功放数字预失真技术现状及未来发展.pdf

功放数字预失真技术现状及未来发展 谷林海;葛利嘉【摘 要】功放是无线通信发射机的重要组成部分,随着无线通信的不断发展,对宽带线性功放的要求也越来越高.然而,功放的非线性特性和记忆效应会导致信号严重失真.为了减小带内失真和邻道干扰,数字预失真成为功放线性化技术中最有发展潜力的技术.介绍了功放模型,数字预失真的学习结构、数字预失真器参数的辨识算法等研究现状,探讨了数字预失真的发展趋势,为今后数字预失真技术的研究提供参考.【期刊名称】通信技术【年(卷),期】2015(048)011【总页数】6 页(P1207-1212)【关键词】功率放大器;线性化;数字预失真;自适应算法【作 者】谷林海;葛利嘉【作者单位】重庆邮电大学 移动通信技术重庆市重点实验室,重庆,400065;重庆通信学院应急通信重庆市重点实验室,重庆,400035【正文语种】中 文【中图分类】TN92;TN722.7 随着无线通信高速发展，数据速率不断提高，功放的带宽也随之增加，提出了频谱利用率较高的传输技术(如 OFDM)和调制方式(如 M-QAM)，具有非恒定包络、高峰均比、频带较宽等特点，这使调制信号通过功放会产生严重失真，造成信号误码率上升，降低通信系统的性能。因此，功放的非线性是非常重要的。功放是无线通信中发射机的重要组成器件，其非线性引起传输信号频谱扩展和干扰相邻信道，这就必须采用高线性功放，减小对通信系统的影响。然而，功放的效率和线性度是一对矛盾。因此，为保证不失真的前提下提高功放的效率，提出了许多功放线性化方法，常用的有功率回退1、前馈2、负反馈3、非线性器件线性化技术4、包络分离和恢复技术5、预失真6等，但仍没彻底解决功放的效率和线性度之间的矛盾，不过预失真在目前功放线性化技术中是最有发展潜力的。预失真分为射频预失真和数字预失真(Digital Pre-Distortion，DPD)。射频预失真工作在较高频段，采用模拟电路实现，具有电路简单、带宽宽、成本低等优点，但高阶频谱分量消除较困难。DPD 是在基带完成信号预失真处理，具有结构紧凑、稳定、高效、宽带宽、低功耗、低成本等性能。随着高速数字信号处理技术的发展，DPD 发展的瓶颈也逐步得到解决，因此，DPD 是具有广泛应用和发展前景的线性化技术。本文主要对目前功放 DPD 技术的研究成果进行总结和深入分析，探讨 DPD 技术在功放的非线性行为建模、学习结构、模型参数的辨识算法等方面的发展趋势。DPD 技术是在功放前插入预失真器，其中预失真器具有与功放非线性相反的特性，让输入信号先经过预失真处理后再通过功率放大器，实现信号输入输出在整体上呈线性关系，从而达到补偿功率放大器非线性的效果。其原理如图1 所示。设系统输入和输出信号分别为 vi(t)、vo(t)，DPD 输出为 vd(t)，DPD 特性为 f(*)，功放传输函数为 g(*)。则：由上式(1)可得：若系统理想线性，则输出信号为：其中，K(K1)为常数，是功放的幅度放大倍数。因此，若功放特性 g(*)已知，则DPD 技术的核心是找出 DPD 的特性 f(*)，使能够满足：如果测得功放的输入和输出信号值，就能拟合功放的特性函数 g(*)，然后利用(4)式，可得 f(*)。然而，要解决 f(*)的精度和复杂度主要取决于三个方面：首先，建立功放模型。DPD 是要校正功放的非线性，精确模拟功放的非线性特性是设计DPD 的关键。其次，选择学习结构。DPD 的反特性，需要采用合理的学习结构。最后，选用合适的参数辨识算法。功放的非线性特性随温度、电压、器件老化等发生改变，为确保系统的稳定线性输出，这就要求 DPD 能够随功放特性的改变而自动调节，实时进行功放校准。因此，接下来探讨功放的非线性行为建模、学习结构、模型参数的辨识算法三个方面。功放的非线性特性一般由 AM/AM、AM/PM 特性曲线7来表示。一般情况下，窄带信号输入下功放的特性曲线不变。然而，宽带信号输入下功放的特性随着输入信号的带宽变化而变化，这种现象称记忆效应，是由功放的电容和电感网络引起输出信号失真。因此，消除记忆效应引起的失真来改善功放的非线性特性，首先要建立功放模型，使这种模型和功放的特性趋于一致，精确的功放模型是 DPD 设计与仿真关键的一步。功放模型分为物理模型和行为模型。行为模型(即黑盒模型)主要用于模拟通信子系统或模块的特性，取决于一组所选择的输入输出测试数据，不需知道功放的内部结构，也能模拟功放的非线性和记忆效应，适应于已存在的功放。功放的行为模型分为无记忆行为模型和有记忆行为模型。当输入信号带宽远小于功放带宽，功放的记忆效应可以忽略，那么功放是无记忆行为模型。常用的无记忆行为模型有 Saleh 模型8，Rapp 模型9和幂级数模型10等。然而，实际应用的多载波信号属于宽带信号，功放具有明显的记忆效应，这就要求建立能表达记忆效应的功放模型。常用的有记忆功放模型有 Volterra 级数模型11、Wiener 模型12、Hammerstein 模型13、Wiener-Hammerstein 模型14、并联Hammerstein 模型15、并联 Wiener 模型16、记忆多项式模型(Memory Polynomial,MP)17和神经网络模型18等。这些功放模型各有特点，其中文献8-10模型含有复系数的多项式模型；文献1-13模型是考虑线性记忆的多项式行为模型；文献14-18模型是考虑了非线性记忆效应的行为模型，但是大多数是基于 Volterra 级数的简化和扩展模型，使得参数识别简化，让系统易于实现。不同功放的特性函数 g(*)差异较大，即使同一功放，随着输入信号类型、环境温度等改变，功放的特性也会发生变化。根据 Weierstrass 逼近定理19,可以用一个次数足够大的多项式对功放特性函数 g(*)逼近到任意程度，故采用多项式表示功放的特性函数。若功放是无记忆行为模型，其特性函数用多项式表示为：其中，K 为非线性的阶数。若功放是有记忆行为模型，则功放的非线性特性为：其中，M 表示记忆深度。Volterra 级数引入了记忆效应，是建模和分析记忆非线性系统最经典的方法。表示为：其中，K 为非线性的阶数，M 为记忆深度，hk(m1,m2,mk)为 k 阶 Volterra 的核函数。K 和 M 越大，行为模型描述越精确，但辨识的参数量增大，故计算量增大。Volterra 级数简化有三种方法：利用 Volterra 级数的对称性合并多余项；除去直流和偶次分量留下奇次分量；运用简化算法使 Volterra 级数的参量减少。文献20提出的动态记忆多项式模型(Dynamic Memory Poly-nomial,DMP)，非线性阶数随记忆深度增加而减少，但未考虑记忆交叉的影响。为了提高模型精度，文献21提出改进动态记忆多项式模型，充分考虑了记忆时刻与当前输入信号间的交互作用。结果表明：比 DMP 精度优 0.5 dB，系数减少 14.29%，邻信道功率比(ACPR)改善了 4 dB。文献22提出的通用记忆多项式模型(Generalized Memory Polynomial,GMP)，在 MP 的基础上引入了滞后交调项和超前交调项，但增加了模型的系数，为了减少模型系数，文献23提出了双非线性两箱模型，用查找表和低价记忆多项式分别构建功放的静态非线性和适中动态非线性，提高精度同时降低了复杂度；而文献24提出的 LMEC(LUT-MP-EMP-CIMT)模型，该模型由查找表(LUT)、记忆多项式(MP)、包络记忆多项式(EMP)以及记忆交叉项(CIMT)并联构成，且实验表明 LMEC 模型较 MP 模型建模精度提升 2.0 dB，同时减少了 26.76%的系数；ACPR 值降低约 5 dB；较并联非线性模型相比精度提升了 1.1 dB，ACPR值降低约 3 dB；与通用记忆多项式模型相比性能相近，但减少了 50%的系数。文献25提出了应用在 MIMO 系统的记忆多项式模型。总之，目前尽管许多文献提出了许多不同的模型，但是这些文献都存在着一定的局限性，因此建立简易且更精确的功放模型是未来功放模型的一个研究方向。为得到功放非线性相反的特性，需要采用合理的学习结构，通常有直接学习结构和间接学习结构，如图 2 所示。直接学习结构26首先对功放特性进行估计，然后根据功放模型和 DPD 的互逆关系计算 DPD 的参数，计算的复杂度比较高。然而，直接结构求出的 DPD 特性为功放的前逆特性，适应于所有功放模型，但是求取功放的有记忆行为模型比较困难，其算法的收敛性受系统噪声的影响比较大，且 DPD 的参数需要实时更新，所以系统稳定性比较差。间接学习结构26不需要先求功放模型，而是直接利用参数估计算法求取 DPD 参数，然后将参数传递给 DPD 模块，即直接辨识功放的后置逆模型，并通过后置逆模型获取功放前置逆模型，这种方式计算复杂度低，应用更广泛，但是对于一个非线性器件，通过间接学习结构得到的是功放的后逆，不一定等于前逆，故在应用间接结构时需要对采用的模型论证是否可行。此外，两种学习结构均为实时学习结构，对系统的实时性要求比较高，尤其对系统延时很敏感。针对以上两种学习结构的优缺点，国内外学者也提出了一些改进的DPD 学习结构。文献27提出了一种采用单反馈的射频功放预失真线性化方法，只需正交调制后的信号中的一路对预失真器参数的获取，节省了一路反馈采样电路，但是需要先对功放非线性系统模型进行识别，然后求模型参数，且模型求取比较复杂，不利于硬件实现。文献28将直接结构和间接结构预失真相结合，提出了双换结构的 DPD 新方法，仿真结果表明，其性能明显优于直接和间接学习结构预失真，在不增加系统复杂度下，显著提高了预失真系统的性能。总之，为了让预失真器运算简单且精确，需要设计出高性能的预失真学习结构，目前大多数方法都是对直接学习结构和间接学习结构进行改进，主要是从算法复杂度和收敛性的平衡等进行考虑，也需要考虑芯片运算速度的能力。同时，对于多通道发射机需要设计出适合的学习结构，是未来学习结构的一个研究方向。自适应算法是 DPD 参数辨识算法中关键算法之一。自适应算法由目标函数、误差函数和最小优化算法三个要素组成。经典的自适应算法是最小均方误差算法(LMS)和递归最小二乘法(RLS)。LMS 算法29通过适当调整目标函数，梯度向量的计算得到了简化，具有计算量小、性能稳定且易于实现等特点，已经得到了广泛的应用，然而，LMS 算法收敛速度很慢，不适合应用于快速变化的信号。RLS 算法29具有快速收敛速度和较好的收敛性能，但是该算法的计算量比较大，且实现较为复杂。针对两种结构的优缺点，文献21和文献30提出了一种改进的 RLS-LMS 联合算法，由 RLS 算法和 LMS 算法联合组成，结合了两者的优点，该算法解决了收敛速度与稳态误差的矛盾，跟踪能力较快，参数估计误差较小，收敛性好，能够达到较好的线性化效果，并且算法较 RLS 更简单。文献31 提出的 RLS 和基于正弦函数归一化 LMS 相结合的算法，其预失真性能好，复杂度较低，收敛速度快。总之，目前 LMS、RLS 和各种改进算法等自适应算法的优化都是让算法结构简单，计算复杂度低，收敛速度快，易于存储和实时性好等方向研究。功放预失真技术的研究取得了显著成果，未来该技术将朝以下几方面发展:(1)自适应 DPD 技术。文献32提出了自适应 DPD 技术，文献33提出了一种自适应 DPD 具有收敛速度快，低复杂度多通道发射机。文献34提出了一个输出控制的 DPD 方法，可根据用户的需求任意控制。(2)DPD 技术与其它技术的结合。文献35和文献36提出 DPD 和减少波峰因素(CFR)相结合的方法，其中文献35结果表明合并的 DPD/CFR 发射机与没有线性化的功放相比相邻信道功率比(ACPR)降低了 21 dB。文献37通过组合反馈线性化技术和 DPD 技术提出数字反馈数字预失真(FDPD)，预失真器性能显著提高。文献38提出 DPD 技术与包络跟踪结合起来，改善了发射机的线性度和效率。(3)实时性。文献39提出一种数字线性补偿技术，被证明是适合于实时应用，可以通过 FPGA 实现。(4)DPD 在 MIMO 发射机中的研究。目前 DPD 技术大多研究应用于单个功放，文献40提出了一种 cross-over-predistortion(CO-DPD)在 MIMO 发射机的研究，然而 CO-DPD 忽略了输入信号的高阶交叉项的影响，因此，文献41提出了一种cross-over canceling predistortion(CTC-DPD)，相比 CO-DPD 在-15 dB 时EVM 提高 1.5%；文献42对 CTC-DPD 进行了更进一步的研究。因此，可以预见适用于 MIMO 发射机的 DPD 技术是未来 DPD 的一个重要发展方向。功放预失真技术对无线通信的发展有着重要意义，然而，DPD 技术是功放预失真技术最重要的研究方向，而且 DPD 技术理论已经逐步成熟，并开始在实际中得到应用。本文围绕目前功放数字预失真技术的功放模型、学习结构以及自适应算法等方面的发展与研究状况做出了介绍，但随着无线通信系统带宽的不断增加，要克服记忆效应带来的非线性失真，除了采用预失真技术外，还要对功放本身进行改进和完善，这样才可以更好的让功放的效率和线性度尽可能达到人们所需要的要求。Foundation Item:National Natural Science Foundation of China(No.61271251)谷林海(1989)，男，硕士研究生，主要研究方向为高速无线传输理论与实时信号处理；葛利嘉(1957)，男，教授，博士生导师，主要研究方向为高速无线传输理论与实时信号处理。【相关文献】1 Seymour C.Development of Spacecraft Solid-State High Power-Band AmplifiersJ.IEEE Proc，1986，133(4)：326-338.2 Black H S.Translating SystemP.US Patents，1686792.1928-10-9.3 Wills D.A Control System for a Feedforward AmplifierJ.Microwave J，1998，41(4)：22.4 Cox D.Linear Amplification with Nonlinear ComponentsJ.IEEE Trans Commun，1974，22(12)：1942-1945.5 Kahn L R.Single Sideband Transmission by Envelope Elimination and RestorationJ.Proceeding of the IRE，1952，40(7)：803-806.6 Ghannouchi F M，Hammi O.Behavioral Modeling and PredistortionJ.IEEE Microw Mag，2009，10(7)：52-64.7 Pupolin S,Greenstein L J.Performance Analysis of Digital Radio Links with Nonlinera Transmit AmplifiersJ.IEEE J Sel Areas Commun，1987，5(3)：533-545.8 Saleh A.Frequency Independent and Frequency Dependent Nonlinear Models of TWT AmplifiersJ.IEEE Trans Commun，1981，29(11)：1715-1720.9 Mansell A R，Bateman A.Adaptive Predistortion with Reduced Feedback ComplexityJ.Electronics Lett.1996，32(13)：1153-1154.10 Cavers J K.Effrect of Quadrature Modulator and Demodulator Errors on Adaptive Digital Predistorters for Amplifier LinearizationJ.IEEE Transaction on Vehicular Technolog，1997，46(2)：456-466.11 Changsoo E,Edward J P.A New Volterra Predistorter based on the Indirect Learing ArchitectureJ.IEEE Trans Signal Process，1997，45(1)：223-227.12 Imai A，Nisihmura E，Papadimitaiou S.Marine Containner Terminal Configurations for Efficient Handing of Mega-ContainershipsJ.Trans on Research Part E，2013，49(1)：141-158.13 Vuong X T,Guibord A F.Modeling of Nonlinear Elements Exhibiting Frequency-Dependent AM/AM and AM/PM Transfer CharacteristicsJ.Can Electr Eng J，1984，9(3)：112-116.14 DING L，ZHOU G T，Morgan D R，et al.A Robust Digital Baseband Predistorter Constructed using Memory PolynomialsJ.IEEE Trans Commun,2004，52(1)：159-165.15 Magnus I,David W,Daniel R.A Comparative Analysis of Behavioral Models for RF Power AmplifiersJ.IEEE Trans Microwave Theory Tech，2006，54(1)：348-359.16 KU H，Mckinley M D，Kenney J S.Quantifying Memory Effects in RF Power AmplifierJ.IEEE Trans Microwave Theory Tech，2002，50(12)：2843-2849.17 Canonaco P，Legato P，Mazza R M，et al.A Queuing Network Model for the Management of Berth Crane OperationsJ.Comp Oper Res，2008，35(8)：2432-2446.18 Magnus I，David W，Daniel R.Wide-Band Dynamic Modeling of Power Amplifiers using Radial-Basis Function Neural NetworksJ.IEEE Trans Microwave Theory Tech，2005，53(11)：3422-3428.19 Gzyl H，Palacios J L，The Weierstrass Approximation Theorem and Large DeviationsJ.Am Math Mon，1997，104(7)：650-653.20 于翠屏.宽带功率放大器预失真线性功放技术的研究D.北京:北京邮电大学,2009.YU Cui-ping.Research on the Predistortion Technology of Wideband Power AmplifiersD.Beijing：Beijing University of Posts and Telecommunications，2009.21 南敬昌，周丹，李诗雨等.改进的动态记忆多项式功放模型及预失真应用J.激光杂志,2014,35(7):50-54.NAN Jing-chang，ZHOU Dan，LI Shi-yu，et al.Improved Dynamic Memory Polynomial Behavior Model and Predistortion for Power AmplifierJ.Lasernal，2014，35(7)：50-54.22 Morgan D R，Ma Z，Kim J，et al.A Generalized Memory Polynomial Model for Digital Predistortion of RF Power AmplifiersJ.IEEE Trans Signal Process，2006，54(10)：3852-3860.23 Hammi O，Ghannouchi F M.Twin Nonlinear Two-Box Models for Power Amplifiers and Transmitters Exhibiting Memory Effects with Application to Digital Pre-DistortionJ.Wireless Compon Lett，2009，19(8)：530-532.24 南敬昌，李诗雨，汪赫瑜等.一种新型射频功放建模结构 LMEC 研究及预失真应用J.计算机应用研究，2013，30(8)：2447-2450.NAN Jing-chang，LI Shi-yu，WANG He-yu，et al.New LMEC Model for Behavior Modeling and Predistortion for RF Power AmplifiersJ.Application Research of Computers，2013，30(8)：2447-2450.25 Amin S，Landin P，Ronnow D.Behavioral Modeling and Linearization of Crosstalk and Memory Effects in Radio Frequency MIMO TransmittersJ.IEEE Trans Microw Theory Tech，2014，62(4)：810-823.26 Eun C，Powers E J.A New Volterra Predistorter based on the Indirect Learning ArchitectureJ.IEEE Trans Signal Process，1997，45(1)：223-227.27 詹鹏，秦开宇，蔡顺燕.单路反馈射频功放预失真线性化方法J.电子与信息学报，2011，33(8)：2023-2027.ZHAN Peng,QIN Kai-yu,CAI Shun-yan.Single Feedback Predistortion Linearization Predistortion for RF Power AmplifiersJ.Journal of Electronics&Information Technology，2011，33(8)：2023-2027.28 曲昀，南敬昌，毛陆虹等.射频功放数字预失真新方法研究J.微电子学，2013，43(3)：440-444.QU Yun，NAN Jing-chang，MAO Lu-hong，et al.Study on New Digital Pre-Distortion Method for RF Power AmplifierJ.Microelectronics，2013，43(3)：440-444.29 Sayed H.Fundamentals of Adaptive FilteringM.US：Wiley IEEE Press，2003.30 黄圣，胡泽鑫，龚文斌.一种用于预失真系统的 RLS+LMS 组合算法J.遥测遥控，2012，33(6)：7-12.HUANG Sheng，HU Ze-xin，GONG Wen-bin.A Combined Algorithm of RLS and LMS Using in Predistortion SystemsJ.Journal of Telemetry Tracking and Command，2012，33(6)：7-12.31 韩冰，晋东立.数字预失真器模型参数辨识算法研究J.通信技术，2015，48(7)：799-802.HAN Bing，JIN Dong-li.Parameters Identification Algorithm of Digital Pre-Distorter ModelJ.Communications Technology，2015，48(7)：799-802.32 ZHANG F，WANG Y，Ai B.Novel Adaptive Digital Predistortion based on the Hybrid Indirect Learning AlgorithmC/2014 IEEE International Symposium on BMSB.Beijing：IEEE，2014：1-4.33 M Yue-lin，Yasushi Y，Yoshihiko A.FPGA Implementation of Adaptive Digital Predistorter with Fast Convergence Rate and Low Complexity for Multi-Channel TransmittersJ.IEEE Trans Microwave Theory Tech，2013，61(11)：3961-3972.34 CHAO Y，YAN G.Output-Controllable Partial Inverse Digital Predistortion for RF Power AmplifiersJ.IEEE Trans Microwave Theory Tech，2014，62(11)：2499-2510.35 Braithwaite R N.A Combinedapproach to Digital Predistortion and Crest Factor Reduction for the Linearization of an RF Power AmplifierJ.IEEE Trans Microwave Theory Tech，2013，61(1)：291-302.36 Fehri B，Boumaiza S.Joint Dual-Band Crest Factor Reduction and Digital Predistortion of Power Amplifiers Drivenby Inter-band Carrier Aggregated SignalsC/2014 IEEE MTT-S International IMS.Tampa：IEEE，2014：1-4.37 YOUNG Y W，Jangheon K，Jaehyok Y.Adaptive Digital Feedback Predistortion Technique for Linearizing Power AmplifiersJ.IEEE Trans Microwave Theory Tech，2007，5(55)：932-940.38 Mathilde B，Myriam A.Joint Linearity and Efficiency Improvement Joint Linearity and Efficiency ImprovementJ.IEEE Microw wirel co，2014，24(12)：884-887.39 Martinez M A，Kelly N，ZHU A.Digital Linear Pre-Compensation Technique to Enhance Predistortion Performance in Multicarrier DVB-S2 Staellite CommunicationJ.Electronics lett.2014，50(13)：957-959.40 Bassam S A，Helaoui M，Ghannouchi F M.Crossover Digital Predistortion for the Compensation of Crosstalk and Nonlinearity in MIMO Transmitters J.IEEE Trans.Microwave Theory Tech，2009，57(5)：1119-1128.41 Suryasarman P，Hoflehner M，Springer A.Digtal Predistortion for Multiple Antenna Transmitters C/EuMW Conf Proc：IEEE，2013：412-415.42 Suryasarman P M，Springer A.A Compensation Analysis of Adaptive Digital Predistortion Algorithms for Multiple Antenna Transmitters J.IEEE Trans Circuits Syst Regul Pap，2015，62(5)：1412-1420.