用於自適應功率放大器的徑向基神經網絡預失真方法
2023-10-19 17:03:27 1
專利名稱：用於自適應功率放大器的徑向基神經網絡預失真方法
技術領域：
本發明涉及一種用於自適應功率放大器的預失真方法，特別涉及的是一種利用徑向基神經網絡實現射頻預失真線性化的方法。
背景技術：
近年來在移動通信領域，以頻率的高效利用為目的通信系統受到越來越多的關注。聯合幅度和相位變化的線性調製技術是提高無線頻譜利用率的有效方式，而功率放大器是通信系統發射機的主要部件，在實際應用中，為了增加效率，一般讓功率放大器工作在接近飽和點，因而常會引起信號非線性失真。
針對信號非線性失真的處理，現有技術主要有非恆包絡調製和恆包絡調製兩類。對於非恆包絡調製，會有較大的峰平比；而對於恆包絡調製，在多載波條件下，多個載波的信號組成的寬帶信號會產生較大的包絡起伏。信號幅度變化，對功率放大器在大信號條件下的非線性失真極其敏感，容易產生鄰信道幹擾和帶內失真，帶來信號間的相互幹擾，影響通信質量。
為了克服上述缺點，通常採用預失真技術或前饋技術對功率放大器的非線性特性進行補償。而預失真技術由於效率高等特點受到了極大關注。
自適應數字預失真是克服功率放大器非線性失真最有前途的一項技術，它通過在放大器前構造非線性失真的逆特性來達到線性化的目的。當信號帶寬遠小於放大器帶寬時，記憶效應可以忽略， 可用無記憶非線性放大器來實現預失真；但對於寬帶應用，如WCDMA和TD-SCDMA，放大器的記憶效應明顯，無記憶非線性放大器無法勝任。
目前對這種條件下的預失真技術的研究大部分局限於分段線性自適應基帶預失真，它們往往依賴於對信號特徵的提取。
請參見哈裡公司的中國專利「在數字傳輸系統中線性化放大器輸出的自適應預失真裝置」，發明人埃德溫·雷·特威切爾；羅伯特·C·戴維斯，
公開日1999年01月27日，公開號CN 1206251，申請日1998.06.29，申請號CN98115194.9描述了在一個傳輸系統裡，用於補償放大器的非線性失真作用的自適應裝置。
其中，I信道和Q信道存貯器存貯大量的預失真校正值。通過使用輸入的原始信息信號的一個預先規定數目個重要比特作為對存貯器尋址的地址，以重新產生I信道和Q信道預失真校正值。I信道和Q信道預失真校正值數字地與原始信息信號的I信道與Q信道分量組合，以對原始信息信號預失真。預失真了的信號按實格式被提供到放大器，反饋抽樣信號從放大器的輸出去耦合。在複數域(I/Q)按數字格式將原始信息信號與反饋抽樣信號作比較。該方法採用查表方法確定補償量，其輸入是當前I信道和Q信道的值，也就是輸入的特徵值，沒有很好的考慮記憶特性，存在過學習或欠學習的情況。
另請參見PMC-SIERRA公司的美國專利「DIGITALPREDISTORTION METHODS FOR WIDEBAND AMPLIFIERS」，發明人ANDREW S.WRIGHT，
公開日2003年7月1日，公開號US6587514B1，申請日2000年7月16日，申請號09/595,988描述了幾種預失真方案，這些方法都是基於特徵的預失真方案，即根據特徵查表，確定從多個濾波器中選取一個，作為當前的補償方案。但同樣存在濾波器陣列過大，參數難以確定的問題，同樣會導致過學習或欠學習的情況。
因此，基於特徵提取的自適應基帶預失真方案有以下缺點1、如何確定非線性失真模型，比如多個FIR並非易事。已有的模型往往很複雜，而且不可能精確，尤其是針對實際過程中，是利用訓練序列來確定模型參數，當樣本數量不足且模型過於複雜時，就存在過學習的問題。但是若參考模型特徵多項式階次低於實際系統的特徵多項式，則控制為物理不可實現系統。這就給在實際過程中應用自適應基帶預失真帶來困難。
2、基於特徵提取的方法並不可靠，這是由於影響系統非線性的因子有很多種，特定的特徵提取方法會帶來信息損失。
3、基於特徵提取的方法比較耗費資源，這是由於當特徵數量增加時，查找表的規模會變得非常大。
因此，現有技術依然存在缺陷，而有待於改進和發展。
發明內容
本發明的目的在於提供一種用於自適應功率放大器的徑向基神經網絡預失真方法，鑑於現有預失真線性化方法運算量大、實現較為複雜，以及無法全面考慮溫度、器件老化、系統時變特性等多種影響因子的影響，導致總輸出頻響特性左右肩不佳等不足之處，提供一種基於徑向基神經網絡網絡的自適應射頻非線性數字預失真方案，可以避免大量的均衡等複雜運算，以大幅降低實現複雜性，同時具有較高的線性度。
本發明的技術方案包括一種用於自適應功率放大器的徑向基神經網絡預失真方法，包括如下步驟A、寬帶多載波輸入信號通過模擬下變頻器，形成中頻信號；B、預失真分量經過模擬上變頻器，並送入功率放大器與功率放大器產生的非線性分量進行抵消；預失真信號根據包絡信號和反映發射通道線性度的數字反饋信號之間的誤差偏移量來控制。
所述的方法，其中，所述步驟B的控制步驟包括C、將部分寬帶多載波輸入信號耦合至包絡檢波器獲得輸入信號的包絡信號，並經過模擬數字轉換器變換為數字包絡信號並延時處理；D、通過由耦合器、反饋通道和交調解調構成的反饋支路獲得發射通道線性度的數字反饋信號；E、誤差信號檢測電路將所述延時後的數字包絡信號和數字反饋信號進行處理，產生所述誤差偏移量。
所述的方法，其中，所述步驟A中經過徑向基函數網絡預失真器產生預失真信號。
所述的方法，其中，所述步驟E後還包括步驟F、徑向基函數網絡根據所述誤差偏移量對模擬預失真器進行調整，直到誤差偏移量減小到設定值。
所述的方法，其中，所述徑向基函數網絡結構為帶抽頭延時的單入單出徑向基函數神經網絡。
所述的方法，其中，所述徑向基函數經網絡的訓練過程包括預失真器的自適應採用非直接結構，放大器的輸出採樣經尺度變換後作為訓練網絡的輸入，訓練網絡的輸出與經過適當延時的放大器輸入採樣進行比較，所述誤差偏移量用於神經網絡的自適應。
所述的方法，其中，所述徑向基函數經網絡的訓練過程還包括當訓練網絡收斂後，即將訓練網絡的參數完全拷貝到神經網絡預失真器。
本發明所提供的一種用於自適應功率放大器的徑向基神經網絡預失真方法，由於採用基於徑向基神經網絡網絡的自適應射頻非線性數字預失真方案，其大幅降低了實現的複雜性，同時具有較高的線性度，其實現簡單。
圖1為本發明的徑向基神經網絡自適應預失真方法的流程圖；圖2為本發明的徑向基神經網絡流程圖。
具體實施例方式
以下結合附圖，將對本發明的各較佳實施例進行更為詳細的說明。
本發明方法如圖1所示的，包括如下步驟A、寬帶多載波輸入信號v(n)通過模擬下變頻器，形成中頻信號。經過徑向基函數RBF(Radial basis function)網絡預失真器產生預失真信號z(n)；B、所述預失真分量z(n)經過模擬上變頻器，然後送入功率放大器與功率放大器產生的非線性分量進行抵消；其中所述模擬預失真器產生預失真信號z(n)是根據包絡信號和反映發射通道線性度的數字反饋信號Vf(n)之間的誤差偏移量e(n)來控制的，其控制步驟如步驟C至步驟F；C、將部分輸入信號v(n)耦合至包絡檢波器獲得輸入信號的包絡信號，再經過模擬數字轉換器變換為數字包絡信號並延時處理；D、通過由耦合器、反饋通道和交調解調構成的反饋支路獲得發射通道線性度的數字反饋信號vf(n)；E、誤差信號檢測電路將所述延時後的數字包絡信號和數字反饋信號vf(n)進行處理，產生RBF徑向基函數網絡所需的誤差偏移量e(n)；F、RBF徑向基函數網絡根據所述誤差偏移量e(n)對模擬預失真器進行調整，直到誤差偏移量e(n)減小到設定值。
本發明所述方法中，設各參量寬帶多載波輸入信號v(n)、預失真信號z(n)、數字反饋信號vf(n)、誤差偏移量e(n)；在所述步驟E中，RBF網絡結構如圖2所示的為，帶抽頭延時的單入單出RBF神經網絡，此種結構中的輸入抽頭延時考慮了放大器的記憶效應，可同時實現非線性和記憶失真，不需要額外的複線性濾波器，便於神經網絡大規模集成電路的統一實現。
本發明方法所述步驟E中須對RBF神經網絡的訓練，其預失真器的自適應採用非直接學習結構，使用非直接學習結構的好處在於可以不需要先辨識出放大器模型，就可以直接辨識預失真模型，結構簡單。在此結構中，放大器的輸出採樣y(n)經尺度變換後作為訓練網絡的輸入，訓練網絡的輸出 與經過適當延時的放大器輸入採樣z(n)進行比較，誤差e(n)用於神經網絡的自適應。當訓練網絡收斂後，即可將訓練網絡的參數完全拷貝到神經網絡預失真器。預失真器通過周期性地更換係數，可以自適應功率放大器特性地緩慢變化。
本發明實施例的徑向基神經網絡由三層組成，其結構如圖2所示，隱層節點中的作用函數(基函數)對輸入信號將在局部產生響應。基函數採用最常用的高斯函數Ri(x)=exp(-||x-ci||22i2),i=1,2,,m]]>其中x(n)是m維輸入向量；ci是第i個基函數的中心，也稱中心向量，它決定了該基函數圍繞中心點的寬度；Ri(x)在ci處有一個唯一的最大值，隨著‖x-ci‖的增大，Ri(x)迅速衰減到零，對於給定的輸入x∈Rn，只有一小部分靠近x的中心被激活。例如本發明的較佳實施例中，m＝6。
本發明所公開的基於徑向基神經網絡的自適應預失真方法，與傳統的自適應預失真方法相比具有以下特點第一，基於徑向基神經網絡的自適應預失真方法充分利用了徑向基神經網絡能實現任意非線性函數的特性，無須大量的FIR來實現預失真模型，結構簡潔，容易實現。
第二，基於徑向基神經網絡的自適應預失真方案可以採用多種現有的成熟技術方法完成訓練，其收斂速度非常快，並且在小樣本條件下，不會產生過學習或欠學習的情況。
第三，採用本發明提供的方法可用查表方法實現對徑向基神經網絡的計算，非常便於定點數位訊號處理裝置實現。
應當理解的是，本發明保護範圍闡明於所附權利要求書中，而不能以說明書的上述描述做為限制，凡是在本發明的宗旨之內的顯而易見的修改亦應歸於本發明的保護範圍之內。
權利要求
1.一種用於自適應功率放大器的徑向基神經網絡預失真方法，包括如下步驟A、寬帶多載波輸入信號通過模擬下變頻器，形成中頻信號；B、預失真分量經過模擬上變頻器，並送入功率放大器與功率放大器產生的非線性分量進行抵消；預失真信號根據包絡信號和反映發射通道線性度的數字反饋信號之間的誤差偏移量來控制。
2.根據權利要求1所述的方法，其特徵在於，所述步驟B的控制步驟包括C、將部分寬帶多載波輸入信號耦合至包絡檢波器獲得輸入信號的包絡信號，並經過模擬數字轉換器變換為數字包絡信號並延時處理；D、通過由耦合器、反饋通道和交調解調構成的反饋支路獲得發射通道線性度的數字反饋信號；E、誤差信號檢測電路將所述延時後的數字包絡信號和數字反饋信號進行處理，產生所述誤差偏移量。
3.根據權利要求2所述的方法，其特徵在於，所述步驟A中經過徑向基函數網絡預失真器產生預失真信號。
4.根據權利要求3所述的方法，其特徵在於，所述步驟E後還包括步驟F、徑向基函數網絡根據所述誤差偏移量對模擬預失真器進行調整，直到誤差偏移量減小到設定值。
5.根據權利要求3或4所述的方法，其特徵在於，所述徑向基函數網絡結構為帶抽頭延時的單入單出徑向基函數神經網絡。
6.根據權利要求5所述的方法，其特徵在於，所述徑向基函數經網絡的訓練過程包括預失真器的自適應採用非直接結構，放大器的輸出採樣經尺度變換後作為訓練網絡的輸入，訓練網絡的輸出與經過適當延時的放大器輸入採樣進行比較，所述誤差偏移量用於神經網絡的自適應。
7.根據權利要求6所述的方法，其特徵在於，所述徑向基函數經網絡的訓練過程還包括當訓練網絡收斂後，即將訓練網絡的參數完全拷貝到神經網絡預失真器。
全文摘要
本發明公開了一種用於自適應功率放大器的徑向基神經網絡預失真方法，包括如下步驟A.帶多載波輸入信號通過模擬下變頻器，形成中頻信號；B.失真分量經過模擬上變頻器，並送入功率放大器與功率放大器產生的非線性分量進行抵消；預失真信號根據包絡信號和反映發射通道線性度的數字反饋信號之間的誤差偏移量來控制。本發明方法由於採用基於徑向基神經網絡網絡的自適應射頻非線性數字預失真方案，其大幅降低了實現的複雜性，同時具有較高的線性度，其實現簡單。
文檔編號H04L25/49GK101072220SQ20061007659
公開日2007年11月14日 申請日期2006年5月8日 優先權日2006年5月8日
發明者陸曉峰 申請人:中興通訊股份有限公司