DPD

Цифровое предыскажение

Библиотека:
Communications Toolbox / Коррекция Нарушений РФ

Описание

Примените цифровое предварительное искажение (DPD) к комплексному сгенерированному модулированному сигналу с помощью полинома памяти, чтобы компенсировать нелинейность в усилителе мощности. Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

Этот значок показывает блок со всеми включенными портами.

Порты

Входной параметр

развернуть все

`In` — Введите сгенерированный модулированный сигнал
вектор-столбец

Введите сгенерированный модулированный сигнал в виде вектор-столбца. Этот порт без имени, пока the Coefficient source параметр не установлен в Input port.

Типы данных: double
Поддержка комплексного числа: Да

`Coef` — Полиномиальные памятью коэффициенты
матрица

Полиномиальные памятью коэффициенты в виде матрицы. Количество строк в матрице должно равняться глубине памяти полинома памяти.

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

Пример: complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])

Зависимости

Чтобы включить этот порт, установите параметр Coefficient source на Input port.

Типы данных: double
Поддержка комплексного числа: Да

Вывод

развернуть все

`Out` — Предварительно искаженный сгенерированный модулированный сигнал
вектор-столбец

Предварительно искаженный сгенерированный модулированный сигнал, возвращенный как вектор-столбец той же длины как входной сигнал.

Параметры

развернуть все

`Polynomial type` — Полиномиальный тип
`Memory polynomial` (значение по умолчанию) | `Cross-term memory polynomial`

Полиномиальный тип использовал в предварительном искажении в виде одного 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.

`Coefficient source` — Источник полиномиальных памятью коэффициентов
`Property` (значение по умолчанию) | `Input port`

Источник коэффициентов полинома памяти в виде одного из этих значений:

Property — Задайте это значение, чтобы использовать параметр Coefficients, чтобы задать полиномиальные памятью коэффициенты
Input port — Задайте это значение, чтобы использовать входной порт Coef, чтобы задать полиномиальные памятью коэффициенты

`Coefficients` — Полиномиальные памятью коэффициенты
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (значение по умолчанию) | матрица

Полиномиальные памятью коэффициенты в виде матрицы. Количество строк должно равняться глубине памяти полинома памяти.

Если Polynomial type установлен в Memory polynomial, количество столбцов является степенью полинома памяти.
Если Polynomial type установлен в 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 Coefficient source на Property.

Типы данных: double
Поддержка комплексного числа: Да

`Simulate using` — Тип симуляции, чтобы запуститься
`Code generation` (значение по умолчанию) | `Interpreted execution`

Тип симуляции, чтобы запуститься в виде Code generation или Interpreted execution.

Code generation – Симулируйте модель при помощи сгенерированного кода C. В первый раз, когда вы запускаете симуляцию, Simulink^® генерирует код С для блока. Код С снова используется для последующих симуляций, если модель не изменяется. Эта опция требует дополнительного времени запуска, но скорость последующих симуляций быстрее, чем Interpreted execution.
Interpreted execution – Симулируйте модель при помощи интерпретатора MATLAB^®. Эта опция требует меньшего количества времени запуска, чем Code generation метод, но скорость последующих симуляций медленнее. В этом режиме можно отладить исходный код блока.

Примеры модели

Predistort Power Amplifier Input Signal in Simulink

Предварительно исказите входной сигнал усилителя мощности в Simulink

Примените цифровое предварительное искажение (DPD) к 16-QAM сигналу случайных символов. Блок DPD Coefficient Estimator использует записанный сигнал, содержащий сигналы ввода и вывода усилителя мощности (PA) определить матрицу коэффициентов перед искажением. Цифровое предварительное искажение предусловий сигнала должно откорректировать нарушения, которые вводит PA. Эта модель не включает блок, представляющий PA.

Открытая модель

Характеристики блока

Типы данных	`double` \| `single`
Многомерные сигналы	`no`
Сигналы переменного размера	`yes`

Больше о

развернуть все

Цифровое предварительное искажение

Передачи радиосвязи обычно требуют широкой передачи сигнала пропускной способности по широкому динамическому диапазону сигнала. Чтобы передать сигналы по широкому динамическому диапазону и достигнуть высокой эффективности, усилители ВЧ-мощности (ПЕРВЕНСТВО) обычно действуют в их нелинейной области. Когда эта схема созвездия показывает, нелинейное поведение PA вызывает искажения сигнального созвездия, которые зажимают амплитуду (искажение AM-AM) и скручивают фазу (искажение AM-PM) созвездия указывает пропорциональный амплитуде точки созвездия.

Цель цифрового предварительного искажения состоит в том, чтобы найти нелинейную функцию, которая линеаризует результирующий эффект PA нелинейное поведение в PA выход через рабочий диапазон PA. Когда входом PA является x (n), и функцией перед искажением является f (u (n)), где u (n) является истинным сигналом, который будет усилен, PA, выход приблизительно равен G ×u (n), где G является желаемым амплитудным усилением PA.

Цифровое предыскажение может быть сконфигурировано, чтобы использовать полином памяти с или без перекрестных условий.

Полином памяти с перекрестными условиями предварительно искажает входной сигнал как

$x (n) = f (u (n)) ≜ \sum_{m =0}^{M - 1} c_{m} \times u (n - m) + \sum_{m =0}^{M - 1} \sum_{j =0}^{M - 1} \sum_{k =0}^{K - 1} a_{m j k} \times u (n - m) \times | u (n - j) |^{k} .$

Полином памяти с перекрестными условиями имеет (M +M×M× (K-1)) коэффициенты для _cm и a _mjk.
Полином памяти без перекрестных условий предварительно искажает входной сигнал как

$x (n) = f (u (n)) ≜ \sum_{m =0}^{M - 1} \sum_{k =0}^{K - 1} a_{m k} \times u (n - m) \times | u (n - m) |^{k} .$
Полином без перекрестных условий имеет M ×K коэффициенты для _amk.

Оценка функции перед искажением и коэффициентов

Содействующая оценка DPD использует косвенную архитектуру изучения, чтобы найти, что функциональный f (u (n)) предварительно искажает входной сигнал u (n), который предшествует входу PA.

Содействующие модели алгоритма оценки DPD нелинейные эффекты памяти PA на основе работы в ссылочных статьях Моргана, и др. [1 год], и Schetzen [2], с помощью теоретической основы разрабатываются для систем Волтерры.

А именно, обратное отображение от PA выход, нормированный усилением PA, {y (n)/G}, к входу PA, {x (n)}, предоставляет хорошее приближение функциональному f (u (n)), должен был предварительно исказить {u (n)}, чтобы произвести {x (n)}.

Что касается уравнений полинома памяти выше, оценки вычисляются для полиномиальных памятью коэффициентов:

_cm и _amjk для полинома памяти с перекрестными условиями
_amk для полинома памяти без перекрестных условий

Полиномиальные памятью коэффициенты оцениваются при помощи алгоритма метода наименьших квадратов или рекурсивного алгоритма наименьших квадратов. Алгоритм метода наименьших квадратов или рекурсивные алгоритмы наименьших квадратов использует уравнения полинома памяти выше в полиноме памяти с или без перекрестных условий, заменяя {u (n)} с {y (n)/G}. Функциональный порядок и размерность матрицы коэффициентов заданы степенью и глубиной полинома памяти.

Для примера, который детализирует процесс точной оценки полиномиальных памятью коэффициентов и предварительного искажения входного сигнала PA, смотрите Характеристику Усилителя мощности с DPD для Уменьшаемого Искажения Сигнала.

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

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™.

Смотрите также

Документация

DPD

Описание