一种提高数字预失真稳定性的方法

摘要

本发明公开了一种提高数字预失真稳定性的方法，通过对功放输出信号采用斯密特正交化方法对其不同记忆深度和多项式阶数的时间序列矩阵进行正交化处理，按记忆深度和阶数从小到大的顺序依次将正交化矩阵与功放输入信号相关，并从功放输入信号中将相关部分减去，根据预失真的目标门限确定当前信号对应的多项式阶数和记忆深度，并实时检测当前信号的最大幅度和带宽变化，如果发生变化，则重新计算当前信号对应的多项式阶数和记忆深度，根据多项式阶数和记忆深度计算预失真系数。本发明提高了求解预失真系数的稳定性，减小了预失真系数的动态范围，提高了预失真处理的精度，提高了跟踪快变信号的能力。

主权项

一种提高数字预失真稳定性的方法，其特征在于，包括以下步骤：(1)并行处理器件实时检测功放输入信号的幅度范围和带宽，若功放输入信号的幅度范围和带宽发生变化，则进行步骤(2)；若功放输入信号的幅度范围和带宽在规定时间内没有发生变化，则进行步骤(3)；(2)采集功放输入信号和功放输出信号给串行处理器件，串行处理器件根据功放输入和功放输出信号计算当前信号对应的记忆深度和多项式阶数，修改记忆多项式的表达式，计算该记忆多项式的预失真系数，然后将预失真系数传给并行处理器件，由并行处理器件进行预失真处理；所述串行处理器件根据功放输入和功放输出信号计算当前信号对应的记忆深度和多项式阶数，修改记忆多项式的表达式，计算该记忆多项式的预失真系数，然后将预失真系数传给并行处理器件，由并行处理器件进行预失真处理，具体为：设功放模型记忆多项式为：$z\left(n\right)=\underset{k=1}{\overset{K}{\Sigma }}\underset{l=0}{\overset{L-1}{\Sigma }}{a}_{\mathrm{kl}}y(n+l){\left|y(n+l)\right|}^{2k-1}$其中，z(n)为功放输入信号，y(n)为功放输出信号，n＝1,2,…,N,N为采集的功放输入信号和功放输出信号的总点数，a_kl为预失真系数，k表示多项式阶数，l为记忆深度；K为最大多项式阶数，L为最大记忆深度；(2‑1)串行处理器件根据实际功放能够承受的最大信号幅度和可能发送的最大信号带宽设置多项式阶数K_max和记忆深度L_max，得到关于K_max和L_max的矩阵radix_output，$\mathrm{radix}\_\mathrm{output}=\{y\left(n\right),y\left(n\right){\left|y\left(n\right)\right|}^2,...y\left(n\right){\left|y\left(n\right)\right|}^{2K_{\max }-1},$$y(n+1),y(n+1),...y(n+1){\left|y(n+1)\right|}^{2K_{\max }-1},$……$y(n+L_{\max }-1),y(n+L_{\max }-1){\left|y(n+L_{\max }-1)\right|}^2,...,y(n+L_{\max }-1){\left|y(n+L_{\max }-1)\right|}^{2K_{\max }-1}\}$(2‑2)将矩阵radix_output正交化得到矩阵radix_schism，(2‑3)令$\mathrm{radix}\_\mathrm{output}=\{r_1\left(n\right),r_2\left(n\right),...,r_i\left(n\right),...,r_{K_{\max }·L_{\max }}\left(n\right)\},$即r₁(n)＝y(n)，r₂(n)＝y(n)|y(n)|²，……，$r_i\left(n\right)=y(n+i-[i/K_{\max }]·K_{\max }){\left|y(n+i-[i/K_{\max }]·K_{\max })\right|}^{[i/K_{\max }]},......,$$r_{K_{\max }·L_{\max }}\left(n\right)=y(n+L-1){|y(n+L-1|}^{2K_{\max }-1}$其中[i/K_max]为i/K_max的整数部分；则$\mathrm{radix}\_\mathrm{schism}=\{s_1\left(n\right),s_2\left(n\right),...s_{K_{\max }·L_{\max }}\left(n\right)\},$其中s₁(n)＝r₁(n)$s_2\left(n\right)=r_2\left(n\right)-\frac{s_1^{\prime }\left(n\right)·r_2\left(n\right)}{s_1^{\prime }\left(n\right)·s_1\left(n\right)}{s}_1\left(n\right)$……$s_i\left(n\right)=r_i\left(n\right)-\underset{j=1}{\overset{i-1}{\Sigma }}\frac{s_j^{\prime }\left(n\right)·r_i\left(n\right)}{s_j^{\prime }\left(n\right)·s_j\left(n\right)}{s}_j\left(n\right)$……$s_{K_{\max }·L_{\max }}\left(n\right)=r_{K_{\max }·L_{\max }}\left(n\right)-\underset{j=1}{\overset{K_{\max }·L_{\max }-1}{\Sigma }}\frac{s_j^{\prime }\left(n\right)·r_{K_{\max }·L_{\max }}\left(n\right)}{s_j^{\prime }\left(n\right)·s_j\left(n\right)}{s}_j\left(n\right);$其中s′_j(n)为s_j(n)的转置矩阵；(2‑4)依次计算功放输入信号z(n)与radix_schism的每一元素的相关值c_i，并从功放输入信号z(n)中将相关部分c_is_i(n)减去,即$c_1=\frac{s_1^{\prime }·z\left(n\right)}{s_1^{\prime }·s_1},z_1\left(n\right)=z\left(n\right)-c_1·s_1\left(n\right),$$c_2=\frac{s_2^{\prime }·z_1\left(n\right)}{s_2^{\prime }·s_2},z_2\left(n\right)=z_1\left(n\right)-c_2·s_2\left(n\right)$……$c_i=\frac{s_i^{\prime }·z_{i-1}\left(n\right)}{s_i^{\prime }·s_i},z_i\left(n\right)=z_{i-1}\left(n\right)-c_i·s_i\left(n\right)$……$c_{K_{\max }·L_{\max }}=\frac{s_{K_{\max }-L_{\max }}^{\prime }·z_{(K_{\max }·L_{\max }-1)}}{s_{K_{\max }·L_{\max }}^{\prime }·s_{K_{\max }·L_{\max }}},z_{K_{\max }·L_{\max }}\left(n\right)=z_{(K_{\max }·L_{\max }-1)}\left(n\right)-c_{K_{\max }·L_{\max }}·s_{K_{\max }·L_{\max }}$(2‑5)依次计算的功率，设门限为P_limen，若对于1≤i≤M‑1，均有|z_i(n)|²>P_limen，且对于M≤i≤K_max·L_max均有|z(n)|²<P_limen，则M对应的K_max'和L_max'即为当前信号对应的多项式阶数和记忆深度；其中，L_max'＝[M/K_max]为M/K_max的整数部分，而K_max'＝M‑[M/K_max]·K_max，则将功放模型记忆多项式修改为$z\left(n\right)=\underset{k=1}{\overset{K_{\max }}{\Sigma }}\underset{l=0}{\overset{L_{\max }^{\prime }-1}{\Sigma }}{a}_{\mathrm{kl}}y(n+l){\left|y(n+l)\right|}^{2k-1}+\underset{k=1}{\overset{K_{\max }^{\prime }}{\Sigma }}{a}_{\mathrm{kl}}y(n+L_{\max }^{\prime }){\left|y(n+L_{\max }^{\prime })\right|}^{2k-1}$(2‑6)计算步骤(2‑5)得到的功放模型记忆多项式的预失真系数，然后将预失真系数传给并行处理器件，由并行处理器件进行预失真处理；(3)采集功放输入信号和功放输出信号给串行处理器件，串行处理器件按照上一次记忆多项式计算预失真系数然后将预失真系数传给并行处理器件，由并行处理器件进行预失真处理。