一种基于Hammerstein模型的数字预失真算法

记忆非线性放大器的预失真问题一直是预失真技术的难点.本文首先介绍了数字预失真器的几种模型结构和识别算法,它们虽然能够很好地实现功率放大器的线性化,却存在运算量较大的问题.结合LS算法和Hammerstein模型的优点,提出了一种基于Hammerstein模型的数字预失真算法,用几次简单的迭代运算代替一次复杂的直接运算,从而以较少的运算量,获得较好的线性化性能.通过计算机软件仿真验证了这种算法的有效性,它能以较少的参数,快捷、简便地实现记忆非线性功率放大器的预失真,显著提高了放大器的线性化性能.     

一种基于神经网络的非线性卫星HPA预失真器

卫星通信中放大器使用的行波管(TWT)会引起信号的非线性畸变,对通信质量造成较大影响.为解决这种不利影响,在放大器前端采用非线性预失真,能较理想地消除放大器的非线性.由于神经网络能够对非线性函数进行较好地拟合,可以将其引入预失真器的设计.为简化神经网络中的LM算法,提出了一种采用LMS算法的系统模型,并建立新的自适应预...     

一种基于滤波器矩阵的Hammerstein预失真器

预失真器建模的准确性是保证有效补偿带记忆功率放大器非线性失真的重要因素之一,尤其是模型对功率放大器逆记忆特性的描述能力.针对目前预失真器模型对功率放大器逆记忆效应描述不充分的问题,提出一种改进的Hammerstein预失真器,该预失真器以查找表级联滤波器矩阵作为其实现形式,较好地描述了功率放大器的逆记忆特性.仿真实验表...     

基于参数变化粒子群算法的MAF传感器建模

在用Hammerstein模型描述热膜式空气质量流量(MAF)传感器时,应用多项式回归分析建立其静态非线性环节的模型,应用参数线性变化的粒子群优化(PSO)算法建立其动态线性环节的模型.文章给出PSO算法的适应度函数及算法流程,并说明了参数设置的方法.研究表明,与基本粒子群算法相比,参数线性变化粒子群算法的建模精度及收敛速度有很大提高.应用参数变化粒子群算法进行传感器动态建模是非常有效的.     

延时估计偏差对多项式预失真的影响

延时估计偏差通常会严重影响射频(RF)功率放大器预失真技术的性能.通过对预失真技术中延时估计偏差的理论分析,发现若要保证存在延时估计偏差时预失真器仍能实现放大器的线性化,则设计的预失真器应是理论上理想预失真器的一个延时版本;并提出一种记忆多项式模型用于放大器的预失真.仿真结果表明,采用记忆多项式模型比一般多项式模型对延时估计偏差有更强的鲁棒性.     

基于组合信号源的非线性系统的子空间辨识

为解决对非线性采样系统的状态空间Hammerstein模型难以辨识的问题,提出了基于组合信号源的辨识方法.首先用组合信号源将静态非线性环节和动态线性环节分离.其次,采用模糊神经模型拟合静态非线性环节,有效地避免了采用多项式方法逼近非线性函数的限制,拓宽了非线性模型的适用范围;采用子空间算法估计采样系统的状态空间参数矩阵.最后,通过对两个非线性Hammerstein系统模型的仿真,验证了所提出的辨识方法,既简化了辨识过程,对非线性模块能够较好地拟合,又可以很快估计出状态空间方程系数矩阵,从而证明了所提方法的准确性和有效性.     

一种基于非线性系统的动态感知系数的自适应粒子群优化算法

在优化非线性复杂系统问题中,智能算法已成为一种重要手段.提出了一种基于动态感知系数的自适应粒子群优化(particle swarm optimization,PSO)算法(self-tuning PSO,SPSO),将PSO算法的感知系数与神经网络算法结合,并于在线学习训练过程中动态调整感知系数,改善了PSO算法的计算效率以及全局收敛效率.进一步将2个相互关联的神经网络——比例积分微分(proportion integration differentiation,PID)神经网络及SPSO神经网络结合起来,使其能有效解决非线性控制模型的问题.为了验证该算法,引入了4个仿真例及2种PSO优化算法——传统PSO(conventional PSO,CPSO)和修正PSO(modified PSO,MPSO),来比较SPSO算法在解决控制问题中的非线性复杂系统的高效性,结果显示SPSO算法有较好的全局收敛性能、收敛速度以及较强的鲁棒性.     

延时估计误差对间接学习结构预失真器的影响

间接学习结构数字基带预失真器的实现需要估计模拟链路延时,而链路延时估计算法存在估计误差,此误差对预失真器性能的影响目前未有相关研究。该文以邻近信道功率比(ACPR)和归一化均方误差(NM SE)两项指标作为衡量标准,研究了延时估计误差对间接学习结构预失真器补偿性能的影响。结果表明,间接学习结构预失真器对延时估计误差敏感,在N yqu ist采样的预失真器系统中,只有当估计误差不超过系统采样间隔的1/64时,才能保证此预失真器能够有效地实现功放线性化。     

基于极坐标的自适应数字预失真器

基于极坐标方式,以Taylor级数拟合预失真器的AM/AM和AM/PM特性曲线,输入信号幅度作为索引信号创建幅度与相位并联的两张查找表,运用最小均方自适应算法更新表项系数来补偿功放的非线性,设计了自适应数字预失真器.通过Matlab搭建了基于16-QAM调制解调的自适应数字预失真系统.仿真结果表明,邻近通道功率比降低近20dB,功放的线性度得到了明显改善.     

稀疏假设下双频功率放大器的建模与预失真

提出一种简单而灵活的功放建模与预失真改进方法.该方法基于Volterra级数核系数的稀疏性假设,结合最大似然估计和最佳模型确定的信息准则,并且在选择活跃系数时结合了贪婪算法.将该技术应用于输入信号中心频率为2.61 GHz的宽带码分多址(wideband code division multiple access,WCDMA)信号和中心频率在2.69 GHz处的长期演进(long term evolution,LTE)信号的双频功率放大器预失真中,将输入信号放到欠采样双频预失真结构中,分别得到2个频带的预失真仿真测试结果.与Volterra级数和记忆多项式模型进行对比,结果表明,双频欠采样方法在预失真时减少了Volterra级数的参数,与传统Volterra预失真器相比,所提出的欠采样双频预失真器满足参考标准的频谱掩模和误差矢量幅度限制,在达到线性化补偿相同效果下,所提模型参数量减少了40％以上,减少了模型的复杂度.     

自适应数字预失真方法在功放线性化中的应用

功放具有非线性特性，其特征可用AM—AM特性和AM—PM特性表示，采用一种自适应数字预失真方法，通过自适应算法实时产生与功放AM—AM特性和AM—PM特性相反的逆模型，从而消除功放非线性特性的影响。仿真实验表明，此自适应预失真方法可降低互调失真（IMD）达16dB，有效提高功放效率，降低系统功耗，提高系统性能。     

一种基于泰勒级数的HPA失真模型的非线性校正方法

本文提出一种高功率放大器非线性校正方法.它采用预失真技术,消除HPA失真模型的Taylor表达式中产生非线性的奇次方项,实现HPA的非线性校正.仿真结果表明,较好地补偿了HPA的非线性失真.     

基于星载高速调制器的预失真算法研究

在卫星高速数传系统中,为满足高速率通信业务的需求,新型数字调制体制（如OFDM,M-QAM等）被越来越多地采用,但由此带来的功率放大器的非线性效应也日益严重,对解调器性能造成很大影响.传统的数字预失算法因其收敛速度慢和计算复杂度大的特点不适用于资源严格受限的星载高速数传系统.本文中提出了一种基于QR分解的递归最小二乘算法（QRD-RLS）,对该算法进行了理论分析和性能仿真.相比传统的预失真算法,该算法具有稳态误差小、收敛速度快和计算复杂度低的优势.并基于该算法设计了带有预失真器的高速调制器结构,对16QAM信号的实测效果显示,基于QRD-RLS的预失真方案对失真信号补偿效果显著,误差向量幅度（EVM）从7.4%降低到2.5%,带外干扰抑制提升10 dB.      

基于压缩感知的非线性 OFDM 系统迭代信道估计算法

针对因非线性失真引起的正交频分复用（orthogonal frequency division multiplexing,OFDM）系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。     

基于DTMB的半自动预失真器的设计与实现

针对DTMB标准中OFDM信号高PAPR的问题,为了降低射频功率放大器的非线性特性对OFDM信号产生的不良影响,并提高射频功率放大器的工作效率,通过在DTMB信道处理系统中引入预失真技术,实际采集射频功率放大器的非线性特性曲线,结合查询表技术的预失真器补偿方式,实现对射频功放非线性失真的有效抵消.最终测试表明,该半自动预失真器能够实现较好的预失真补偿功能.     

基于波峰因子衰减与数字预失真的功放线性化技术

研究了峰均比抑制技术和数字预失真的联合设计及加入峰均比抑制技术后的增益控制问题,并给出了相应的峰值限幅算法和自适应的预失真算法,提出了平均功率调整和增益控制的结构和实现方法.仿真结果表明联合设计方案能够很好地补偿功放的非线性和记忆性,而且信号的带内失真得到了明显的改善,带外扩散也得到相应地抑制.     

粒子群优化算法在可预报性问题中的应用

为了评价在强非线性影响下粒子群优化(PSO)算法解决可预报性问题的性能,借助二维Ikeda模式,基于传统伴随(ADJ)方法和PSO求取的条件非线性最优扰动(CNOP)方法,即ADJ-CNOP和PSOCNOP方法,研究了最大预报误差的上界和最大允许初始误差的下界的精度问题。数值试验的统计分析结果显示:不论在初始误差较大还是预报时间较长的情况下,PSO-CNOP方法都能有效捕捉全局CNOP,给出最大预报误差的上界和最大允许初始误差的下界的精确估计;由于强非线性的影响,ADJ-CNOP方法会以较大概率获得局部CNOP,从而影响可预报性问题研究中相关估计的精度。实验结果表明,PSO算法具有优良的性能,能有效克服动力模式的强非线性特征带来的影响,值得在可预报性问题中进一步研究和应用。     

基于数字预畸变的UMTS功率放大器线性化技术

提出了适用于UMTS系统上行线路的基于查阅表数字预畸变的功放线性化技术 .通过仿真和测量可以看出 ,数字预畸变可以将邻道功率比性能改善 10dB .尽管这一性能的改善并不是UMTS标准所必需的 ,但它能减少功率放大器的工作点回退 ,或者降低对功放线性特性的要求 ,从而增加功放的效率 .     

基于改进k-means算法的可见光通信非线性补偿技术

可见光通信系统中,正交频分复用技术的高峰均功率比会加大发射信号产生非线性失真的概率。为了降低系统的误码率,提出了一种改进的k均值(k-means)算法的非线性补偿技术。该算法考虑了信号的传输特性,运用Dijkstra算法优化了k-means算法中初始点的选择,能够准确地找到接收信号星座图的聚类中心,避免了传统k-means算法在选择初始聚类点时陷入局部最优解。仿真结果表明,相比于传统的k-means算法,改进的k-means算法能更准确地找到非线性失真后信号的星座点位置,因此能有效地解决可见光通信系统的非线性问题,降低了系统的误码率。     

基于分段多项式的RF功放预失真线性化新方法

为补偿RF功率放大器的非线性失真,提出一种新的基于分段多项式的自适应数字预失真方法,使用多个直角坐标形式的低阶奇次多项式设计预失真器.分析多种自适应数字预失真方法的计算复杂度,通过Matlab软件仿真它们的收敛速度和线性化效果.该方法计算复杂度低,易于实现.仿真结果表明,该方法收敛速度快,且具有良好的抑制频谱扩展的线性化性能.