2的關系，[R_Model(t)]2是建模PA信號的功率P(t)，可以看出從輸入信號功率到PA還殘留一些記憶效應等待建模。
本發(fā)明中的方法和思維與現(xiàn)有技術方法不同?；舅枷胧强碢A模型功能模塊中目前已經(jīng)完成了什么。“平均”PA-模型性能從輸入信號中得到。這個輸入信號也具有針對時間的平均功率。因此模型中建立的功率依賴性的性能必須依賴于功率電平，其中平均功率對應于輸入信號的平均功率。這是按照第一實施例的描述，而且設計了一個級聯(lián)的微分輸入功率非線性乘法模塊。最正確地描述實際功放的功率依賴性的模型則必須基于“用于建模工作的信號平均功率的微分”。
計算進入這個功率模塊的輸入信號平均功率，并標為PM。設計一個新的微分功率矢量為dP(t)＝P(t)-PMdp(t)是根據(jù)發(fā)明的第一實施例控制功率依賴模塊的參數(shù)。
圖12表示微分功率dP(t)(虛曲線)，與數(shù)字模型和實際PA測量之間的殘余幅度誤差Rerr(t)(實曲線)畫在一起，以便能夠看出他們之間的依賴程度。從圖中可以得到一個結論，dP(t)圖滯后幾個抽樣后相對于Rerr(t)具有一定的關聯(lián)性。
為了更詳細地看出微分功率dP(t)與殘余幅度誤差Rerr(t)的依賴性，進行信號處理理論中常用的互相關運算。
圖13a表示互相關結果，按照所用信號之間以時間抽樣(T)為單位的不同抽樣時間差的函數(shù)描繪。
見圖13a，本領域技術人員可以得出結論互相關結果基本上表示具有不同時間常數(shù)、增益及帶寬的合成低通濾波器的合成脈沖響應。在目的是實現(xiàn)低失真旁瓣的PA模型功率補償模塊函數(shù)中，具有最大帶寬的最高階響應(最短脈沖響應)被認為是最能抑制功率影響帶來的載波外失真。下一個模塊的正確解法則是對目前建模信號的幅度增加濾波微分功率影響糾正。
“功率濾波器”可以用來自互相關計算的對稱抽頭來設計，使來自零互相關的互相關值時間上對準定義脈沖響應中心FIR濾波器抽頭的最大值。當選擇了一半脈沖響應時，其余的響應可以通過將FIR濾波器從中心到末尾的抽頭值做鏡像來實現(xiàn)。這樣抽頭數(shù)就設為奇數(shù)，F(xiàn)IR濾波器相對中心抽頭對稱。這樣可以減少要定義的功率糾正模塊中的數(shù)值計算量。
在仿真中實現(xiàn)的另一個較簡單的方法是，將該濾波器設計成標準信號處理窗形函數(shù)濾波器。互相關計算是從第一正過零點到上述最大值的時間響應。抽頭數(shù)定為以抽樣為單位的時間差的2倍+1。在本發(fā)明描述中將“漢寧”窗函數(shù)用于差分功率FIR濾波器。也可以使用其它常見的窗形函數(shù)濾波器或低通FIR濾波器。雖然也可以使用更類似互相關計算結果的帶有更多抽頭和不對稱抽頭的濾波器函數(shù)，但是這就意味著濾波器包含更多的抽頭而且需要更多的處理能力。
為了計算所有設計到功率糾正模塊中的參數(shù)，微分功率矢量dP(t)與所選擇的微分功率FIR濾波器的卷積用于實現(xiàn)微分滑動平均功率矢量，新結果稱為dPma(t)。這個新矢量再與Rerr(t)矢量互相關，定義以時間抽樣為單位的最佳時間延遲td，以便在模型中進行功率影響糾正。利用最小二乘優(yōu)化方法，在信號上再次復用本發(fā)明前面描述所用的1-抽頭FIR均衡DSP程序，得到dPma(t+td)*GP等于Rerr(t)，計算實現(xiàn)最佳補償增益的功率FIR濾波器增益因子GP，所實現(xiàn)的因子值GP是對幅度誤差Rerr(t)信號的最佳滑動平均微分功率糾正。對數(shù)字模型信號的功率糾正如下完成Sin_Model_Power_Correct(t)＝Sin_Model(t)*[1-GP*dPma(t+td)/(Rin(t)+δ)]這里δ是防止計算溢出的一個較小的數(shù)。
在表達式中，所研究的幅度誤差的功率依賴性被轉(zhuǎn)換成影響信號幅度的增益表達式，以描述功率依賴性。這種做法是可行的，因為前面模塊的計算產(chǎn)生的誤差主要是在信號之間的幅度上，而不是相位中。
圖13b表示與器件測量信號比較的功率糾正的幅度誤差矢量(1)以及沒有功率糾正的幅度誤差矢量(2)，針對功率依賴模型的輸入信號幅度Rin比較器件測量信號而描繪。
圖14表示所得到的功率依賴模塊的數(shù)字概圖。根據(jù)該數(shù)字實現(xiàn)調(diào)整所示的時間延遲以便滿足表達式Sin_Model_Power_Correct(t)。
到目前為止在數(shù)字模型中實現(xiàn)的模塊都在圖9中表示。該模型的進一步細化可以按照用戶的選擇而提供。這個模型工作得很好，因為每個單獨的功能都能夠優(yōu)化真實器件每個獨立特性的性能，只要該性能是基于可以描述的某個物理依賴性。
由于數(shù)字基帶模型與測量PA性能之間的誤差可以針對每個功能模塊的實現(xiàn)而減少，因此也可以將上述方法用于實現(xiàn)模型誤差的進一步減少。表現(xiàn)出誤差依賴于輸入信號幅度的器件可以用與功率依賴性相同的方法來評估，例如通過在模型和測量器件之間提供微分幅度與殘余誤差的相關。
圖15表示所實現(xiàn)的建模性能與測量PA性能之間誤差矢量的頻譜改善。體現(xiàn)出帶有微分功率預失真糾正的數(shù)字模型與沒有功率糾正模型相比的改善。
圖15a表示針對實際器件的數(shù)字模型頻譜誤差與依賴糾正所得模型的比較，重復了來自圖11的微分復增益依賴模型后的結果。
在圖15b中，表示了功率依賴模型糾正后的結果。兩圖表示測量PA器件的頻譜性能以及相應的針對數(shù)字建模器件的誤差矢量譜。
所得的誤差矢量通常被認為是提供的預失真好不好以及是否對實際器件有用的結果。對于簡單的AM到AM以及AM到PM數(shù)字模型來說，從功率糾正模型得到的誤差矢量應該與圖11a所示的所用的輸入信號譜比較。
通過將圖15與前面的頻譜圖以及所得數(shù)字模型的誤差圖比較，其結論是當每個模塊依賴于器件的物理依賴性時，能夠按照所期望地對模型的精確性作出貢獻。
圖15表示建模工作能夠怎樣在內(nèi)置到商用設備中的基于12比特ADC和DAC的較差測量儀器上實現(xiàn)。這個PA模型也可以在優(yōu)化預失真器系統(tǒng)性能和實現(xiàn)的預失真器環(huán)境中用于仿真的目的，這在本發(fā)明中已經(jīng)完成。例如，沒有考慮商用儀器之間抽樣時鐘同步中引入的誤差。來自測試儀器中出現(xiàn)的下變頻器和本地振蕩器的噪聲也出現(xiàn)在本發(fā)明揭示中提供的模型計算中。
數(shù)字PA模型的改進建模見圖13b，在殘留的功率糾正的幅度誤差中可以看出一個彎曲。誤差沒有沿著y軸的中心零線。這就意味著目前完成的模型中仍然殘留一些增益誤差。為了把它包括在數(shù)字模型中，要對圖9所示的模型模塊重新調(diào)整。功率糾正要在復增益/相位模塊之前完成。這就意味著這個模塊中的增益LUT讀數(shù)將在信號幅度被選為增益LUT的地址之前針對功率的影響進行糾正。該糾正用與前面描述的后糾正相同的公式完成。用這種方法，就不需要多維LUT存儲器。
圖16a表示數(shù)字器件模型模塊的重新調(diào)整，功率糾正依賴模塊用做數(shù)字器件模型模塊中的第一模塊。為了評估計算模型的器件，首先禁止功率糾正模塊，隨后的兩個模塊根據(jù)與模型的最佳一致性而評估。然后計算所需的功率依賴模塊數(shù)據(jù)庫，數(shù)據(jù)用與后糾正相同的值裝載入預糾正模塊中，再評估增益/相位模塊以及微分復增益模塊。
圖16b表示本模型評估實現(xiàn)的頻譜性能。通過將該圖與圖15b比較可以看出數(shù)字模型逼近測量PA性能的改善。信號高端和低端誤差矢量譜的差別是由于漢寧窗濾波器中所用的功率依賴FIR的簡化所引起的，不處理更多的過抽樣信號是不能精確地將其中的時間延遲糾正到功率依賴的延遲上。這就意味著測量裝置應該有更高的抽樣時鐘速率。使用互相關函數(shù)值代替前面描述的功率FIR近似可以對結果做一定改善。與圖6a中的輸入信號譜比較，可以看出建模誤差非常接近測量輸入信號的頻譜界限。殘留誤差也可能是輸入信號帶寬中最高階的，因為功率依賴性糾正被選來主要用于旁瓣抑制誤差。同樣值得一提的是也可以通過禁止微分增益模塊評估而進行不太精確的功率依賴性評估。圖16c到16f說明了根據(jù)圖16a的數(shù)字模型計算的主要流圖。
基于非線性器件建模的數(shù)字信號預失真器記住了前面章節(jié)對PA模型的描述，根據(jù)本發(fā)明的第一實施例得到新的數(shù)字預失真器就是顯而易見的了。在(英文件)17到25頁的章節(jié)中，體現(xiàn)了逆PA復增益模型的應用可以實現(xiàn)很有效的數(shù)字預失真器，用于復增益失真的抵消。將同樣的概念用于所得PA模型的所有模塊，就可以建議一個新的數(shù)字預失真電路。
圖17表示所建議的數(shù)字預失真電路。發(fā)明描述了稱為1、2、3和4的四個基本模塊。
第一功能模塊1是預失真器的硬件數(shù)字實現(xiàn)。它是帶有所有所示的功能模塊101到106的實時數(shù)字電路。
第二模塊2是用于更新預失真器中所用的不同參數(shù)及查找表的數(shù)字信號處理器。圖中表示了不同的軟件模塊201到206。
所示的第三模塊3是用于控制系統(tǒng)的控制字，包含圖中所示的所有其它模塊可以讀寫的數(shù)據(jù)。它可以置于數(shù)字HW模塊1中，但是圖中為了清楚起見表示為單獨的模塊。
第四模塊4是監(jiān)視系統(tǒng)目前狀態(tài)并更新它的外部系統(tǒng)控制。外部控制可以決定是否需要完成校準過程，或者是否通過覆蓋控制字3中的內(nèi)容禁止基本預失真器中的一些模塊。它也可以用于SW更新、從DSP 2下載信號等。
基本校準及初始化為了校準，應該使用一個已知信號，其功率大致與最高功率情況下應用所需一致。執(zhí)行系統(tǒng)的基本校準運行，用根據(jù)所用實際器件得到的缺省數(shù)據(jù)填充表及參數(shù)。用于功率糾正評估的輸入信號平均功率和峰值功率應該在所需的系統(tǒng)使用范圍內(nèi)，以利于隨后的校準和應用。
校準及初始化系統(tǒng)時使用一個基本程序。禁止代表功率依賴103和微分增益模塊104的數(shù)字實時電路模塊。這就意味著信號經(jīng)過這些模塊時不受影響。除了中央抽頭裝載“1”值以外，EV-FIR模塊102的所有抽頭值都裝入零值。在本文后面描述獨立模塊時會更詳細地描述這一點。
增益/相位預失真模塊105載入相應的增益為1、相位角為0的LUT表。FIR濾波器用中心抽頭等于1、其余抽頭等于0裝載。外部DSP和預失真器控制模塊4初始化數(shù)字字5，使之能夠被數(shù)字預失真器1讀取，告訴電路啟動并使用存儲在模塊1內(nèi)部存儲器中的校準數(shù)據(jù)庫。每個功能的參數(shù)模塊有三個存儲位置例如0、1和2。第一個用于初始化并標為“0”模塊。監(jiān)視控制字3的DSP開始從106中的存儲器下載信號S1和VM并開始處理數(shù)據(jù)。當DSP 2根據(jù)軟件模塊202和203完成計算并準備好更新時，它讀出定義數(shù)據(jù)庫用法的控制字5并決定將更新的數(shù)據(jù)放在哪里。如果控制字在這個位置為“0”，DSP就將新數(shù)據(jù)載入稱為“1”的存儲器位置。當裝載準備好之后，DSP用“1”覆蓋控制字3數(shù)據(jù)庫指針中的“0”，告訴數(shù)字實時電路1它將開始使用新數(shù)據(jù)庫。如果DSP已經(jīng)在數(shù)字控制字中讀出“1”，DSP就決定將新更新放入位置“2”并因此改變控制字數(shù)據(jù)庫指針。如果DSP讀“2”存儲器位置，它就切換回去，將新數(shù)據(jù)放入“1”位置并更新控制字5數(shù)據(jù)庫指針。
時間相位和增益調(diào)整來自輸入信號S1和輸出信號VM的規(guī)定數(shù)目的抽樣被下載到DSP中。DSP程序201計算抽樣中的時間差并糾正將要用于糾正增益表LUT的相位矢量，并將其存儲以備后來更新。DSP存儲時間差延遲(ts)以便減少后來更新所需的計算時間。DSP也可以在模塊101中糾正輸入信號的增益。如果提供給系統(tǒng)的輸入信號電平太高，DSP就報告給控制字3，該控制字進一步報告給能夠調(diào)整一些外部衰減器的外部控制4。附加了接口以及DSP功能的話，控制字3也能夠自己進行外部調(diào)整，定時及相位糾正的計算用(英文件)17-25頁章節(jié)中描述的相同方式完成?？刂颇K3可以用“增益后退”因子載入，該因子在系統(tǒng)中用于對付模擬器件增益隨溫度的變化，并給輸入信號一個合適的余量，這樣系統(tǒng)內(nèi)部的信號電平就不會超過最大允許值。VM和S1信號之間的相位差可以結合到逆FIR濾波器抽頭值中，也就是在第一次自適應時用糾正相位值乘以每個復數(shù)。105中結合的逆FIR濾波器將自適應并糾正上變頻器中的緩慢漂移、PA群延遲以及頻率響應漂移。
應該這樣進行增益設置使預失真器1能夠?qū)⒈碚{(diào)整到輸入信號范圍內(nèi)，這樣由于所用非線性器件的環(huán)境溫度變化引起的慢預失真器自適應就可以進行。在AGA模塊101中使用并調(diào)整了某類數(shù)字信號增益后退。環(huán)境溫度應該被預失真器的自適應所糾正。增益后退的調(diào)整也可以用于硬件設備——上變頻器和下變頻器非線性PA中校準傳遞漂移。
增益/相位預失真模塊根據(jù)上面描述在DSP模塊203中計算增益表LUT的更新以及增益和相位均衡模塊105的FIR濾波器抽頭存儲值。每次計算意味著更新LUT和預失真器105中使用的FIR濾波器存儲值。后面章節(jié)中描述的性能測度報告給預失真器控制3，更新數(shù)字控制字5中允許的功能，使系統(tǒng)用所提供的更多功能運轉(zhuǎn)。當增益/相位均衡器模塊的所有功能都已經(jīng)用于某個性能測量因子，根據(jù)控制字讀數(shù)的DSP就根據(jù)控制字3中的設置進行下去，計算下一個模塊。
微分增益預失真模塊計算這個模塊204以及更新數(shù)字部分104的過程可以根據(jù)DSP處理器的計算能力用兩種不同方式完成。
首先可以通過與微分增益相同的過程計算，根據(jù)圖11c所示的幅度和相位數(shù)據(jù)庫。然后按照逆復增益值更新到LUT中。
第二種更快但是相比第一種不太精確的方法是使用放入LUT表的數(shù)據(jù)的線性回歸。這種過程的應用要依賴于非線性器件的性能。
當DSP完成計算后，它就更新1中相應的存儲位置并將相應更新寫入控制字5。微分增益預失真模塊的自適應以復增益/相位模塊相同的方式完成，然后進行到下一模塊。
功率糾正評估模塊系統(tǒng)繼續(xù)進行，根據(jù)DSP模塊205計算微分增益依賴性。如何完成這個任務有兩種選擇以及過程。
第一種方法是自動完成。DSP通過對DSP的恰當編程計算所有的過程。如果環(huán)境溫度將要影響這個性能，可以控制DSP周期性地更新功率依賴性。這在(英文件)30頁開始的章節(jié)“功率依賴模塊”中概述。依賴性自適應必須用多快的頻度進行尚未明確，因為沒有數(shù)據(jù)提供。根據(jù)本發(fā)明使用DPD解法的經(jīng)驗將在今后提供對這個問題更深入的了解。功率FIR增益因子的自適應可能是最可行的。
第二種方法是DSP和預失真器控制讀取控制字并將恰當?shù)腟2和VM信號載入外部控制，在那里的另一個處理器中評估功率依賴的FIR濾波器，該處理器是受進行計算和評估的人為干預控制的。如果預計器件的功率依賴不會變化，那么它可以只計算一次，這樣做就是可能的。如果在提供的非線性器件中溫度依賴開始改變，可能在實際器件中會失敗。通過在系統(tǒng)外完成功率依賴性，可以節(jié)省圖16中DSP模塊205的很多程序存儲位置。
微分功率依賴性的評估完成以后，F(xiàn)IR濾波器的新數(shù)據(jù)、根據(jù)前面章節(jié)的延遲和加權都載入功率依賴預失真模塊103的存儲器中，并更新控制字3以便預失真器1開始使用這個功能。
如果完成了微分功率糾正模塊以及時延的平均功率值PM的正確調(diào)整，其結果就是預失真器中旁瓣抑制是對稱的。
EV FIR應用在建議的DPD電路的一些應用中，考慮到由于模塊103和104的影響帶來的上變頻器頻率特性，輸入信號和輸出信號之間的誤差矢量必須抵消數(shù)字輸入信號和測量輸出信號之間很低電平的誤差。增益/相位預失真模塊中的FIR濾波器將自適應于用所提供的功率及微分增益預失真修改的輸入信號。EV_FIR 102用于糾正針對系統(tǒng)真實輸入信號的群延遲以及頻率響應。該計算與后面描述的用于模塊105的逆H0計算相同，但是輸入信號是S1而不是S2信號以及圖17a的測量信號VM。
為了使EV_FIR性能比所要的輸入信號帶寬有更寬的頻率覆蓋，在這種情況下的信號S1可以是較寬的頻率信號，但是對PA的功率電平較低，因此減少可能影響計算和EV_FIR抽頭計算結果的實際器件的失真。更好的是使用相位調(diào)制信號，沒有幅度調(diào)制出現(xiàn)。
系統(tǒng)使用在完成校準之后，系統(tǒng)就準備好可以使用了。最后控制字3的設置定義了操作單個模塊的數(shù)據(jù)庫。校準數(shù)據(jù)已經(jīng)存儲在非破壞性存儲介質(zhì)中。系統(tǒng)將數(shù)據(jù)載入DSP 2和預失真器1中并開始運行。DSP根據(jù)前面已經(jīng)描述的控制字5的設置，計算并更新三個基本模塊101、103和104。初始的DSP控制評估參數(shù)受到DSP和預失真器控制的監(jiān)視，檢查監(jiān)視參數(shù)的有效性，如果有效性極限被超過就向外部控制3發(fā)出警告。由于預失真器依賴性的性能依賴于所有提供的DPD功能，多個模塊自適應可能引起DPD應用頻譜響應的變化，而不是對每個自適應精調(diào)頻譜。預失真器增益/相位糾正模塊應該在每次DSP評估自適應中具有最高優(yōu)先級，而其它功能模塊可以在增益/相位預失真模塊與性能極限集合一致時再更新。
預失真器模塊的基本概圖本章中提出四個建議的預失真模塊的示例概圖。與本文描述的PA模型模塊相比，所有模塊的基礎是它們都提供了逆糾正。新預失真建議概圖之間的區(qū)別是，現(xiàn)有技術預失真器引入的群延遲將被抵消，在無線接收機要處理的接收信號中使用的DPD-系統(tǒng)中出現(xiàn)很小的誤差矢量。
對于第二實施例，應該注意到，所建議的數(shù)字預失真器系統(tǒng)可以被修改并用做使用前饋環(huán)路的MCPA系統(tǒng)的一部分。本發(fā)明中的算法描述被定義為工作在功能模塊中的誤差矢量上。因此可以在圖22中概述的基本數(shù)字預失真器應用中增加的前饋環(huán)路應用中實現(xiàn)誤差抵消。同樣的算法可以用在測量FF-系統(tǒng)抵消點的誤差矢量的系統(tǒng)上。新發(fā)明的預失真器也進行群延遲抵消，因此降低了用于前饋解法的第二環(huán)路誤差放大器中的誤差信號。
相位矢量乘子圖18中的乘子是幅度等于“1”的復數(shù)A+jB，它與每個復輸入信號抽樣相乘，提供相位糾正的輸出信號。這個相位矢量用于圖17中所用信號VM和S2的I/Q圖的完美旋轉(zhuǎn)。用于存儲器中的復數(shù)從圖17的DSP 2提供。圖16中105的LUT表可以用與相位矢量調(diào)整相乘的逆復增益更新，因此減少硬件需求。這樣就不需要外部的相位矢量模塊。相位矢量的自適應更新是通過取最后的相位矢量值并乘以通過1-抽頭FIR濾波器均衡技術找到的新計算值而完成的，該技術在前面器件建模中描述過。
增益/相位均衡預失真模塊圖19中最后解決方案的增益及相位均衡模塊與圖5a相比修改了一些。前面提到的逆H0 FIR濾波器分成了兩個濾波器HC1和HC2，用于時間及相位性能均衡或群延遲抵消的粗細糾正調(diào)整。對于第一次優(yōu)化或自適應運行，帶相等奇數(shù)抽頭的濾波器除了中央抽頭用“1”載入以外，其余都用零抽頭值載入。第一次初始化運行時不進行更新。當自適應已經(jīng)降低了失真，實現(xiàn)了更線性的響應時，基本線性FIR濾波器算法將使用FIR濾波器HC1和HC2為群延遲抵消給出精確的響應。
預失真器逆增益和相位的優(yōu)化及自適應繼續(xù)下去直到前面描述算法中所用的H0的性能已經(jīng)實現(xiàn)為止。通常，預失真器的性能可以通過計算誤差矢量的功率來測量，但是這里要描述一種更有效的計算。優(yōu)化過程的測量可以通過評估FIR濾波的改善來進行，但是是以如下描述的方式在增益表上進行。當計算的H0抽頭值在自適應過程中穩(wěn)定后，意味著預失真器正確工作了。
測量來自復增益計算的前一次以及當前自適應的PA模型算法H0濾波器抽頭值。測量平方微分求和矢量的幅度。這個測量在這里稱為“HC1_抵消”，與DSP中的極限值“HC1_抵消_限”相比。只要“HC1_抵消”小于極限，DSP就開始更新HC1 FIR濾波器系數(shù)，并使用滿足上面極限的最后HC1濾波器。通過第二微調(diào)FIR濾波器HC2的更新，進行圖17中預失真器2模塊105隨后的FIR濾波器自適應。兩個復值濾波器的幅度增益都調(diào)整為零頻處的增益等于“1”，以便不影響所用的增益表。
通過前面描述的FIR濾波器均衡設計逆H0濾波器，在(英文件)14及隨后頁中章節(jié)“PA表示的增益模型”討論器件建模時描述的算法中，將圖17中的信號S2和VM取逆。
兩個FIR濾波器HC1和HC2是可行的，因為當實際器件的時延比實際時間抽樣超過時鐘周期的一部分，只用第一FIR濾波器HC1就可能在自適應中產(chǎn)生振蕩。濾波器HC1保持正確的時間抽樣相位調(diào)整，使第二FIR濾波器HC2處于FIR抽頭響應的中心。第二FIR濾波器HC2精調(diào)預失真結果并自適應于系統(tǒng)中的慢變化。
當使用FIR濾波器HC1時，以下的自適應將以如下方式調(diào)整濾波器HC2的值。從前面的FIR濾波器HC2，計算復FFT。也計算新FIR濾波器HC2的復FFT。當只用幾個抽頭時這個計算很快。兩個FFT相乘，并取結果的逆復FFT。這個新的FIR濾波器作為更新存儲在濾波器HC2系統(tǒng)中。用這種方式可以保持濾波器HC2的抽頭數(shù)。前一個和后一個FIR濾波器HC2的直接卷積會減少抽頭數(shù)。
兩個濾波器級聯(lián)會得到系統(tǒng)響應的平坦頻率響應，抵消上變頻器的非線性器件響應。為了降低預失真器中的復抽頭數(shù)，在DSP中可以通過卷積計算兩個濾波器HC1和HC2，以便提供單個濾波器HCtot的更新，仍然為最佳誤差抵消保持所希望的頻率響應。
DSP中的每次自適應及計算將得到預失真器中更新的LUT以及濾波器抽頭。也完成圖16中預失真控制字5的更新。
也可以在應用中使用一個補償FIR濾波器HCtot，并用濾波器HC2中描述的相同方式更新這個濾波器。
相比現(xiàn)有技術預失真器，本文中揭示的新預失真器的基本區(qū)別是，在這個模塊中必須實現(xiàn)用于群延遲抵消的濾波器濾波器HC1和HC2，以便能夠進行進一步的DPD功能模塊評估。其它的預失真功能特性將通過研究誤差矢量評估，，而且沒有群延遲抵消就不能解決這些特性的精確測量。在圖17a中作為“微分增益預失真計算”203及“功率預失真計算”205的附加預失真功能會要求較小的群延遲和幅度誤差，以便提供功能模塊104和103的糾正應用。
微分增益預失真模塊完成了圖16中增益及均衡模塊105的計算而且預失真器系統(tǒng)目前處于使用FIR濾波器HC2的自適應之中，計算微分增益糾正104。根據(jù)圖20完成電路的更新。這個模塊的概圖實際上與圖10一樣，但是在表中使用逆微分復增益。逆微分復增益LUT可以直接計算或者使用數(shù)字建模工作中推導的增益表達式之逆來計算。進行自適應直到達到上面描述的自適應的性能測度極限。
功率依賴預失真模塊功率預失真模塊與圖14相同，并與PA模型預失真具有相同的概圖，而且應該用到下面公式中Sml_Power_Correct(t)＝Sin(t)*[1+dPconv(t+Td)*GP/(Rin(t)+δ)]
這里GP是功率FIR濾波器增益。根據(jù)(英文件)32頁上前面段落描述的用于尋找GP值的1-抽頭均衡過程，因子GP的符號會自動是正確的。“dPconv”是輸入信號中的微分功率P(t)-PM與根據(jù)(英文件)29頁中章節(jié)“功率依賴模塊”選擇的功率FIR濾波器的卷積。Td是以時間單元為單位的功率濾波響應延遲。圖14中所示的延遲根據(jù)實際數(shù)字實現(xiàn)而調(diào)整，以便滿足上面的公式。這個功率功能的允許和禁止是通過將例如增益因子GP或功率FIR濾波器抽頭置零來實現(xiàn)的。計算微分功率用的平均功率值可以根據(jù)所用的實際器件進一步優(yōu)化。必須提一下使用這個功能的備注，以便實現(xiàn)最佳性能。如果使用錯誤的延遲值“td”，失真頻譜會在頻率上偏移。當系統(tǒng)實現(xiàn)了對稱頻譜結果時，調(diào)整時間延遲td的功率就是最佳的。當實現(xiàn)了最低頻譜性能時，平均功率值PM就調(diào)整到了所用器件的最佳值。當輸入信號中的平均功率與非線性器件的平均功率不同時，可能需要PM值的精細調(diào)整。當確定了功率FIR濾波器時，進一步的自適應將達到功率FIR濾波器增益值。
常用的預失真模塊圖21表示根據(jù)圖2中的應用所需的預失真器功能模塊。主要區(qū)別是圖17中的EV_FIR模塊102被略去了，因此信號“S1”不需要傳遞到DSP進行信號處理。
發(fā)明的新DPD的擴展使用圖22表示本揭示描述的結合DPD及前饋環(huán)路MCPA的數(shù)字預失真電路的主要應用。預失真器功能模塊則應具有圖17中的概圖，包括EV_FIR 101。圖17中增加的EV_FIR模塊最小化真實輸入信號S1和輸出信號之間的誤差。預失真器FIR濾波器HC1和HC2在修改的輸入信號及包含不同增益預失真的輸入信號預失真之間最小化。
這個解決方案的優(yōu)點是本發(fā)明中的DPD被設計為最小化誤差。在FF設計的抵消點中，為了有效的設計必須最小化誤差。本DPD解法降低了誤差功放的信號電平及MCPA功耗，因為可以使用較低功率輸出的誤差功放。這種結合DPD和FF環(huán)路的應用可用于對失真抵消有很高要求的MCPA應用。前饋環(huán)路進一步降低了失真誤差。
在圖22中，復基帶發(fā)生器1為DSP 3控制的數(shù)字預失真器2提供數(shù)字輸入信號Vin。輸入信號還饋入DAC和參考上變頻器4中。參考上變頻器用于對FF MCPA概圖中的信號抵消點5提供無失真的干凈信號。抵消點應該只包含來自功放7的殘余失真。DPD 2驅(qū)動DAC和上變頻器6，對主功放7提供減小了失真的信號。來自MPA 7的輸出信號被抽樣并提供給抵消點5。抵消點后的輸出信號被抽樣，提供給測量接收機8，測量要求的信號與MPA 7信號之間的誤差。這個信號將包含來自MPA的必須最小化的殘余失真。這個信號以數(shù)字形式提供給DSP 3。誤差信號也經(jīng)過誤差功放9，并以延遲調(diào)整10提供的正確反相、經(jīng)過EPA 9的時延提供給MCPA輸出，抵消誤差功放引入的延遲。前饋環(huán)路則抵消殘余的失真誤差，這是DPD調(diào)整之后出現(xiàn)在MAP 7輸出信號中的誤差。
這個應用用于本發(fā)明中的DPD。本發(fā)明中的DPD工作于誤差矢量微分，在本文前面描述的預失真器計算和算法中計算EV＝VPA-Vin信號。在根據(jù)圖22的應用中，信號EV是已知的而且信號Vin也是已知的。因此可以計算信號Vout而且與本發(fā)明同樣的方法可以用于圖22所示的應用。DPD調(diào)整圖22中的信號VPA，直到在參考點處相比信號Vin的誤差被最小化。在參考上變頻器鏈中引入的誤差將保留。當最小化抵消點處的誤差時，DPD將調(diào)整上變頻器頻率響應與參考上變頻器相同。
圖22中的應用以簡化的形式畫出，只是為了說明其原理。參考鏈4通常使用頻率轉(zhuǎn)化數(shù)字模塊作為參考鏈中的數(shù)控振蕩器NCO，在所用DAC的有用視頻范圍內(nèi)提供基帶輸入信號。所用的上、下變頻器將進行頻率調(diào)整，通過在上、下變頻器中使用不同的本振設置使射頻上的信號相同。
參考帶有擴展文獻參考的一般非線性理論綜述的文獻列出如下。
“多項式信號處理(Polynomial Signal Processing)”V.JohnMathews，Giovanni L.Sicuranza 2000 ISBN-0-471-033414-2 JohnWiley Publishing company。
“非線性系統(tǒng)識別輸入-輸出建模方法(Non-Linear SystemIdentification Input-output Modeling Approach)”Robert Harver，Lazlo Keviczky 1999 ISBN 0-7923-5856-2以及ISBN 0-7923-5859-9 Kluwer Academic Publishers。
權利要求
1.一種非線性分析方法，其特征在于如下步驟將非線性過程或系統(tǒng)表示為依賴于一組處理參數(shù)P1到PN的過程而且非線性過程被標為NLS(P1，P2，...PN)，可以用模塊相乘或級聯(lián)的非線性子過程來描述，每個子過程依賴于非線性過程參數(shù)P1到PN中的一個，藉此每個子過程可以是包含線性和非線性過程的通用Wiener或Hammerstein過程而且該過程或系統(tǒng)通過一個模型描述，該模型首先描述了依賴于過程P1的主非線性子系統(tǒng)(MNLS)的傳遞函數(shù)，而且連續(xù)相乘的非線性系統(tǒng)過程各用傳遞函數(shù)1+dNLS(dPi)來描述，其中dNLS(dPi)過程定義為與前面級聯(lián)的過程不同的子過程而且過程參數(shù)dPi定義為等于實際過程參數(shù)值Pi與用于前面過程的過程值Pi的平均值Pi_mean之間的差。
2.根據(jù)權利要求1的方法，其特征在于如下更多的步驟第一主系統(tǒng)過程MNLS(P1)可以通過模型參數(shù)自適應來評估，也就是最小化實際過程的觀測輸出與依賴于參數(shù)P1的建模主非線性過程MILS(P1)的計算輸出之間的誤差，藉此假定模型和實際測量的非線性過程有相同的輸入激勵，并且進一步評估下一個級聯(lián)的過程Pi，而且過程dPi值的自適應是使用這個實際過程的實際輸出與具有相同輸入激勵的目前模型化過程輸出之間的誤差做進一步計算來實現(xiàn)的。
3.根據(jù)權利要求2的方法，其特征在于如下更多的步驟當對實際非線性過程或系統(tǒng)線性化時，使用這個新的級聯(lián)非線性過程描述，通過將各依賴于過程參數(shù)Pi的級聯(lián)子過程連接到實際的非線性過程或系統(tǒng)之前來進行，過程連接是這樣的，首先級聯(lián)的模塊是依賴于不同過程dPN的非線性子過程，而且最接近實際非線性系統(tǒng)的過程依賴于與主非線性系統(tǒng)模型MNLS(P1)有關的過程參數(shù)P1，藉此每個子過程都具有相應的非線性模型子過程的逆過程函數(shù)，而且逆子過程或者是非線性模型子過程的直接求逆1/1(1+dNLS(Pi))或者表示為1+dNLSm(Pi)，這里dNLSm(Pi)是與非線性模型依賴于同一過程參數(shù)Pi的修正過程，而且依賴于參數(shù)P1函數(shù)的主過程MNLS(P1)的逆函數(shù)或者是模型過程的直接求逆1/MNLS(P1)，或者是具有主非線性模型過程的逆函數(shù)的修正非線性過程MNLSm(P1)。
4.根據(jù)權利要求3的方法，其特征在于如下更多的步驟線性化過程的自適應及優(yōu)化通過最小化輸入激勵與整個系統(tǒng)——包含級聯(lián)線性化系統(tǒng)模塊及實際非線性系統(tǒng)——的觀察輸出之間的誤差貢獻來完成，藉此誤差最小化首先在逆過程模塊1/MNLS(P1)或級聯(lián)的MNLSm(P1)中針對主過程P1進行，而且當自適應達到最小而且自適應過程不能得到進一步的誤差減少時，線性化系統(tǒng)就繼續(xù)進行依賴于過程P2的下一個模塊的誤差最小化，以此類推，直到級聯(lián)線性化系統(tǒng)的最后一個參數(shù)最小化，然后線性化可以進行第二輪或者通過進行從參數(shù)P1開始、參數(shù)PN結束的同一誤差最小化過程，繼續(xù)線性化自適應的循環(huán)。
5.根據(jù)權利要求4的方法，其特征在于如下更多的步驟線性化級聯(lián)中子模塊的自適應線性化可以通過在一個系統(tǒng)處理器中計算虛擬模型，該系統(tǒng)處理器控制線性化過程并最小化所計算的虛擬模型輸出與總系統(tǒng)輸出之間的誤差，藉此通過所計算的模型模塊的直接求逆更新線性化子模塊，也可以使用混合自適應技術，線性化電路中的一些子模塊用虛擬非線性系統(tǒng)模型得到的值更新，而其它模塊通過信號傳輸特性直接求逆的計算——最小化觀測輸出與線性化系統(tǒng)的輸入激勵之間的誤差——來直接更新。
6.根據(jù)權利要求1到5中任意一個方法，其特征在于如下更多步驟重新組織過程，使主過程MNLS依賴于一個以上的過程，即MNLS(P1，P2，...PM)，而且子過程也可以設為dNLS(PM，PM+1...)，藉此這種情況下每個子過程的計算量將是多內(nèi)核解法，可以使用單個過程模塊和多個過程模塊的混合。
全文摘要
在本發(fā)明中使用了一種完全不同的對非線性器件或過程建模的方法。在非線性建模和預失真設計中都利用了級聯(lián)的模塊，每塊依賴于一個非線性參數(shù)。新的非線性模型描述可以用于非線性系統(tǒng)的特征化或者對非線性系統(tǒng)線性化。通信系統(tǒng)多載波放大器中的應用作為應用例子示出。而且新的數(shù)學方法的其它應用領域也是可行的，例如回聲抵消、非線性通信信道等。參數(shù)提取以及新模型的表沒有像現(xiàn)有技術那樣給出參數(shù)提取的多維數(shù)學解法。
文檔編號H03F1/32GK1593005SQ02822374
公開日2005年3月9日 申請日期2002年10月29日 優(yōu)先權日2001年11月12日
發(fā)明者K·-G·薩爾曼 申請人:艾利森電話股份有限公司