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。     

Adaptive Hammerstein Predistorter Using the Recursive Prediction Error Method

The digital baseband predistorter is an effective technique to compensate for the nonlinearity of power amplifiers （PAs） with memory effects. However, most available adaptive predistorters based on direct learning architectures suffer from slow convergence speeds. In this paper, the recursive prediction error method is used to construct an adaptive Hammerstein predistorter based on the direct learning architecture, which is used to linearize the Wiener PA model. The effectiveness of the scheme is demonstrated on a digital video broadcasting-terrestrial system. Simulation results show that the predistorter outperforms previous predistorters based on direct learning architectures in terms of convergence speed and linearization. A similar algorithm can be applied to estimate the Wiener PA model, which will achieve high model accuracy.     

一种微波模拟预失真器电路

文章提出了一种模拟射频预失真器,它由模拟衰减器、模拟移相器和3 dB电桥构成;将它加在微波放大器的前端,通过调节预失真器中的偏置电路来调整预失真器的性能,实现对放大器线性的提高;通过使用ADS软件进行双音测试,证明三阶交调系数改善了20 dBc。     

一种基于记忆LUT的多倍频程预失真方案

针对多载波无线通信系统中多倍频程功率放大器存在的强非线性失真与记忆效应失真问题,提出了一种基于记忆查找表的LUT+MP多倍频程预失真方案。方案模型由记忆查找表(LUT)和记忆多项式(MP)串联构成,采用间接学习法的LMS和RLS算法对模型参数训练辨识。仿真结果表明,针对维纳模型高功率放大器,在输出功率回退OBO=2.27 d B时,对Wiener模型功放的三阶互调失真改善达到了55.9 d B,五阶互调失真改善达到了44.5 d B。与现有的LUT+FIR和LUT+并联FIR预失真方案相比较,能带来更好的建模精度和线性化效果。同时,设计使用的学习算法简单实用,稳定性能好。     

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.     

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.     

MR64QAM/OFDM传输系统中的非线性分析

研究了固态功率放大器（ＳＳＰＡ）非线性失真对正交频分多路复用（ＯＦＤＭ）数字高清晰度电视（ＨＤＴＶ）传输系统性能的影响．采用预失真法改善ＳＳＰＡ的非线性失真,并将ＳＳＰＡ等效为一个软限幅器．计算了在加性噪音和软限幅影响下多分辨率调制（ＭＲ）６４ＱＡＭ（正交幅度调制）／ＯＦＤＭ的传输系统误比特性能．结果表明,０．１％的限幅概率对ＭＲ６４ＱＡＭ／ＯＦＤＭ传输系统所造成的信噪比损伤可忽略不计,产生的邻频道干扰为－４９．２ｄＢ;１％的限幅概率对ＭＲ６４ＱＡＭ／ＯＦＤＭ传输系统在最重要比特误比特率为１０－１０时所造成的信噪比损伤为１．９ｄＢ,产生的邻频道干扰为－３７ｄＢ．     

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.      

一种高线性的CMOS低噪声放大器结构

采用TSMC0.35μmCMOS工艺,设计了一个5.7 GHz可用于无线局域网的低噪声放大器,电路在采用单端共源共栅结构的基础上为改善线性度而引进低频陷波网络(Low-frequency-trap Net-work),用ADS软件仿真与优化.仿真结果表明,在电源电压1.5 V情况下,噪声系数NF为1.22 dB,输入反射系数S 11为-15 dB,反向隔离性能S12为-32.9 dB,增益S21为17.8 dB,三阶交截点IIP3为 12.7 dBm,功耗为8 mW.     

Yb-Er共掺光波导放大器增益特性模拟及优化

为提高光波导放大器的增益特性,从Yb-Er共掺系统的能级结构及能量传递过程出发,建立了Yb-Er共掺光波导放大器增益的理论模型,对增益特性进行数值模拟;讨论了铒离子的掺杂浓度、泵浦光功率和信号光功率等因素对光波导放大器增益的影响,并进行优化。数值模拟结果表明:当波导长度小于其最佳值时,增益随铒离子的掺杂浓度和泵浦光功率的增加而显著增大;超过最佳波导长度,增益随之下降;泵浦光功率一致,信号光功率增强时,增益下降。抽运功率为70 mW时,长度为2.24 cm的光波导放大器,单位长度增益为4.73 dB/cm,该结果与实验数据基本吻合。     

A wideband CMOS variable gain low noise amplifier

In this paper, a novel structure of linear-in-dB gain control is introduced. Based on this structure, a wideband variable gain low noise amplifier (VGLNA) has been designed and implemented in 0.18μm RF CMOS technology. The measured results show a good linear-in-dB gain control characteristic with 15 dB dynamic range. It can operate in the frequency range of MHz and consumes 30mW from 1.8V power supply. The minimum noise figure is 4.1 dB at the 48～860 maximum gain and the input P1dB is greater than -16.5dBm.     

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,WC...     

一款应用于LTE移动终端的射频功率放大器设计

基于WIN InGaP/GaAsHBT工艺,设计了一款应用于LTE移动终端的射频功率放大器。工作在AB类偏置状态,由三级放大电路级联构成,并带有温度补偿和线性化的偏置电路。芯片版图面积为1410×785μm2,电源电压为3.4V。仿真结果显示:功率增益大于30.1dB、1dB压缩点输出功率为31.2dB.m,在Band38(2570～2620)MHz内,输入回波损耗S11小于-15dB,S21大于30.1dB,输出回波损耗S22低于-25dB,1dB压缩点输出功率的功率附加效率高达36.6%。     

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.     

基于谐波抑制与补偿线技术的非对称Doherty功放设计

为了提高WiMAX信号下doherty功率放大器（doherty power amplifier,DPA）回退点的效率,提出一种基于谐波抑制和补偿线技术的非对称doherty功放（asymmetric doherty power amplifiers,ADPA）结构。该结构在传统ADPA结构的基础上,首先对主功放（carrier）和辅功放（peak）输出匹配电路加入2次、3次谐波电路进行匹配设计,减少晶体管漏极电压电流的重合;然后通过添加补偿线（offset line）的方式,改变carrier和peak的功率分配比,使得整体电路获得更高的效率和输出功率。基于上述谐波抑制和补偿线理论,设计了一款工作在3.4 GHz~3.6 GHz,增益约为13 dB的ADPA。实测结果表明,当饱和输出功率达到48.75 dBm,功率回退9.5 dB时,功率附加效率（power added efficiency,PAE）达到41.8%,5 MHz偏移量的相邻信道功率比（adjacent channel power ratio,ACPR）优于-35 dBc,10 MHz偏移量的ACPR优于-48 dBc。满足WiMAX基站对功放线性度和效率的要求。     

基于GaAs pHEMT 2.5~4.3 GHz驱动功率放大器芯片设计

为了实现低噪声、高线性度、中功率的指标特性,设计了一款基于GaAs pHEMT工艺的2.5~4.3 GHz驱动功率放大器（power amplifier,PA）,该PA设计采用共源共栅级驱动共源极放大器的双级放大结构,其中共源共栅级驱动放大器可实现良好的隔离度,采用负反馈技术实现输入阻抗匹配和级间阻抗匹配,选取共源极放大器实现高线性度指标。经过流片加工后,实测结果显示,该PA在2.5~4.3 GHz频段可实现25.5±1 dB小信号增益,可以满足5G无线通信系统中Sub-6G频段的典型驱动功率放大器的指标要求,具有广泛的市场应用前景。     

应用于蓝牙系统的2 MHz限幅放大器/接收功率指示计

介绍了一个应用于蓝牙系统的2 MHz CMOS 限幅放大器/接收功率指示计.在限幅放大器电路设计中,采用一种新的限幅器以减小温度对功率指示计性能的影响.仿真结果显示接收功率指示计的温度特性得到了补偿,它的指示范围在±1 dB误差范围内可以达到52 dB.整个电路功耗为13.2 mW.     

基于基片集成波导功分/合成器的宽带功率放大器研制

基于基片集成波导功分/合成器设计并研制了4路X波段宽带功率合成放大器.功分/合成器由一对4路树状功分器采用背对背方式组成,功分器输入输出端口均包含基片集成波导-微带转接结构,以便于功分/合成器与其他平面器件相连接.在9.3~12.3GHz范围内实测功分/合成器的回波损耗低于-13dB,传输损耗优于-3.3dB.设计并制作了一个X波段4路宽带功率放大器,合成功放在10.4GHz上的1dB压缩点输出功率约为7.1W(连续波工作方式),在8.9~12.3GHz范围内,合成效率大于60%,在9.5GHz上其最大合成效率约为73.6%.测试结果表明,该技术可方便地用于微波与毫米波固态功率放大器设计.     

移动边缘网络中深度学习任务卸载方案

为了缓解网络带宽的压力、降低网络延迟,克服移动设备资源匮乏等问题,推动深度学习应用在移动终端的部署,提出一个基于移动边缘计算的深度学习任务卸载方案。基于深度神经网络专用加速芯片Eyeriss的架构,对深度学习任务的计算功耗进行建模,提出了一个基于混合l_1/l_2范数诱导的三阶段组稀疏波束成形(group sparse beamforming, GSBF)框架,通过对计算任务优先级的精心设计,尽可能地删除基站端冗余的计算任务,实现对整体网络功耗(包括发送功率损耗和计算功率损耗)的优化。针对该框架,提出了一个加速优化方案。仿真实验表明,在该场景下,所提出的框架在优化整体网络功耗方面具有显著优势,而加速算法可以进一步提升框架的性能。