DPD系数估计量

估计memory-polynomial数字预失真系数

自从R2019a

扩展所有的页面

库:
通信工具箱/射频损伤修正

描述

估计数字pre-distortion记忆多项式的系数(DPD)的非线性功率放大器,由于基带等效输入和基带等效功率放大器的输出。有关更多信息,请参见数字预失真和优化估计多项式程度和记忆深度。

这个图标显示了启用了所有端口的块。

例子

在仿真软件Predistort功率放大器输入信号万博1manbetx

应用数字预失真(DPD) 16-QAM信号随机符号。DPD系数估计量阻止使用捕获信号包含输入和输出信号的功率放大器(PA)来确定预失真系数矩阵。数字预失真信号的前提是正确的爸爸介绍的障碍。这个模型不包括一块代表巴勒斯坦权力机构。

开放模式

港口

输入

全部展开

爸爸在- - - - - -功率放大器baseband-equivalent输入
列向量

功率放大器baseband-equivalent输入,指定为一个列向量。

数据类型:双
复数的支持:万博1manbetx是的

爸爸了- - - - - -功率放大器baseband-equivalent输出
列向量

功率放大器baseband-equivalent输出,指定为一个列向量的长度相同爸爸在。

数据类型:双
复数的支持:万博1manbetx是的

遗忘因子- - - - - -遗忘因子
标量范围(0,1)

遗忘因子的递归最小二乘算法,指定为一个标量范围(0,1)。减少遗忘因子降低了收敛时间,但使输出估计更不稳定。

依赖关系

要启用这个端口,设置算法来递归最小二乘并设置遗忘因子来源来输入端口。

数据类型:双

输出

全部展开

出- - - - - -Memory-polynomial系数
矩阵

Memory-polynomial系数,作为一个矩阵返回。有关更多信息,请参见数字预失真。

参数

全部展开

期望的振幅增益(dB)- - - - - -期望的振幅增益
`10`(默认)|标量

想要的振幅增益在dB,指定为一个标量。这个参数值表达了期望信号增益补偿放大器的输出。

除了线性化,DPD之间的DPD应结合获得输入和功率放大器的输出尽可能接近预期的收益。因此,设置这个参数基于预期获得的功率放大器中获得表征。

可调:是的

多项式型- - - - - -多项式型
`记忆多项式`(默认)|`交叉项记忆多项式`

多项式用于预失真类型,指定这些值之一:

记忆多项式——计算通过使用记忆预失真系数多项式无交叉项
交叉项记忆多项式——计算通过使用记忆预失真系数多项式与交叉项

有关更多信息,请参见数字预失真。

学位- - - - - -Memory-polynomial程度
`5`(默认)|正整数

Memory-polynomial学位,指定为一个正整数。

记忆深- - - - - -Memory-polynomial深度
`3`(默认)|正整数

Memory-polynomial深度样本中,指定为一个正整数。

算法- - - - - -估计算法
`最小二乘`(默认)|`递归最小二乘`

自适应算法用于均衡,指定这些值之一:

最小二乘——估计memory-polynomial系数通过使用最小二乘算法
递归最小二乘——估计memory-polynomial系数采用递归最小二乘算法

算法参考材料,看到作品中列出[1]和[2]。

遗忘因子来源- - - - - -遗忘因子的来源
`财产`(默认)|`输入端口`

遗忘因子的来源,指定这些值之一:

财产——指定这个值使用遗忘因子参数指定遗忘因子。
输入端口——指定这个值使用遗忘因子输入端口指定遗忘因子。

依赖关系

要启用该参数,设置算法来递归最小二乘。

遗忘因子- - - - - -遗忘因子
`0.99`(默认)|标量范围(0,1)

遗忘因子的递归最小二乘算法,指定为一个标量范围(0,1)。减少遗忘因子降低了收敛时间,但使输出估计更不稳定。

依赖关系

要启用该参数,设置算法来递归最小二乘并设置遗忘因子来源来财产。

最初的系数估计- - - - - -最初的系数估计
`[]`(默认)|矩阵

最初的系数估计的递归最小二乘算法,作为一个真正的或复杂的矩阵值指定。

如果这个值指定为空矩阵,初始系数估计的递归最小二乘算法自动选择对应的记忆多项式恒等函数,输出等于输入。
如果指定这个值作为一个非空的矩阵的行数必须相等记忆深参数值。
- 如果多项式型参数设置为记忆多项式,列的数目是记忆多项式的程度。
- 如果多项式型参数设置为交叉项记忆多项式,列数必须相等米(n1)+ 1。米是记忆多项式的深度,n是记忆多项式的程度。

有关更多信息,请参见数字预失真。

依赖关系

要启用该参数,设置算法来递归最小二乘。

模拟使用- - - - - -类型的模拟运行
`代码生成`(默认)|`解释执行`

类型的模拟运行,指定为代码生成或解释执行。

代码生成——模拟模型通过使用生成的C代码。第一次运行模拟,仿真软件万博1manbetx^®生成C代码块。为后续仿真模型重用的C代码,除非模型更改。这个选项需要额外的启动时间,但是随后的模拟的速度比的快解释执行选择。
解释执行——通过使用MATLAB模拟模型^®翻译。这个选项可以缩短启动时间,但后续模拟的速度比与慢代码生成选择。在这种模式下,你可以调试的源代码。

块特征

数据类型	`双`\|`单`
多维信号	`没有`
适应信号	`是的`

算法

全部展开

数字预失真

无线通信传输通常需要大带宽信号传输信号动态范围很广。传输信号的宽动态范围,实现效率高,功率放大器(PAs)通常在非线性区域。这个星座图显示,一个PA引起信号的非线性行为扭曲,星座压力振幅(AM-AM失真)和转折阶段(AM-PM失真)的星座点星座点的振幅成正比。

数字预失真的目标是找到一个非线性函数,线性PA非线性行为的净效应在PA输出在PA操作范围。当PA输入x(n),预失真函数f(u(n)),u(n)是真正的信号被放大,PA约等于输出G×u(n),G是巴勒斯坦权力机构的所需的幅度增益。

数字预失真可以配置为使用一个记忆多项式或没有交叉项。

记忆多项式与交叉项predistorts输入信号

$x (n) = f (u (n)) ≜ \sum_{米 = 0}^{米 - 1} c_{米} \times u (n - - - - - - 米) + \sum_{米 = 0}^{米 - 1} \sum_{j = 0}^{米 - 1} \sum_{k = 0}^{K - 1} {一个}_{米 j k} \times u (n - - - - - - 米) \times | u (n - - - - - - j) |^{k} 。$

记忆多项式与交叉项(米+米×米×(K- - - - - -1)系数c_米和一个_mjk。
记忆多项式无交叉项predistorts输入信号

$x (n) = f (u (n)) ≜ \sum_{米 = 0}^{米 - 1} \sum_{k = 0}^{K - 1} {一个}_{米 k} \times u (n - - - - - - 米) \times | u (n - - - - - - 米) |^{k} 。$

没有交叉项的多项式米×K系数为一个_可。

估计预失真函数和系数

DPD系数估计使用一种间接学习架构发现功能f(u(n)predistort输入信号u(n这是PA的输入)。

DPD系数估计算法模型非线性功放记忆效应的基础上,在参考论文摩根等[1],通过Schetzen[2],使用沃尔泰拉系统开发的理论基础。

具体地说,巴勒斯坦权力机构的逆映射输出规范化的PA, {y(n)/G},PA输入,{x(n)},提供了一个很好的近似函数f(u(n)),需要predistort {u(n)}生产{x(n)}。

指的是上面的记忆多项式方程,估计memory-polynomial系数的计算:

c_米和一个_mjk记忆多项式与交叉项
一个_可记忆多项式无交叉项

memory-polynomial系数估计,利用最小二乘匹配算法和递归最小二乘算法。最小二乘匹配算法和递归最小二乘算法使用上面的记忆多项式方程的记忆多项式有或没有交叉项,通过替换{u(n)}与{y(n)/G}。系数矩阵的函数秩序和维度定义的程度和深度记忆多项式。

的过程为例,详细准确地估计memory-polynomial系数和predistorting PA输入信号,明白了数字预失真补偿功率放大器的非线性。

背景参考资料,请参阅中列出的工作[1]和[2]。

优化估计多项式程度和记忆深度

DPD系数估计量的基础上[1]提供了一个特定的间接学习架构,可能不是最优的估计量。其他估计,如那些使用直接学习结构,可能会取得更好的DPD的结果。

间接学习建筑系数估计量,选择最优程度和记忆的深度DPD系数估计量是一个手动和迭代的过程。开始考虑用DPD系数估计量的程度和深度的内存一样的PA模型,并检查DPD的结果。假设的结果看起来很有希望,试着减少的程度和DPD的记忆深度系数估计量。如果DPD结果大致相同或更好的,可以考虑使用较小的程度和一个更小的内存深度DPD系数估计量,因为它将更少的计算量。你也应该尝试度和记忆深处以上学位和PA的记忆深度模型。如果DPD性能改善使用更高的学位或者更大的内存深度DPD系数估计量可能是可取的。

无论用于估计多项式学位,你必须控制DPD输入信号的带宽,以避免由于非线性混叠。作为一个经验法则,设置输入信号过采样率的DPD等于或大于DPD记忆多项式的程度。

引用

[1]摩根,丹尼斯·R。Zhengxiang Ma, Michael g . Zierdt Jaehyeong Kim和约翰Pastalan。“广义记忆多项式模型数字功率放大器预失真”。IEEE^®交易信号处理。54卷,10号,2006年10月,页3852 - 3860。

[2]Schetzen。沃尔泰拉维纳非线性系统理论。纽约:威利,1980年。

DPD系数估计量

描述