功率放大器

模型功率放大器与记忆

库:
射频Blockset /电路信封元素

描述

的功率放大器块模型两口的功率放大器。记忆多项式表达式来自沃尔泰拉级数模型输入和输出信号之间的非线性关系。该功率放大器包括记忆效应因为输出响应取决于当前输入信号和输入信号之前的时候。这些功率放大器传输宽带和窄带信号时是有用的。

例子

数字预失真补偿功率放大器的非线性

使用数字预失真(DPD)发射机来抵消在功率放大器非线性的影响。这个例子使用功率放大器的功率放大器模型,得到表征(通信工具箱)的例子来模拟两种情况。在第一个模拟,射频发射机发送两个音调。在第二个模拟,RF发射机发送5 g-like OFDM波形100 MHz带宽。

打开脚本

功率放大器特性

描述一个功率放大器(PA)使用测量NXP Airfast PA的输入和输出信号。可选地,您可以使用一个硬件测试设置包括一个倪PXI底盘矢量信号收发器(VST)在运行时测量的信号。

打开生活的脚本

参数

全部展开

模型- - - - - -模型类型
`记忆多项式`(默认)|`广义汉默斯坦`|`交叉项的记忆`|`交叉项汉默斯坦`

模型类型,指定为记忆多项式,广义汉默斯坦,交叉项的记忆,或交叉项汉默斯坦。下面的表总结了不同模型的特点:

模型	描述数据	类型的系数	带内频谱再生	带外谐波发生
`记忆多项式`(默认)	带通(I, Q)	复杂的	是的	没有
`广义汉默斯坦`	真正的通频带	真正的	是的	是的
`交叉项的记忆`	带通(I, Q)	复杂的	是的	没有
`交叉项汉默斯坦`	真正的通频带	真正的	是的	是的

记忆多项式——这种窄带记忆多项式实现(方程(19)[1])作用于输入信号的包络线,并不产生新的频率成分,捕捉带内频谱再生。使用这个模型来创建一个窄带放大器操作在高频率。
输出信号,在任何瞬间的时间,是以下的所有元素的和复杂的矩阵的维度 $内存深度(mem) \times 电压顺序(度)$ :

$(\begin{matrix} C_{11} V_{0} & C_{12} V_{0} | V_{0} | & \dots & C_{1, 度} V_{0} {| V_{0} |}^{度 - 1} \\ C_{21} V_{1} & C_{22} V_{1} | V_{1} | & \dots & C_{2, 度} V_{1} {| V_{1} |}^{度 - 1} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ C_{mem, 1} V_{mem - 1} & C_{mem, 2} V_{mem - 1} | V_{mem - 1} | & \dots & C_{mem, 度} V_{mem - 1} {| V_{mem - 1} |}^{度 - 1} \end{matrix}] 。$

在矩阵的行数等于记忆词汇的数量,和列数等于程度的非线性。下标代表信号的延迟。
广义汉默斯坦这个宽带记忆多项式实现(方程(18)[1])作用于输入信号的包络线,产生载波频率的整数倍的频率成分,并捕获带内频谱再生。增加的程度的非线性增加的数量带外产生的频率。使用这个模型来创建宽带放大器操作在低频率。
输出信号,在任何瞬间的时间,是以下的所有元素的和真正的矩阵的维度 $内存深度(mem) \times 电压顺序(度)$ :

$(\begin{matrix} C_{11} V_{0} & C_{12} V_{0}^{2} & \dots & C_{1, 度} V_{0}^{度} \\ C_{21} V_{1} & C_{22} V_{1}^{2} & \dots & C_{2, 度} V_{1}^{度} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ C_{mem, 1} V_{mem - 1} & C_{mem, 2} V_{mem - 1}^{2} & \dots & C_{mem, 度} V_{mem - 1}^{度} \end{matrix}] 。$

在矩阵的行数等于记忆词汇的数量,和列数等于程度的非线性。下标代表信号的延迟。
交叉项的记忆——这种窄带记忆多项式实现(方程(23)[1])作用于输入信号的包络线,并不产生新的频率成分,捕捉带内频谱再生。使用这个模型来创建一个窄带放大器操作在高频率。模型包括引领和滞后的内存记忆多项式的条款和提供了一个通用的实现模型。
输出信号,在任何瞬间的时间,是一个矩阵的所有元素的总和中的元素指定的产品

C。*米_中医,

在哪里C是一个复杂的系数矩阵的维度 $内存深度(mem) \times {内存深度(mem) \cdot (电压顺序(度) - 1) + 1}$ 和

$\begin{matrix} 米_{中医} = (\begin{matrix} V_{0} \\ V_{1} \\ ⋮ \\ V_{mem - 1} \end{matrix}] (\begin{matrix} 1 & | V_{0} | & | V_{1} | & \dots & | V_{mem - 1} | & {| V_{0} |}^{2} & \dots & {| V_{mem - 1} |}^{2} & \dots & {| V_{0} |}^{度 - 1} & \dots & {| V_{mem - 1} |}^{度 - 1} \end{matrix}] \\ = (\begin{matrix} V_{0} & V_{0} | V_{0} | & V_{0} | V_{1} | & \dots & V_{0} | V_{mem - 1} | & V_{0} {| V_{0} |}^{2} & \dots & V_{0} {| V_{mem - 1} |}^{2} & \dots & V_{0} {| V_{0} |}^{度 - 1} & \dots & V_{0} {| V_{mem - 1} |}^{度 - 1} \\ V_{1} & V_{1} | V_{0} | & V_{1} | V_{1} | & \dots & V_{1} | V_{mem - 1} | & V_{1} {| V_{0} |}^{2} & \dots & V_{1} {| V_{mem - 1} |}^{2} & \dots & V_{1} {| V_{0} |}^{度 - 1} & \dots & V_{1} {| V_{mem - 1} |}^{度 - 1} \\ ⋮ & ⋮ & ⋮ & ⋱ & ⋮ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ \\ V_{mem - 1} & V_{mem - 1} | V_{0} | & V_{mem - 1} | V_{1} | & \dots & V_{mem - 1} | V_{mem - 1} | & V_{mem - 1} {| V_{0} |}^{2} & \dots & V_{mem - 1} {| V_{mem - 1} |}^{2} & \dots & V_{mem - 1} {| V_{0} |}^{度 - 1} & \dots & V_{mem - 1} {| V_{mem - 1} |}^{度 - 1} \end{matrix}] 。 \end{matrix}$

在矩阵的行数等于记忆词汇的数量,和列数成正比的非线性程度和记忆词汇的数量。下标代表信号的延迟。不出现在的附加列记忆多项式模型代表了交叉项。
交叉项汉默斯坦这个宽带记忆多项式实现对输入信号的包络线,产生载波频率的整数倍的频率成分,并捕获带内频谱再生。增加非线性增加的订单数量的带外产生的频率。使用这个模型来创建宽带放大器操作在低频率。
输出信号,在任何瞬间的时间,是一个矩阵的所有元素的总和中的元素指定的产品

C。*米_车车,

在哪里C是一个复杂的系数矩阵的维度 $内存深度(mem) \times {内存深度(mem) \cdot (电压顺序(度) - 1) + 1}$ 和

$\begin{matrix} 米_{车车} = (\begin{matrix} V_{0} \\ V_{1} \\ ⋮ \\ V_{mem - 1} \end{matrix}] (\begin{matrix} 1 & V_{0} & V_{1} & \dots & V_{mem - 1} & V_{0}^{2} & \dots & V_{mem - 1}^{2} & \dots & V_{0}^{度 - 1} & \dots & V_{mem - 1}^{度 - 1} \end{matrix}] \\ = (\begin{matrix} V_{0} & V_{0}^{2} & V_{0} V_{1} & \dots & V_{0} V_{mem - 1} & V_{0}^{3} & \dots & V_{0} V_{mem - 1}^{2} & \dots & V_{0}^{度} & \dots & V_{0} V_{mem - 1}^{度 - 1} \\ V_{1} & V_{1} V_{0} & V_{1}^{2} & \dots & V_{1} V_{mem - 1} & V_{1} V_{0}^{2} & \dots & V_{1} V_{mem - 1}^{2} & \dots & V_{1} V_{0}^{度 - 1} & \dots & V_{1} V_{mem - 1}^{度 - 1} \\ ⋮ & ⋮ & ⋮ & ⋱ & ⋮ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ \\ V_{mem - 1} & V_{mem - 1} V_{0} & V_{mem - 1} V_{1} & \dots & V_{mem - 1}^{2} & V_{mem - 1} V_{0}^{2} & \dots & V_{mem - 1}^{3} & \dots & V_{mem - 1} V_{0}^{度 - 1} & \dots & V_{mem - 1}^{度} \end{matrix}] 。 \end{matrix}$

在矩阵的行数等于记忆词汇的数量,和列数成正比的非线性程度和记忆词汇的数量。下标代表信号的延迟。不出现在的附加列广义汉默斯坦模型代表了交叉项。

系数矩阵- - - - - -系数矩阵
1(默认)| |复杂矩阵实矩阵

的系数矩阵,指定为一个复杂的矩阵记忆多项式和交叉项的记忆作为一个真正的矩阵模型广义汉默斯坦和交叉项汉默斯坦模型。

为记忆多项式和交叉项的记忆模型,您可以识别复杂系数矩阵的基础上测量复杂output-vs (I, Q)。固化放大器的特点。作为一个例子,看到的helper函数系数矩阵的计算。
为广义汉默斯坦和交叉项汉默斯坦模型,您可以识别真正的系数矩阵的基础上衡量真正的通频带output-vs。固化放大器的特点。

矩阵的大小取决于数量的延迟和系统的非线性程度。

为记忆多项式和广义汉默斯坦模型,矩阵维度 $内存深度(mem) \times 电压顺序(度)$ 。
为交叉项的记忆和交叉项汉默斯坦模型,矩阵维度 $内存深度(mem) \times {内存深度(mem) \cdot (电压顺序(度) - 1) + 1}$ 。

系数样本时间(年代)- - - - - -取样间隔的输入-输出数据
`1 e-6`(默认)|真正积极的标量

输入输出数据的取样间隔定义系数矩阵,指定为一个真正的积极的标量。

请注意

提高模型精度,指定系数样本时间(年代)参数等于或大于步长参数配置块。

Rin(欧姆)- - - - - -输入电阻
`50`(默认)|真正积极的标量

输入电阻,指定为一个真正的积极的标量。

溃败(欧姆)- - - - - -输出电阻
`50`(默认)|真正积极的标量

输出电阻,指定为一个真正积极的标量。

地面和隐藏的负面终端- - - - - -地面终端射频电路
(默认)|关闭

选择该参数地面和隐藏的负面终端。明确参数暴露的负面终端。通过揭露这些终端,您可以将它们连接到你的模型的其他部分。

提示

为避免非线性功率放大器操作在一个不受欢迎的地区,仿真软件万博1manbetx^®输入信号必须按比例缩小的。这发生在一个非线性功率放大器在RF领域用于放大信号仿真软件。万博1manbetx

算法

全部展开

系数矩阵的计算

计算系数矩阵,块解决了超定线性方程组的一个。考虑到记忆多项式模型的情况下,记忆长度是2和第三度的非线性系统。描述了系统的矩阵

$(\begin{matrix} C_{11} V_{0} & C_{12} V_{0} | V_{0} | & C_{13} V_{0} {| V_{0} |}^{2} \\ C_{21} V_{1} & C_{22} V_{1} | V_{1} | & C_{23} V_{1} {| V_{1} |}^{2} \end{matrix}],$

和它的元素的总和等于内积

$(\begin{matrix} V_{0} & V_{1} & V_{0} | V_{0} | & V_{1} | V_{1} | & V_{0} {| V_{0} |}^{2} & V_{1} {| V_{1} |}^{2} \end{matrix}] (\begin{matrix} C_{11} \\ C_{21} \\ C_{12} \\ C_{22} \\ C_{13} \\ C_{23} \end{matrix}] 。$

如果放大器的输入是five-sample信号(x(1)x(2)x(3)x(4)x(5))和相应的输出(y(1)y(2)y(3)y(4)y(5)),然后解决

$(\begin{matrix} x (2) & x (1) & x (2) | x (2) | & x (1) | x (1) | & x (2) {| x (2) |}^{2} & x (1) {| x (1) |}^{2} \\ x (3) & x (2) & x (3) | x (3) | & x (2) | x (2) | & x (3) {| x (3) |}^{2} & x (2) {| x (2) |}^{2} \\ x (4) & x (3) & x (4) | x (4) | & x (3) | x (3) | & x (4) {| x (4) |}^{2} & x (3) {| x (3) |}^{2} \\ x (5) & x (4) & x (5) | x (5) | & x (4) | x (4) | & x (5) {| x (5) |}^{2} & x (4) {| x (4) |}^{2} \end{matrix}] (\begin{matrix} C_{11} \\ C_{21} \\ C_{12} \\ C_{22} \\ C_{13} \\ C_{23} \end{matrix}] = (\begin{matrix} y (2) \\ y (3) \\ y (4) \\ y (5) \end{matrix}],$

可以发现使用MATLAB^®反斜杠运营商提供了一个估计的系数矩阵。

的治疗交叉项的记忆模型是相似的。描述了系统的矩阵

$(\begin{matrix} C_{11} V_{0} & C_{12} V_{0} | V_{0} | & C_{13} V_{0} | V_{1} | & C_{14} V_{0} {| V_{0} |}^{2} & C_{15} V_{0} {| V_{1} |}^{2} \\ C_{21} V_{1} & C_{22} V_{1} | V_{0} | & C_{23} V_{1} | V_{1} | & C_{24} V_{1} {| V_{0} |}^{2} & C_{25} V_{1} {| V_{1} |}^{2} \end{matrix}],$

和它的元素的总和等于内积

$(\begin{matrix} V_{0} & V_{1} & V_{0} | V_{0} | & V_{1} | V_{0} | & V_{0} | V_{1} | & V_{1} | V_{1} | & V_{0} {| V_{0} |}^{2} & V_{1} {| V_{0} |}^{2} & V_{0} {| V_{1} |}^{2} & V_{1} {| V_{1} |}^{2} \end{matrix}] (\begin{matrix} C_{11} \\ C_{21} \\ C_{12} \\ C_{22} \\ C_{13} \\ C_{23} \\ C_{14} \\ C_{24} \\ C_{15} \\ C_{25} \end{matrix}] 。$

如果放大器的输入是five-sample信号(x(1)x(2)x(3)x(4)x(5))和相应的输出(y(1)y(2)y(3)y(4)y(5)),然后解决

$(\begin{matrix} x (2) & x (1) & x (2) | x (2) | & x (1) | x (2) | & x (2) | x (1) | & x (1) | x (1) | & x (2) {| x (2) |}^{2} & x (1) {| x (2) |}^{2} & x (2) {| x (1) |}^{2} & x (1) {| x (1) |}^{2} \\ x (3) & x (2) & x (3) | x (3) | & x (2) | x (3) | & x (3) | x (2) | & x (2) | x (2) | & x (3) {| x (3) |}^{2} & x (2) {| x (3) |}^{2} & x (3) {| x (2) |}^{2} & x (2) {| x (2) |}^{2} \\ x (4) & x (3) & x (4) | x (4) | & x (3) | x (4) | & x (4) | x (3) | & x (3) | x (3) | & x (4) {| x (4) |}^{2} & x (3) {| x (4) |}^{2} & x (4) {| x (3) |}^{2} & x (3) {| x (3) |}^{2} \\ x (5) & x (4) & x (5) | x (5) | & x (4) | x (5) | & x (5) | x (4) | & x (4) | x (4) | & x (5) {| x (5) |}^{2} & x (4) {| x (5) |}^{2} & x (5) {| x (4) |}^{2} & x (4) {| x (4) |}^{2} \end{matrix}] (\begin{matrix} C_{11} \\ C_{21} \\ C_{12} \\ C_{22} \\ C_{13} \\ C_{23} \\ C_{14} \\ C_{24} \\ C_{15} \\ C_{25} \end{matrix}] = (\begin{matrix} y (2) \\ y (3) \\ y (4) \\ y (5) \end{matrix}]$

提供了一个估计的系数矩阵。

使用这个helper函数来计算系数矩阵记忆多项式和交叉项的记忆模型。函数的输入是给定的输入和输出信号,记忆长度,非线性的程度,没有或交叉项的存在。

函数a_coef = fit_memory_poly_model (x, y, memLen、degLen modType)% FIT_MEMORY_POLY_MODEL%过程计算系数矩阵的输入和输出%的信号,记忆长度、非线性度、模型类型。%% 2017年版权MathWorks公司。x = x (:);y = y (:);xLen =长度(x);开关modType情况下“memPoly”%记忆多项式xrow =重塑((memLen: 1:1) + (0: xLen: xLen * (degLen-1)), 1, []);xVec = (0: xLen-memLen) + xrow;xPow = x。* (abs (x) ^ (0: degLen-1));xVec = xPow (xVec);情况下“ctMemPoly”%交叉项记忆多项式absPow = (abs (x) ^ (1: degLen-1));partTop1 =重塑((memLen: 1:1) + (0: xLen: xLen * (degLen-2)), 1, []);topPlane =重塑(…的(xLen-memLen + 1, - 1), absPow ((0: xLen-memLen)“+ partTop1)]。”…1,memLen * (degLen-1) + 1, xLen-memLen + 1);sidePlane =重塑(x ((0: xLen-memLen) + (memLen: 1:1))。。…memLen 1 xLen-memLen + 1);多维数据集= sidePlane。* topPlane;xVec =重塑(立方体,memLen * (memLen * (degLen-1) + 1), xLen-memLen + 1)”;结束系数= xVec \ y (memLen: xLen);a_coef =重塑(系数、memLen元素个数(系数)/ memLen);

功率放大器块图标

功率放大器块面具图标是动态的和显示当前类型的模型。此表显示了如何在这个街区的图标随你设置的模型类型模型参数。

模型:`广义汉默斯坦`	输出:`记忆多项式`	输出:`交叉项的记忆`	输出:`交叉项汉默斯坦`

引用

[1]摩根,丹尼斯·R。,Zhengxiang Ma, Jaehyeong Kim, Michael G. Zierdt, and John Pastalan. "A Generalized Memory Polynomial Model for Digital Predistortion of Power Amplifiers."IEEE^®交易信号处理。54卷,10号,2006年10月,页3852 - 3860。

甘[2],李,Emad Abd-Elrady。“数字预失真的记忆多项式系统使用直接和间接学习架构。”在学报》第十一适国际会议在信号和图像处理(SIP)(f . Cruz-Roldan和n b·史密斯,eds), 654 - 802。卡尔加里,AB:学报出版社,2009年。

版本历史

介绍了R2017b

全部展开

R2021b:功率放大器块图标更新

从R2021b,功率放大器块图标现在已更新。当您打开一个模型包含一个R2021b之前创建功率放大器块,R2021b替换块图标的软件版本。

另请参阅

放大器

功率放大器

描述

例子

数字预失真补偿功率放大器的非线性

功率放大器特性

参数

模型- - - - - -模型类型记忆多项式(默认)|广义汉默斯坦|交叉项的记忆|交叉项汉默斯坦

系数矩阵- - - - - -系数矩阵1(默认)| |复杂矩阵实矩阵

系数样本时间(年代)- - - - - -取样间隔的输入-输出数据1 e-6(默认)|真正积极的标量

Rin(欧姆)- - - - - -输入电阻50(默认)|真正积极的标量

溃败(欧姆)- - - - - -输出电阻50(默认)|真正积极的标量

地面和隐藏的负面终端- - - - - -地面终端射频电路(默认)|关闭

提示

算法

系数矩阵的计算

功率放大器块图标

引用

版本历史

R2021b:功率放大器块图标更新

另请参阅

主题

模型- - - - - -模型类型
`记忆多项式`(默认)|`广义汉默斯坦`|`交叉项的记忆`|`交叉项汉默斯坦`

系数矩阵- - - - - -系数矩阵
1(默认)| |复杂矩阵实矩阵

系数样本时间(年代)- - - - - -取样间隔的输入-输出数据
`1 e-6`(默认)|真正积极的标量

Rin(欧姆)- - - - - -输入电阻
`50`(默认)|真正积极的标量

溃败(欧姆)- - - - - -输出电阻
`50`(默认)|真正积极的标量

地面和隐藏的负面终端- - - - - -地面终端射频电路
(默认)|关闭