коммуникация. DPD

Цифровой предыстор

Описание

comm.DPD Система object™ применяет цифровую предыскаженность (DPD) к комплексному сигналу основной полосы частот, используя многочлен памяти для компенсации нелинейности в усилителе мощности. Дополнительные сведения см. в разделе Цифровая предистория.

Для предыскажения сигналов:

Создать comm.DPD и задайте его свойства.
Вызовите объект с аргументами, как если бы это была функция.

Дополнительные сведения о работе системных объектов см. в разделе Что такое системные объекты?.

Создание

Синтаксис

dpd = comm.DPD

dpd = comm.DPD (имя, значение)

Описание

dpd = comm.DPD создает цифровой объект системы предыскажений для предыскажения сигнала.

пример

dpd = comm.DPD(Name,Value) задает свойства, используя одну или несколько пар имя-значение. Например, comm.DPD('PolynomialType','Cross-term memory polynomial') конфигурирует системный объект premistorter для предыскажения входного сигнала с помощью многочлена памяти с перекрестными членами. Заключите каждое имя свойства в кавычки.

Свойства

развернуть все

Если не указано иное, свойства не настраиваются, что означает невозможность изменения их значений после вызова объекта. Объекты блокируются при их вызове, и release функция разблокирует их.

Если свойство настраивается, его значение можно изменить в любое время.

Дополнительные сведения об изменении значений свойств см. в разделе Проектирование системы в MATLAB с использованием системных объектов.

`PolynomialType` - Полиномиальный тип
`'Memory polynomial'` (по умолчанию) | `'Cross-term memory polynomial'`

Полиномиальный тип, используемый для предыскажений, указывается как одно из следующих значений:

'Memory polynomial' - Предысторирует входной сигнал, используя многочлен памяти без перекрестных терминов.
'Cross-term memory polynomial' - Предысторирует входной сигнал, используя многочлен памяти с перекрестными членами.

Дополнительные сведения см. в разделе Цифровая предистория.

`Coefficients` - Коэффициенты памяти-полинома
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (по умолчанию) | матрица

Коэффициенты памяти-многочлена, заданные как матрица. Число строк в матрице должно быть равно глубине памяти многочлена памяти.

Если PolynomialType является 'Memory polynomial', число столбцов в матрице - степень многочлена памяти.
Если PolynomialType является 'Cross-term memory polynomial'число столбцов в матрице должно быть равно m (n-1) + 1. m - глубина памяти многочлена, n - степень многочлена памяти.

Дополнительные сведения см. в разделе Цифровая предистория.

Типы данных: double
Поддержка комплексного номера: Да

Использование

Синтаксис

out = dpd (in)

Описание

пример

out = dpd(in) предсказывает комплексный сигнал основной полосы частот, используя многочлен памяти для компенсации нелинейности в усилителе мощности.

Входные аргументы

развернуть все

`in` - Входной сигнал основной полосы частот
вектор столбца

Входной сигнал основной полосы частот, заданный как вектор столбца.

Типы данных: double
Поддержка комплексного номера: Да

Выходные аргументы

развернуть все

`out` - Предысторированный сигнал основной полосы частот
вектор столбца

Предварительно искаженный сигнал основной полосы частот, возвращаемый в виде вектора столбца той же длины, что и входной сигнал.

Функции объекта

Чтобы использовать функцию объекта, укажите объект System в качестве первого входного аргумента. Например, для освобождения системных ресурсов объекта System с именем obj, используйте следующий синтаксис:

release(obj)

развернуть все

Общие для всех системных объектов

`step`	Запустить алгоритм объекта System
`release`	Деблокирование ресурсов и разрешение изменений значений свойств объекта системы и входных признаков
`reset`	Сброс внутренних состояний объекта System

Примеры

свернуть все

Входной сигнал усилителя мощности Predistort

Открыть сценарий в реальном времени

Примените цифровое предыскажение (DPD) к входному сигналу усилителя мощности. Объект системы оценки коэффициента DPD использует захваченный сигнал, содержащий входные и выходные сигналы усилителя мощности, для определения матрицы коэффициентов предыскажений.

Загрузите файл, содержащий входные и выходные сигналы усилителя мощности.

load('commpowamp_dpd_data.mat','PA_input','PA_output')

Создайте системный объект оценки коэффициента DPD и системный объект фильтра передачи с увеличенным косинусом.

estimator = comm.DPDCoefficientEstimator( ...
    'DesiredAmplitudeGaindB',10, ...
    'PolynomialType','Memory polynomial', ...
    'Degree',5,'MemoryDepth',3,'Algorithm','Least squares');

rctFilt = comm.RaisedCosineTransmitFilter('OutputSamplesPerSymbol',2);

Оцените цифровые коэффициенты памяти и полинома предыскажений.

coef = estimator(PA_input,PA_output);

Создание системного объекта DPD с помощью coefоцененные коэффициенты, выводимые из устройства оценки коэффициента DPD, как для матрицы коэффициентов.

dpd = comm.DPD('PolynomialType','Memory polynomial', ...
    'Coefficients',coef);

Генерировать 2000 случайных символов и применять 16-QAM модуляцию к сигналу. Применить фильтрацию передачи с увеличенным косинусом к модулированному сигналу.

s = randi([0,15],2000,1);
u = qammod(s,16);
x = rctFilt(u);

Применение цифровой предыскажения к данным. Объект DPD System возвращает предварительно записанный сигнал для подачи на вход усилителя мощности.

y = dpd(x);

Формат матрицы коэффициентов для полинома памяти с цифровым предыскажением

Открыть сценарий в реальном времени

Эти примеры показывают формат матрицы коэффициентов для многочлена памяти DPD с использованием произвольно сформированной матрицы коэффициентов. Пример:

Создает цифровой объект предыскажений System, настроенный с использованием матрицы полиномиальных коэффициентов памяти с глубиной памяти, равной 3 и степень полинома, установленная как 5 состоит из случайных значений.
Предисторирует сигнал, используя матрицу коэффициента памяти-полинома.
Сравнивает один предварительно записанный выходной элемент с соответствующим входным элементом, который был вычислен вручную с использованием матрицы коэффициентов полинома памяти.

Создайте матрицу коэффициентов, представляющую предыскажатель с выходом, равным входу, путем генерации матрицы коэффициентов 3 на 5 нулей и установки значения coef(1,1) элемент в 1. Добавьте небольшие случайные комплексные нелинейные члены к матрице коэффициентов.

coef = zeros(3,5);
coef(1,1) = 1;
coef = coef + 0.01*(randn(3,5)+1j*randn(3,5));

Создайте системный объект DPD с помощью матрицы полиномиальных коэффициентов памяти. coef.

dpd = comm.DPD('PolynomialType','Memory polynomial','Coefficients',coef);

Генерировать входной сигнал и предустанавливать его с помощью dpd Системный объект.

x = randn(20,1) + 1j*randn(20,1);
y = dpd(x);

Сравнение искаженных вручную выходных данных для входного соответствующего выходного элемента y(18) чтобы показать, как матрица коэффициентов используется для вычисления этого конкретного выходного значения.

u = x(18:-1:(18-3+1));
isequal(y(18),sum(sum(coef.*[u u.*abs(u) u.*(abs(u).^2) u.*(abs(u).^3) u.*(abs(u).^4)])))

ans = logical
   1

Формат матрицы поперечных коэффициентов для полинома памяти с цифровым предыскажением

Открыть сценарий в реальном времени

Создает цифровой системный объект предыскажателя, настроенный с использованием матрицы многомерных коэффициентов памяти с глубиной памяти, равной 3 и степень полинома, установленная как 5 состоит из случайных значений.
Предысторирует сигнал, используя матрицу многомерных коэффициентов памяти.
Сравнивает один предварительно записанный выходной элемент с соответствующим входным элементом, который был вычислен вручную с использованием матрицы многомерных коэффициентов памяти.

coef = zeros(3,3*(5-1)+1);
coef(1,1) = 1;
coef = coef + 0.01*(randn(3,13) + 1j*randn(3,13));

Создайте системный объект DPD с помощью матрицы многомерных коэффициентов памяти, coef.

dpd = comm.DPD('PolynomialType','Cross-term memory polynomial','Coefficients',coef);

Генерировать входной сигнал и предустанавливать его с помощью dpd Системный объект.

x = randn(20,1) + 1j*randn(20,1);
y = dpd(x);

u = x(18:-1:(18-3+1));
isequal(y(18),sum(sum(coef.*[u u*abs(u.') u*(abs(u.').^2) u*(abs(u.').^3) u*(abs(u.').^4)])))

ans = logical
   1

Подробнее

развернуть все

Цифровая предыстория

Передачи беспроводной связи обычно требуют передачи сигнала с широкой полосой пропускания в широком динамическом диапазоне сигналов. Для передачи сигналов в широком динамическом диапазоне и достижения высокой эффективности усилители мощности РЧ (РА) обычно работают в своей нелинейной области. Как показывает эта диаграмма созвездия, нелинейное поведение PA вызывает искажения сигнальных созвездий, которые сжимают амплитуду (искажения AM-AM) и фазу скручивания (искажения AM-PM) точек созвездия, пропорциональную амплитуде точки созвездия.

Цель цифрового предыскажения состоит в том, чтобы найти нелинейную функцию, которая линеаризует суммарный эффект нелинейного поведения ПА на выходе ПА в рабочем диапазоне ПА. Когда вход PA равен x (n), а функция предыскажения равна f (u (n)), где u (n) является истинным сигналом, подлежащим усилению, выход PA приблизительно равен G × u (n), где G является желаемым усилением амплитуды PA.

Цифровой предыскажатель может быть сконфигурирован для использования многочлена памяти с перекрестными терминами или без них.

Многочлен памяти с перекрестными терминами предустанавливает входной сигнал как

$x (n) = f (u (_{n))}^{}_{} ≜\summ=0M-1cm\timesu_{(}^{n-m)}_{}^{}_{}^{}_{} +∑m=0M−1∑j=0M−1∑k=0K−1amjk×u (n-m)^{} \times$ | u (n-j) | k.

Многочлен памяти с перекрестными членами имеет коэффициенты (M + M × M × (K-1)) для cm _и amjk.
Полином памяти без перекрестных терминов предустанавливает входной сигнал как

$x (n) = f (u (_{n))}^{}_{}^{}_{} ≜\summ=0M-1\sumk=0K-1amk\timesu (n-m) \times^{} |$ u (n-m) | k.
Многочлен без перекрестных членов имеет коэффициенты M × K для _amk.

Оценка функции предыскажения и коэффициентов

Оценка коэффициента DPD использует непрямую архитектуру обучения, чтобы найти функцию f (u (n)) для прогнозирования входного сигнала u (n), который предшествует входу PA.

Алгоритм оценки коэффициентов DPD моделирует нелинейные эффекты памяти PA, основываясь на работах Morgan и др. [1] и Schetzen [2], используя теоретическую основу, разработанную для систем Volterra.

В частности, обратное отображение из выходного сигнала РА, нормализованного коэффициентом усиления РА, {y (n )/G}, на вход РА, {x (n)}, обеспечивает хорошую аппроксимацию функции f (u (n)), необходимой для предыскажения {u (n)} для получения {x (n)}.

Ссылаясь на вышеприведенные уравнения полинома памяти, вычисляют оценки для коэффициентов «память-полином»:

_см и _amjk для многочлена памяти с перекрестными терминами
_amk для многочлена памяти без перекрестных терминов

Коэффициенты памяти-многочлена оцениваются с использованием алгоритма аппроксимации методом наименьших квадратов или рекурсивного алгоритма аппроксимации методом наименьших квадратов. Алгоритм подгонки наименьших квадратов или алгоритмы рекурсивных наименьших квадратов используют уравнения многочленов памяти выше для многочлена памяти с перекрестными членами или без них путем замены {u (n)} на {y (n )/G}. Порядок функций и размерность матрицы коэффициентов определяются степенью и глубиной многочлена памяти.

Пример, детализирующий процесс точной оценки коэффициентов полинома памяти и предыскажения входного сигнала ПА, см. в разделе Цифровая предистория для компенсации нелинейности усилителя мощности.

Справочный материал см. в работах, перечисленных в [1] и [2].

Ссылки

[1] Морган, Деннис Р., Чжэнсян Ма, Джэхён Ким, Майкл Г. Зиердт и Джон Пасталан. «Обобщенная модель полинома памяти для цифровой предыскажения усилителей мощности». Транзакции IEEE ® при обработке сигналов. Том 54, номер 10, октябрь 2006, стр. 3852-3860.

[2] М. Схецен. Теории нелинейных систем Вольтерры и Винера. Нью-Йорк: Уайли, 1980.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

Примечания и ограничения по использованию:

См. Системные объекты в создании кода MATLAB (кодер MATLAB).

См. также

Объекты

comm.DPDCoefficientEstimator

Блоки

Темы

Цифровая предыскаженность для компенсации нелинейности усилителя мощности

Представлен в R2019a

Документация

коммуникация. DPD

Описание

Создание

Синтаксис

Описание

Свойства

`PolynomialType` - Полиномиальный тип
`'Memory polynomial'` (по умолчанию) | `'Cross-term memory polynomial'`

`Coefficients` - Коэффициенты памяти-полинома
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (по умолчанию) | матрица

Использование

Синтаксис

Описание

Входные аргументы

`in` - Входной сигнал основной полосы частот
вектор столбца

Выходные аргументы

`out` - Предысторированный сигнал основной полосы частот
вектор столбца

Функции объекта

Общие для всех системных объектов

Примеры

Входной сигнал усилителя мощности Predistort

Формат матрицы коэффициентов для полинома памяти с цифровым предыскажением

Формат матрицы поперечных коэффициентов для полинома памяти с цифровым предыскажением

Подробнее

Цифровая предыстория

Ссылки

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Объекты

Блоки

Темы

Документация по инструментам связи

Поддержка

Документация

коммуникация. DPD

Описание

Создание

Синтаксис

Описание

Свойства

PolynomialType - Полиномиальный тип 'Memory polynomial' (по умолчанию) | 'Cross-term memory polynomial'

Coefficients - Коэффициенты памяти-полинома complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0]) (по умолчанию) | матрица

Использование

Синтаксис

Описание

Входные аргументы

in - Входной сигнал основной полосы частот вектор столбца

Выходные аргументы

out - Предысторированный сигнал основной полосы частот вектор столбца

Функции объекта

Общие для всех системных объектов

Примеры

Входной сигнал усилителя мощности Predistort

Формат матрицы коэффициентов для полинома памяти с цифровым предыскажением

Формат матрицы поперечных коэффициентов для полинома памяти с цифровым предыскажением

Подробнее

Цифровая предыстория

Ссылки

Расширенные возможности

Создание кода C/C + + Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Объекты

Блоки

Темы

Документация по инструментам связи

Поддержка

`PolynomialType` - Полиномиальный тип
`'Memory polynomial'` (по умолчанию) | `'Cross-term memory polynomial'`

`Coefficients` - Коэффициенты памяти-полинома
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (по умолчанию) | матрица

`in` - Входной сигнал основной полосы частот
вектор столбца

`out` - Предысторированный сигнал основной полосы частот
вектор столбца

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™