Содействующее средство оценки DPD

Оцените полиномиальные памятью коэффициенты для цифрового предварительного искажения

  • Библиотека:
  • Communications Toolbox / Исправление Нарушений РФ

Описание

Оцените полиномиальные памятью коэффициенты для цифрового предварительного искажения (DPD) нелинейного усилителя мощности.

Этот значок показывает блок со всеми включенными портами.

Порты

Входной параметр

развернуть все

Усилитель мощности основополосно-эквивалентный вход, заданный как вектор-столбец.

Типы данных: double
Поддержка комплексного числа: Да

Усилитель мощности основополосно-эквивалентный вывод, заданный как вектор-столбец той же длины как PA In.

Типы данных: double
Поддержка комплексного числа: Да

Упущение фактора, используемого рекурсивным алгоритмом наименьших квадратов, заданным как скаляр в области значений (0, 1]. Уменьшение фактора упущения уменьшает время сходимости, но заставляет выходные оценки быть менее стабильными.

Зависимости

Чтобы включить это свойство, установите Algorithm на Recursive least squares и установите Forgetting factor source на Input port.

Типы данных: double

Вывод

развернуть все

Полиномиальные памятью коэффициенты, возвращенные как матрица. Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

Параметры

развернуть все

Желаемое амплитудное усиление в дБ, заданном как скаляр. Это значение параметров выражает желаемое усиление сигнала по поводу компенсированного усилителя вывод.

Настраиваемый: да

Типы данных: double

Полиномиальный тип используется для предварительного искажения, заданного как одно из этих значений:

  • Memory polynomial — Вычисляет коэффициенты перед искажением при помощи полинома памяти без перекрестных условий

  • Cross-term memory polynomial — Вычисляет коэффициенты перед искажением при помощи полинома памяти с перекрестными условиями

Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

Полиномиальная памятью степень, заданная как положительное целое число.

Типы данных: double

Полиномиальная памятью глубина в выборках, заданных как положительное целое число.

Типы данных: double

Адаптивный алгоритм используется для коррекции, заданной как одно из этих значений:

  • Least squares — Оцените полиномиальные памятью коэффициенты при помощи алгоритма наименьших квадратов

  • Recursive least squares — Оцените полиномиальные памятью коэффициенты при помощи рекурсивного алгоритма наименьших квадратов

Для материала ссылки алгоритма смотрите работы, перечисленные в [1] и [2].

Типы данных: char | string

Источник фактора упущения, заданного как одно из этих значений:

  • Свойство Задайте это значение, чтобы использовать параметр Forgetting factor, чтобы задать фактор упущения.

  • Input port — Задайте это значение, чтобы использовать входной порт Forgetting Factor, чтобы задать фактор упущения.

Зависимости

Чтобы включить этот параметр, установите Algorithm на Recursive least squares.

Типы данных: double

Упущение фактора, используемого рекурсивным алгоритмом наименьших квадратов, заданным как скаляр в области значений (0, 1]. Уменьшение фактора упущения уменьшает время сходимости, но заставляет выходные оценки быть менее стабильными.

Зависимости

Чтобы включить этот параметр, установите Algorithm на Recursive least squares и установите Forgetting factor source на Property.

Типы данных: double

Начальная содействующая оценка для рекурсивного алгоритма наименьших квадратов, заданного как матрица.

  • Если вы задаете это значение как пустую матрицу, начальная содействующая оценка для рекурсивного алгоритма наименьших квадратов выбрана автоматически, чтобы соответствовать полиному памяти, который является тождественным отображением, так, чтобы вывод был равен входному.

  • Если вы задаете это значение как непустую матрицу, количество строк должно быть равно значению параметров Memory depth.

    • Если параметр Polynomial type устанавливается на Memory polynomial, количество столбцов является степенью полинома памяти.

    • Если параметр Polynomial type устанавливается на Cross-term memory polynomial, количество столбцов должно равняться m (n-1) +1. m является глубиной памяти полинома, и n является степенью полинома памяти.

Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

Зависимости

Чтобы включить этот параметр, установите Algorithm на Recursive least squares.

Типы данных: double
Поддержка комплексного числа: Да

  • Модель Code generation - Simulate с помощью сгенерированного кода C. В первый раз, когда вы запускаете симуляцию, Simulink® генерирует код С для блока. Код С снова используется для последующих симуляций, пока модель не изменяется. Эта опция требует дополнительного времени запуска, но скорость последующих симуляций быстрее, чем Interpreted execution.

  • Модель Interpreted execution - Simulate с помощью интерпретатора MATLAB®. Эта опция сокращает скорость времени запуска, но скорость последующих симуляций медленнее, чем Code generation. В этом режиме можно отладить исходный код блока.

Характеристики блока

Типы данных

double | single

Многомерные сигналы

no

Сигналы переменного размера

yes

Больше о

развернуть все

Ссылки

[1] Морган, Деннис Р., Чжэнсян Ма, Джэехиеонг Ким, Михаэль Г. Цирдт и Джон Пэсталан. "Обобщенная Модель Полинома Памяти для Цифрового Предварительного искажения Усилителей мощности". IEEE® Transactions на Обработке сигналов. Издание 54, Номер 10, октябрь 2006, стр 3852–3860.

[2] М. Шецен. Волтерра и винеровские теории нелинейных систем. Нью-Йорк: Вайли, 1980.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью Simulink® Coder™.

Введенный в R2019a

Для просмотра документации необходимо авторизоваться на сайте