用于射频功率放大器线性化的多查找表数字预失真

文章原名为：《Multi Look-Up Table DigitalPredistortion for RF PowerAmplifier Linearization》的博士论文

自适应数字基带预失真线性化

1 Introduction

使用线性化可以在线性和功率效率之间找到折衷。PA线性化允许使用更有效的PA，尽管它们引入了非线性失真，因为线性化技术旨在补偿这种非线性失真。由于现代通信标准使用呈现显著带宽的高速包络信号，因此必须考虑记忆效应。在功放线性化PA中，数字预失真利用了发射机中已有的数字信号处理(DSP)器件(以应对现代标准中要求的信号编码保护和调制)，从而减少了硬件调整问题。DPD是一种通用的线性化技术，它利用了软件定义的无线电（SDR）解决方案，具有可重新配置性，并且更独立于特定的RF前端。
记忆效应对所有线性化技术的影响并不相等，例如，前馈或前馈线性化对PA行为的敏感度低于DPD。数字预失真线性化对记忆效应非常敏感，当试图消除宽带信号中的失真时，记忆效应可能是一个缺点，因为它的线性化性能降低了。多亏了包络滤波技术，才有可能再现在PA内针对稍后的消除而产生的反向记忆效果。因此，前面的第四章已经对能够再现PA非线性行为和记忆效应的PA行为模型进行了综述。非线性自回归滑动平均(the nonlinear auto-regressive moving average，NARMA)模型既能再现功放的非线性失真，又能再现功放的动态特性。此外，与仅使用FIR项的模型相比，它具有引入非线性反馈路径的优点，该非线性反馈路径可以允许减小PA模型的复杂性。然而，为了防止整个系统不稳定，对其稳定性的额外测试是必须执行的强制性前一步。
本论文的主要贡献和本章的范围是，提出一种基于NARMA结构的新型数字基带自适应预失真器，其参数可以很容易地从PA的NARMA模型中获得。 这种模型同时嵌入线性和非线性部分，从而避免了Hammerstein或Wiener模型中的级联线性-非线性分解。 此外，NARMA DPD非常适合通过使用一组简单查找表（LUT）来实现。 所提出的DPD的适应过程仅依赖于PA NARMA模型，尽管其非线性反馈结构也可以评估和确保其稳定性。

在下文中，提出了针对最终硬件实现的数字基带自适应预失真器的设计。 在第6章中介绍了用于验证DPD新结构的实验设置，而在本章中，介绍了一些与DPD的标识和适应有关的先前问题。 因此，本章的内容安排如下：
首先，简要讨论用于组织和索引查询表的可能策略。
然后，详细介绍了两种识别方法：间接学习和预测性预失真。
最后，对执行DPD自适应过程的两种可能的配置进行了描述：外部和实时自适应。
仿真结果显示了所提出的基于预测NARMA的DPD在两种自适应配置下的线性化性能。

作为本章稍后将讨论的问题的改进，图5.1以图形方式表示了数字基带自适应预失真器的一般框图。 数字基带预失真是通过一组LUT在现场可编程门阵列（FPGA）平台中执行的。自适应过程包括定期计算新的预失真增益值，以更新FPGA中的LUT内容。 可以通过外部数字处理设备（例如个人计算机（PC）或经过专门编程的数字信号处理器（DSP））来执行此适配过程； 或者，利用FPGA器件的并行处理特性，可以使用允许实时自适应的简单算法在同一FPGA中执行。

图5.1：具有数字基带自适应预失真线性化的发射机的简化框图

Digital Baseband PREDISTORTER ：数字基带预编译器
ADAPTATION：自适应
Anti-aliasing Filter：抗混叠滤波器
reconstruction filter：重构滤波器

2 查找表组织

多年来的研究已经涉及到无记忆功放的预失真技术。目前，一些解决方案已经包含了记忆效应补偿，因为在考虑多电平和多载波调制格式的高带宽时，记忆效应补偿是非常值得关注的，数字预失真解决方案必须在数字信号处理器中实现预失真功能，该功能通常基于特定的功放行为模型。在不增加计算成本的情况下实现预失真功能的一种有效方式是使用查找表(LUT)。

为了将预失真函数映射到LUT中，必须考虑一些有关LUT组织的注意事项，例如：

•用于处理离散复杂信号包络的LUT体系结构（一维或二维LUT）
•LUT的最佳大小（精度和存储大小之间的权衡）
•LUT索引和LUT中条目之间的间距

另一个必须考虑的问题是自适应算法的复杂性，因为它与DSP将允许的LUT更新的频率密切相关，尽管它不完全是与LUT组织有关的问题。

在以下小节中，将更深入地讨论有关LUT组织的这些问题。

2.1 LUT方案

数字基带预失真处理了PA输入和输出RF信号的复杂包络。 因此，LUT体系结构取决于处理该复杂包络的方式，以便预失真。 基于LUT的预失真器可以在[Sun95]中通过其LUT方法进行分类：
•映射预失真器（二维LUT）
•Polar预失真器(1-维LUT)
•基于复增益的预失真器(一维LUT）

在映射预失真中，复输入信号由其笛卡尔同相（$x_I$）和相正交（$x_Q$）分量表示。 通过使用二维LUT，两个输入的笛卡尔分量被映射到一个新的笛卡尔分量星座：
$y_I=x_I+f_I(x_I,x_Q)$和$y_Q=x_Q+f_{}$