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.

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»:

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].