CN103618684A - 一种估计dpd系数的方法及装置 - Google Patents
一种估计dpd系数的方法及装置 Download PDFInfo
- Publication number
- CN103618684A CN103618684A CN201310603937.3A CN201310603937A CN103618684A CN 103618684 A CN103618684 A CN 103618684A CN 201310603937 A CN201310603937 A CN 201310603937A CN 103618684 A CN103618684 A CN 103618684A
- Authority
- CN
- China
- Prior art keywords
- matrix
- coefficient
- forward direction
- dpd
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Amplifiers (AREA)
Abstract
本发明公开了一种估计DPD系数的方法及装置,用于解决DPD系数更新速度过慢的问题。该方法包括:计算第一系数矩阵和第一前向矩阵;将上述矩阵按照设定行数等分为子系数矩阵以及子前向矩阵,并统计第一前向矩阵中以及分别统计每一个子前向矩阵中大于或等于设定门限值的元素个数;分别计算每一个子前向矩阵的峰值密度;分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二系数矩阵;根据第二系数矩阵计算自相关矩阵,并根据第二系数矩阵和第二前向矩阵计算协相关矩阵,以及通过自相关矩阵和协相关矩阵估计DPD系数。该方法可以提高DPD系数计算效率。
Description
技术领域
本发明涉及通信领域,尤其涉及一种估计DPD系数的方法及装置。
背景技术
无线通信***正在全面进入3G并迈向4G,功率放大器是通信***中影响***性能和覆盖范围的关键部件,而功率放大器的两个固有特性为非线性和记忆效应,这两个固有特性会引起已过滤的信号频谱的增长,对相邻信道造成了一定的干扰,还会造成带内信号的失真,进而造成了***误码率的升高。
因此,对功率放大器进行线性化处理可以大大提升其功效,这对于无线通信***的发展至关重要。在现有技术中,对功率放大器进行线性处理的方法有反馈法、前馈法,数字预失真(Digital PreDistortion,DPD)等方法。在这些线性化技术中,利用数字预失真技术功率放大器进行线性化是性价比最高的技术,该技术具有精度高、适用带宽范围大、实现成本低等优点,目前被广泛应用。
数字预失真的基本原理是在功率放大器前设置一个与其特性(非线性)相反的模块,使得整个链路呈现线性放大性能。参阅图1所示,图1中的方案是比较常用的DPD***结构,通过功率放大器输入和输出数据估计模型参数,然后发送至数字预失真器对基带信号进行非线性和记忆效应进行补偿。
常见的功放模型有Volterra模型、记忆多项式(Memory Polynomial,MP)模型、Wiener模型、Hammerstein模型等,其中Volterra模型过于复杂,在实际***中实现起来复杂度高,因此,工程实践中并不采用这种模型,而其他几种模型在某种程度上都是Volterra模型的简化形式。目前比较流行的是记忆多项式模型,参阅图1所示,它的表达式如下:
其中,x(n)为基带输入信号,z(n)为数字预失真器的输出信号,K为多项式阶数,L为记忆深度,akl为数字预失真系数。而估计数字预失真系数akl有多种方法,常见的有LS算法,LMS算法和RLS算法。考虑到硬件实现的便利性,目前流行采用LS算法。但是相比于LMS算法和RLS算法,LS算法是一种数据批处理的方法,即不是每时每刻都在更新数字预失真系数的,而是需要通过采集一批DPD处理后的数据(即z(n))和功率放大器的反馈数据(即y(n))进行系数估计,这一批DPD处理后的数据和功率放大器的反馈数据可以是2000个到8000个,这个过程是非常耗时的,严重削弱了DPD的自适应性。为了进一步说明LS算法计算的复杂程度,以下简要说明LS算法的具体过程:
参阅图1所示,采集DPD处理后的数据z(n)与反馈数据y(n),对反馈数据进行预处理,具体包括数字下变频(Digital Down Converter,DDC)、延时对齐、增益调整等,根据以上的记忆多项式模型,由DPD处理后的数据z(n)与反馈数据y(n)的关系形成以下方程:
Z=Ua
其中,
Z=[z(0),z(1)……z(N-1)]T,
U=[U10,U20,……,UK0,U11,……,U1L,……,UKL],称为系数矩阵
Ukl=[ukl(0),ukl(1),ukl(0),……,ukl(N-1)]T,
ukl(n)=y(n-l)|y(n-l)|k-l,
a=[a10,a20,……,aK0,……,a1L,a2L,……,aKL]T,
N为采集到的下行和反馈的数据长度
根据LS算法,Z=Ua的最小二乘解为
a=(UHU)-1UHZ
令UHU=R_uu(自相关矩阵),UHZ=R_uz(协相关矩阵),上式可以写成
a=(R_uu)-1R_uz
由以上计算式可以分析得知系数矩阵U的维数。系数矩阵U有N行、K(L+1)列,其中K(L+1)为DPD系数的个数,这里定义S=K(L+1),那么U的维数就是N×S。
而自相关矩阵R_uu是通过系数矩阵U的共轭转置与系数矩阵U相乘得到,这个过程的计算量为N×S2次复数乘加运算,例如当N=4000,K=7,L=4时,也就是说计算满足上述条件的自相关矩阵R_uu需要进行4900000次复数乘加运算。这个计算量是巨大的,占整个DPD系数更新周期的80%以上,这是导致DPD技术的自适应性差的关键原因。当信号功率或者信号形态(如,频率和载波数)发生较大变化时,若DPD***没有足够的速度去更新系数去适应上述信号功率或信号形态变化较大的情况时,那么DPD***的处理性能会受到严重影响的,进而影响了通话质量。因此,提升DPD系数的更新速度是非常必要的,尤其是优化自相关矩阵的计算方面。
目前关于提高自相关矩阵的现有技术都是基于自相关矩阵的结构(例如自相关矩阵的对称性、递推性等)制定最优的计算策略,虽然采用以上策略都取得了不错的效果,但是还有很大的提升空间。
通过上述的分析可知,自相关矩的计算量是与数据长度N成正比的,与系数个数S2也成正比,我们很自然的会想到通过降低N和S即可大幅度的降低计算量,但是降低N和S会使得DPD***的性能变差,甚至会达不到相关的指标要求。因此,为了保证性能指标,不能随便降低N和S来减少计算量。
综上所述,可以得知现有技术中DPD系数的计算方法中,自相关矩阵R_uu和协相关矩阵R_uz的计算是非常复杂的,这样的计算方式导致了DPD系数更新过慢,不能在信号功率或者信号形态变化较大时及时调整DPD系数,使得对信号的功率放大出现非线性的情况,从而导致了通话质量的降低。
发明内容
本发明实施例提供一种估计DPD系数的方法及装置,用以解决现有技术中存在计算数字预失真系数过程中遇到的计算自相关矩阵R_uu和协相关矩阵R_uz复杂度高导致的难以在信号功率或者信号形态变化较大时及时调整DPD系数,使得功率放大器对信号功率的放大出现非线性的情况,从而降低了通信质量的问题。
本发明实施例提供的方法,在保证DPD处理性能影响较小的情况下,通过对系数矩阵进行分段融合的方法来降低计算自相关矩阵以及协相关矩阵的复杂度,从而提升了DPD系数估计的速度。
本发明实施例提供的具体技术方案如下:
第一方面,一种估计数字预失真DPD系数的方法,包括:
采集功放前的输入数据和功放后的反馈数据,并对反馈数据进行预处理,以及根据预处理后的反馈数据计算第一系数矩阵,以及根据输入数据确定第一前向矩阵;
将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵,并统计第一前向矩阵中大于或等于设定门限值的元素个数,以及分别统计每一个子前向矩阵中大于或等于设定门限值的元素个数;
分别计算每一个子前向矩阵的峰值密度,其中,任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与第一前向矩阵中大于或等于设定门限值的元素个数的比值;
分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二系数矩阵;其中,采用任意一个峰值密度进行融合处理的子前向矩阵在第一前向矩阵中的位置,与采用任意一个峰值密度进行融合处理的子系数矩阵在第一系数矩阵中的位置相同;
根据第二系数矩阵计算自相关矩阵,并根据第二系数矩阵和第二前向矩阵计算协相关矩阵,以及通过自相关矩阵和协相关矩阵估计DPD系数。
结合第一方面,在第一种可能的实现方式中,根据预处理后的反馈数据计算第一系数矩阵,以及根据预处理后的输入数据确定第一前向矩阵之后,在将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵之前,进一步包括:
对第一系数矩阵和第一前向矩阵进行归一化处理。
结合第一方面的上述任意一种可能的实现方式,在第二种可能的实现方式中,设定门限值为0.707。
结合第一方面,在第三种可能的实现方式中,通过自相关矩阵和协相关矩阵估计DPD系数,包括:
采用自相关矩阵的逆矩阵左乘协相关矩阵得到DPD系数。
结合第一方面,在第四种可能的实现方式中,,通过自相关矩阵和协相关矩阵估计DPD系数之后,包括:
根据估计出的DPD系数生成查找表,根据生成的查找表对基带信号进行DPD处理。
第二方面,一种估计数字预失真DPD系数的装置,该装置包括:
数据处理单元,用于采集功放前的输入数据和功放后的反馈数据,并对反馈数据进行预处理,以及根据预处理后的反馈数据计算第一系数矩阵,以及根据输入数据确定第一前向矩阵;
矩阵分段单元,用于将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵,并统计第一前向矩阵中大于或等于设定门限值的元素个数,以及分别统计每一个子前向矩阵中大于或等于设定门限值的元素个数;
计算单元,用于分别计算每一个子前向矩阵的峰值密度,其中,任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与第一前向矩阵中大于或等于设定门限值的元素个数的比值;
矩阵融合单元,用于分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二系数矩阵;其中,采用任意一个峰值密度进行融合处理的子前向矩阵在第一前向矩阵中的位置,与采用任意一个峰值密度进行融合处理的子系数矩阵在第一系数矩阵中的位置相同;
系数生成单元,用于根据第二系数矩阵计算自相关矩阵,并根据第二系数矩阵和第二前向矩阵计算协相关矩阵,以及通过自相关矩阵和协相关矩阵估计DPD系数。
结合第二方面,在第一种可能的实现方式中,数据处理单元还用于根据预处理后的反馈数据计算第一系数矩阵,以及根据预处理后的输入数据确定第一前向矩阵之后,在将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵之前,对第一系数矩阵和第一前向矩阵进行归一化处理。
结合第二方面的上述任意一种可能的实现方式,在第二种可能的实现方式中,设定门限值为0.707。
结合第二方面,在第三种可能的实现方式中,系数生成单元具体用于:采用自相关矩阵的逆矩阵左乘协相关矩阵得到DPD系数。
结合第而方面,在第四种可能的实现方式中,还包括:信号处理单元,用于通过自相关矩阵和协相关矩阵估计DPD系数之后,根据估计出的DPD系数生成查找表,根据生成的查找表对基带信号进行DPD处理。
附图说明
图1为现有技术中的DPD***结构图;
图2为本发明中的DPD***结构图;
图3为本发明中估计DPD系数的流程图;
图4为本发明中未经DPD处理时功放输出信号的频谱图;
图5为本发明中估计DPD系数的管理装置图。
具体实施方式
为了给出及时调整DPD系数的实现方案,本发明实施例提供了一种估计DPD系数的方法及装置,用来简化计算在DPD系数运算过程中的自相关矩阵R_uu,使得在保证DPD性能影响较小的情况下,DPD系数的估计可以快速更新,从而解决现有技术中因DPD系数更新速度过慢进而造成的通信质量降低的问题。
下面结合附图对本发明优选的实施方式进行详细说明。
参阅图2所示,本发明实施例中,将基带信号x(n)输入数字预失真器,得到功放前的输入数据z(n),并将输入数据z(n)送至功放,将功放后的反馈数据y(n)经过预处理后与输入数据z(n)同时发送至训练DPD进行分段融合以及计算DPD系数等操作,根据幅度或者功率以及DPD系数生成查找表,将该查找表下发至数字预失真器,根据生成的查找表的对基带信号x(n)进行查表DPD处理。
采用上述DPD***结构,参阅图3所示,本发明实施例中,估计DPD系数的流程包括如下步骤:
步骤300:管理装置采集功放前的输入数据和功放后的反馈数据,并对反馈数据进行预处理,以及根据预处理后的反馈数据计算第一系数矩阵,以及根据预处理后的输入数据确定第一前向矩阵。
本实施例中,管理装置可以设置在一个或多个数字处理器件上,例如FPGA,DSP等,在此不再一一赘述。
具体的,采集功放前的输入数据(即图2中的z(n))和功放后的反馈数据(即图2中的y(n)),一般采集上述数据的长度,范围在2000个数据至8000个数据,在采集数据后,对采集的反馈数据y(n)进行预处理,包括:DDC、延时对齐、增益补偿和相位补偿等处理,对采集的反馈数据y(n)进行与输入数据z(n)延时对齐的操作之后,用来进行DPD系数估计的数据会比采集的总数据量少一些。
待采集输入数据z(n)和反馈数据y(n)后,采用LS算法,根据记忆多项式预失真模型利用经过预处理的数据计算第一系数矩阵U以及第一前向矩阵Z,其中,经过预处理后的输入数据z(n)和反馈数据y(n)的数据长度都为N,一个输入数据z(n)对应一个反馈数据y(n),
U=[U10,U20,……,UK0,U11,……,U1L,……,UKL],
Ukl=[ukl(0),ukl(1),ukl(0),……,ukl(N-1)]T,
ukl(n)=y(n-l)|y(n-l)|k-l,
Z=[z(0),z(1)……z(N-1)]T,
步骤310:管理装置将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵,并统计第一前向矩阵中大于或等于设定门限值的元素个数,以及分别统计每一个子前向矩阵中大于或等于设定门限值的元素个数。
具体的,由上述计算结果可知,第一系数矩阵的行数与经过预处理后的数据长度N相同,第一系数矩阵的列数设为S列,即第一系数矩阵为N行S列的矩阵,第一前向矩阵为N行1列的矩阵。将计算出的第一系数矩阵和第一前向矩阵进行归一化处理。
将第一系数矩阵按照设定行数M等分为若干个子系数矩阵,即保持第一系数矩阵的列数S不变,把第一系数矩阵的行数N按照每M行分为一个子系数矩阵,一共分为R个子系数矩阵,其中R=N/M,如此操作,得到了R个子系数矩阵U1,U2,…,Ui,…,UR,其中,上述R个子系数矩阵都为M行S列的矩阵。由输入数据z(n)与反馈数据y(n)的关系形成的矩阵方程:
Z=Ua,
可以得到R个线性方程组,Z1=U1a,Z2=U2a,…,Zi=Uia,…,ZR=URa。
步骤320:管理装置分别计算每一个子前向矩阵的峰值密度,其中,任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与第一前向矩阵中大于或等于设定门限值的元素个数的比值。
具体的,考虑在DPD技术中,采集用来估计DPD系数的数据的幅度分布是非常关键的,它直接关系到DPD处理的性能。在工程上,一般都会考虑这些数据的幅度分布,大于或者等于设定门限值的数据比例越大,用来估计DPD系数的性能就越好。
基于以上考虑以及步骤310中对第一系数矩阵与第一前向矩阵的分段,接着,统计第一前向矩阵中大于或等于设定门限值T的元素总个数P,在第一前向矩阵进行归一化处理后,较佳的,设定门限值T为0.707,然后分别统计R个子前向矩阵中大于或者等于设定门限值T的元素个数Pi,然后通过统计出的元素个数计算每个子前向矩阵的峰值密度Di=Pi/P,即任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与第一前向矩阵中大于或等于设定门限值的元素个数的比值。
步骤330:管理装置分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二前向矩阵;其中,采用任意一个峰值密度进行融合处理的子前向矩阵在第一前向矩阵中的位置,与采用任意一个峰值密度进行融合处理的子系数矩阵在第一系数矩阵中的位置相同。
得到每个峰值密度Di后,分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二前向矩阵,即将线性方程组Zi=Uia的两边分别左乘对应的峰值密度Di,得到R个方程组Di·Zi=Di·Uia,最后将上述R个方程组叠加,得到以下方程式:
Z‘=U’a,
其中,第二前向矩阵Z'=D1·Z1+D2·Z2+…+Di·Zi+…+DR·ZR,
第二系数矩阵U'=D1·U1+D2·U2+…+Di·Ui+…+DR·UR。
步骤340:管理装置根据第二系数矩阵计算自相关矩阵,并根据第二系数矩阵和第二前向矩阵计算协相关矩阵,以及通过上述自相关矩阵和协相关矩阵估计DPD系数。
根据第二系数矩阵计算其自相关矩阵,自相关矩阵R_uu是通过第二系数矩阵U’的共轭转置与第二系数矩阵U相乘得到,计算公式如下:
R_uu=U'HU',
协相关矩阵R_uz是通过第二系数矩阵U’的共轭转置与第二前向矩阵Z相乘得到,计算公式如下:
R_uz=U'HZ'
在计算得出自相关矩阵R_uu和协相关矩阵R_uz之后,采用LS算法,计算DPD系数a,计算公式如下所示:
a=(R_uu)-1R_uz,
也可以采用LU分解或者Cholesky分解等方法求解系数a,上述两种方法,都要先求出第一系数矩阵的自相关矩阵R_uu,在此不一一赘述计算方法。
在计算出DPD系数a后,根据幅度或者功率以及DPD系数a生成查找表,查找表的长度一般取256~1024。根据记忆多项式模型:
由上述表达式可知,其计算量仍然很复杂,但是当DPD系数akl可知,基带信号的幅度(即|x(n-l)|)的范围是有限的整数,可以一一计算出来,则基带信号幅度的k-1次方(即|x(n-l)|k-1)也是可知的,因此将akl|x(n-l)|k-1的值生成查找表方便后续对基带信号进行查表DPD处理,即计算出基带信号的反馈信号z(n)。
采用峰值密度Di进行融合处理后得到的第二前向矩阵Z‘变为M行1列的矩阵,以及第二系数矩阵U’变为M行S列,该第二系数矩阵的行数变为第一系数矩阵U的1/R,其中,第一系数矩阵的自相关矩阵的计算量为N×S2次复数乘加运算,那么经过分段融合处理后得到的第二系数矩阵的自相关矩阵的计算量变为M×S2次复数乘加运算,比较得知,第二系数矩阵的自相关矩阵的计算量为第一系数矩阵的自相关矩阵的计算量的1/R,大大提升了计算速度。可以得知设定行数M的取值决定了自相关矩阵的计算量,设定行数M的值取的越大,DPD系数的更新速度也就越快,但是DPD性能可能会下降,因此需要根据***或者产品的要求来考虑设定行数M的取值。
以下采用真实的仿真结果,具体说明不能单纯将采集的数据长度N变短的原因:
参阅图4所示,实验采用60MHz3载波的LTE基带信源和20W的Doherty功放,图4中的频谱图是未经过DPD处理的功放输出信号的频谱图,其中,图4中所示的第一区域至第七区域,每个区域各占频带的20MHz,第三区域、第四区域和第五区域即为60MHz3载波的LTE基带信源,第一区域、第二区域、第六区域和第七区域为交调成分。未经过DPD处理时,上述交调成分所在的四个区域的邻信道功率比(Adjacent Channel Power Ratio,ACPR)分别为-32.8dBc、-30.8dBc、-30.9dBc和-34.1dBc,要求DPD处理后,上述交调成分所在的区域的载波功率可以达到-50dBc以上。
表1不同方法的DPD处理效果
参阅表1所示,本次实验将对两组数据进行DPD处理,选取了三种DPD处理的方法分别对这两组数据进行不同的DPD处理。
连续采集两组数据长度为4000的功放前的输入数据以及反馈数据,其中,第一组数据与第二组数据不同。设定多项式阶数K为9,记忆深度L为4,计算出系数矩阵的列数S=K(L+1)=45。
获取N‘为500的两组数据,具体为:从采集的数据长度N为4000的第一组功放前的输入数据以及反馈数据中随机选取连续的N‘个功放前的输入数据以及对应的反馈数据,其中N‘=500,将这500组功放前的输入数据以及反馈数据作为N‘=500时的第一组数据;相同的,从第二组数据长度为N=4000的功放前的输入数据以及反馈数据中随机选取连续的N‘个功放前的输入数据以及反馈数据,其中N‘=500,将这500组功放前的输入数据以及反馈数据作为N‘=500时的第二组数据。
最后获取采用本发明实施例提供的分段融合法的两组数据,具体为:将采集的两组N=4000的功放前的输入数据和反馈数据进行本发明实施例中提供的分段融合处理,其中,第一组N=4000的功放前的输入数据和反馈数据进行分段融合处理后得到分段融合后的第一组数据,其中,M=500,T=0.707,第二组N=4000的功放前的输入数据和反馈数据进行分段融合处理后得到分段融合后的第二组数据,其中M=500,T=0.707。
采用N=4000的两组数据去估计DPD系数,并用该DPD系数对60MHz3载波的LTE基带信源做DPD处理,将处理后的数据送至功放,用这两组数据估计出的DPD系数做DPD处理,将处理后的结果作为衡量其他四组数据的标准,可以从表1看出,数据长度N为4000时的两组数据的DPD处理结果都达到了-50dBc以上的标准。用N‘=500的两组数据估计DPD系数,以及用分段融合法的两组数据估计DPD系数,并用上述DPD系数对60MHz3载波的LTE基带信源做DPD处理。
可以从表1看出,N‘=500时的两组数据的DPD处理后的结果相比于分段融合的两组数据的DPD处理后的结果,性能上要比采用分段融合的方法降低的更多,尤其从第二组数据的比较来看,N‘=500的第二组数据的DPD处理后的结果出现了大幅度下降的情况,这是因为采集的数据过少,其幅度分布不符合DPD系数估计的标准,有可能采集的这500个数据大于或者等于设定门限T=0.707的数据数目很少甚至为0,这样的一组数据进行DPD处理后的结果自然就很差。但是本发明实施例中的分段融合方法,因为通过计算出的峰值密度对第一系数矩阵和第一前向矩阵进行融合的机制,保留了数据的幅度分布信息,不存在幅度分布差异较大的问题,从而保证了DPD处理的性能。
基于同一发明构思,根据本发明上述实施例提供的估计DPD系数的方法,相应地,本发明另一实施例还提供了一种估计DPD系数的装置,该装置的结构示意图如图5所示,具体包括:数据处理单元500、矩阵分段单元510、计算单元520、矩阵融合单元530、系数生成单元540以及信号处理单元550。
数据处理单元500,用于采集功放前的输入数据和功放后的反馈数据,并对反馈数据进行预处理,以及根据预处理后的反馈数据计算第一系数矩阵,以及根据输入数据确定第一前向矩阵;
矩阵分段单元510,用于将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵,并统计第一前向矩阵中大于或等于设定门限值的元素个数,以及分别统计每一个子前向矩阵中大于或等于设定门限值的元素个数;
计算单元520,用于分别计算每一个子前向矩阵的峰值密度,其中,任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与第一前向矩阵中大于或等于设定门限值的元素个数的比值;
矩阵融合单元530,用于分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二系数矩阵;其中,采用任意一个峰值密度进行融合处理的子前向矩阵在第一前向矩阵中的位置,与采用任意一个峰值密度进行融合处理的子系数矩阵在第一系数矩阵中的位置相同;
系数生成单元540,用于根据第二系数矩阵计算自相关矩阵,并根据第二系数矩阵和第二前向矩阵计算协相关矩阵,以及通过自相关矩阵和协相关矩阵估计DPD系数。
数据处理单元500还用于根据预处理后的反馈数据计算第一系数矩阵,以及根据预处理后的输入数据确定第一前向矩阵之后,在将第一系数矩阵按照设定行数等分为子系数矩阵,以及将第一前向矩阵按照设定行数等分为子前向矩阵之前,对第一系数矩阵和第一前向矩阵进行归一化处理。
其中,设定门限值为0.707。
系数生成单元540具体用于:采用自相关矩阵的逆矩阵左乘协相关矩阵得到DPD系数。
进一步包括:信号处理单元550,用于通过自相关矩阵和协相关矩阵估计DPD系数之后,根据估计出的DPD系数生成查找表,根据生成的查找表对基带信号进行DPD处理。
综上所述,本发明实施例提供的方案,通过对系数矩阵和前向矩阵进行分段融合的处理,降低了系数矩阵的维数,并且保留了前向矩阵中的幅度分布信息,在计算自相关矩阵R_uu和协相关矩阵R_uz时的速度提升了R倍(即数据长度N/设定行数M),并保证了DPD处理性能,大大增强了DPD***的自适应性,从而在一定程度上解决现有技术中因DPD系数更新速度过慢进而造成的通信质量降低的问题。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种估计数字预失真DPD系数的方法,其特征在于,所述方法包括:
采集功放前的输入数据和功放后的反馈数据,并对所述反馈数据进行预处理,以及根据预处理后的反馈数据计算第一系数矩阵,以及根据输入数据确定第一前向矩阵;
将所述第一系数矩阵按照设定行数等分为子系数矩阵,以及将所述第一前向矩阵按照所述设定行数等分为子前向矩阵,并统计所述第一前向矩阵中大于或等于设定门限值的元素个数,以及分别统计每一个所述子前向矩阵中大于或等于所述设定门限值的元素个数;
分别计算每一个子前向矩阵的峰值密度,其中,任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与所述第一前向矩阵中大于或等于设定门限值的元素个数的比值;
分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二系数矩阵;其中,采用任意一个峰值密度进行融合处理的子前向矩阵在第一前向矩阵中的位置,与采用所述任意一个峰值密度进行融合处理的子系数矩阵在第一系数矩阵中的位置相同;
根据所述第二系数矩阵计算自相关矩阵,并根据所述第二系数矩阵和所述第二前向矩阵计算协相关矩阵,以及通过所述自相关矩阵和所述协相关矩阵估计DPD系数。
2.如权利要求1所述的方法,其特征在于,根据预处理后的反馈数据计算第一系数矩阵,以及根据预处理后的输入数据确定第一前向矩阵之后,在将所述第一系数矩阵按照设定行数等分为子系数矩阵,以及将所述第一前向矩阵按照所述设定行数等分为子前向矩阵之前,进一步包括:
对所述第一系数矩阵和所述第一前向矩阵进行归一化处理。
3.如权利要求1或2所述的方法,其特征在于,所述设定门限值为0.707。
4.如权利要求1所述的方法,其特征在于,通过所述自相关矩阵和所述协相关矩阵估计DPD系数,包括:
采用所述自相关矩阵的逆矩阵左乘所述协相关矩阵得到所述DPD系数。
5.如权利要求1所述的方法,其特征在于,通过所述自相关矩阵和所述协相关矩阵估计DPD系数之后,包括:
根据估计出的DPD系数生成查找表,根据生成的查找表对基带信号进行DPD处理。
6.一种估计数字预失真DPD系数的装置,其特征在于,所述装置包括:
数据处理单元,用于采集功放前的输入数据和功放后的反馈数据,并对所述反馈数据进行预处理,以及根据预处理后的反馈数据计算第一系数矩阵,以及根据输入数据确定第一前向矩阵;
矩阵分段单元,用于将所述第一系数矩阵按照设定行数等分为子系数矩阵,以及将所述第一前向矩阵按照所述设定行数等分为子前向矩阵,并统计所述第一前向矩阵中大于或等于设定门限值的元素个数,以及分别统计每一个所述子前向矩阵中大于或等于所述设定门限值的元素个数;
计算单元,用于分别计算每一个子前向矩阵的峰值密度,其中,任意一峰值密度为相应子前向矩阵中大于或等于设定门限值的元素个数与所述第一前向矩阵中大于或等于设定门限值的元素个数的比值;
矩阵融合单元,用于分别根据获得的每一个峰值密度对相应的子前向矩阵进行融合处理获得第二前向矩阵,以及对相应的子系数矩阵进行融合处理获得第二系数矩阵;其中,采用任意一个峰值密度进行融合处理的子前向矩阵在第一前向矩阵中的位置,与采用所述任意一个峰值密度进行融合处理的子系数矩阵在第一系数矩阵中的位置相同;
系数生成单元,用于根据所述第二系数矩阵计算自相关矩阵,并根据所述第二系数矩阵和所述第二前向矩阵计算协相关矩阵,以及通过所述自相关矩阵和所述协相关矩阵估计DPD系数。
7.如权利要求6所述的装置,其特征在于,所述数据处理单元还用于根据预处理后的反馈数据计算第一系数矩阵,以及根据预处理后的输入数据确定第一前向矩阵之后,在将所述第一系数矩阵按照设定行数等分为子系数矩阵,以及将所述第一前向矩阵按照所述设定行数等分为子前向矩阵之前,对所述第一系数矩阵和所述第一前向矩阵进行归一化处理。
8.如权利要求6或7所述的装置,其特征在于,所述设定门限值为0.707。
9.如权利要求6所述的装置,其特征在于,所述系数生成单元具体用于:采用所述自相关矩阵的逆矩阵左乘所述协相关矩阵得到所述DPD系数。
10.如权利要求6所述的装置,其特征在于,还包括:信号处理单元,用于通过所述自相关矩阵和所述协相关矩阵估计DPD系数之后,根据估计出的DPD系数生成查找表,根据生成的查找表对基带信号进行DPD处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310603937.3A CN103618684B (zh) | 2013-11-25 | 2013-11-25 | 一种估计dpd系数的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310603937.3A CN103618684B (zh) | 2013-11-25 | 2013-11-25 | 一种估计dpd系数的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103618684A true CN103618684A (zh) | 2014-03-05 |
CN103618684B CN103618684B (zh) | 2017-09-29 |
Family
ID=50169388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310603937.3A Active CN103618684B (zh) | 2013-11-25 | 2013-11-25 | 一种估计dpd系数的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103618684B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104869091A (zh) * | 2015-04-29 | 2015-08-26 | 大唐移动通信设备有限公司 | 一种数字预失真系数训练方法及*** |
CN107241070A (zh) * | 2016-03-29 | 2017-10-10 | 大唐移动通信设备有限公司 | 一种确定dpd系数的方法、fpga及dpd处理*** |
CN107592083A (zh) * | 2017-09-07 | 2018-01-16 | 东南大学 | 毫米波宽带功率放大器的数字预失真***及其方法 |
CN108011598A (zh) * | 2017-12-26 | 2018-05-08 | 中国工程物理研究院电子工程研究所 | 一种数字预失真自适应处理方法 |
WO2019071992A1 (zh) * | 2017-10-10 | 2019-04-18 | 京信通信***(中国)有限公司 | 一种数字预失真处理方法及装置 |
EP3968514A1 (en) * | 2020-09-15 | 2022-03-16 | Nokia Technologies Oy | Interference mitigation with multi-band digital pre-distortion |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110170630A1 (en) * | 2010-01-13 | 2011-07-14 | Cisco Technology, Inc. | Digital Predistortion Training System |
CN102739586A (zh) * | 2012-06-14 | 2012-10-17 | 京信通信***(中国)有限公司 | 一种调整预失真线性性能的方法、设备和*** |
CN102780665A (zh) * | 2012-07-25 | 2012-11-14 | 华南理工大学 | 一种数字预失真处理方法 |
CN102970261A (zh) * | 2012-10-31 | 2013-03-13 | 华南理工大学 | 一种提高数字预失真处理速度的方法 |
-
2013
- 2013-11-25 CN CN201310603937.3A patent/CN103618684B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110170630A1 (en) * | 2010-01-13 | 2011-07-14 | Cisco Technology, Inc. | Digital Predistortion Training System |
CN102739586A (zh) * | 2012-06-14 | 2012-10-17 | 京信通信***(中国)有限公司 | 一种调整预失真线性性能的方法、设备和*** |
CN102780665A (zh) * | 2012-07-25 | 2012-11-14 | 华南理工大学 | 一种数字预失真处理方法 |
CN102970261A (zh) * | 2012-10-31 | 2013-03-13 | 华南理工大学 | 一种提高数字预失真处理速度的方法 |
Non-Patent Citations (1)
Title |
---|
MAYADA YOUNES等: "An Accurate Complexity-Reduced "PLUME" Model for Behavioral Modeling and Digital Predistortion of RF Power Amplifiers", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》, vol. 58, no. 4, 30 April 2011 (2011-04-30), XP011350335, DOI: doi:10.1109/TIE.2010.2049717 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104869091A (zh) * | 2015-04-29 | 2015-08-26 | 大唐移动通信设备有限公司 | 一种数字预失真系数训练方法及*** |
CN107241070A (zh) * | 2016-03-29 | 2017-10-10 | 大唐移动通信设备有限公司 | 一种确定dpd系数的方法、fpga及dpd处理*** |
CN107241070B (zh) * | 2016-03-29 | 2020-07-10 | 大唐移动通信设备有限公司 | 一种确定dpd系数的方法、fpga及dpd处理*** |
CN107592083A (zh) * | 2017-09-07 | 2018-01-16 | 东南大学 | 毫米波宽带功率放大器的数字预失真***及其方法 |
CN107592083B (zh) * | 2017-09-07 | 2020-07-14 | 东南大学 | 毫米波宽带功率放大器的数字预失真***及其方法 |
WO2019071992A1 (zh) * | 2017-10-10 | 2019-04-18 | 京信通信***(中国)有限公司 | 一种数字预失真处理方法及装置 |
CN108011598A (zh) * | 2017-12-26 | 2018-05-08 | 中国工程物理研究院电子工程研究所 | 一种数字预失真自适应处理方法 |
CN108011598B (zh) * | 2017-12-26 | 2021-04-27 | 中国工程物理研究院电子工程研究所 | 一种数字预失真自适应处理方法 |
EP3968514A1 (en) * | 2020-09-15 | 2022-03-16 | Nokia Technologies Oy | Interference mitigation with multi-band digital pre-distortion |
US11595066B2 (en) | 2020-09-15 | 2023-02-28 | Nokia Technologies Oy | Interference mitigation with multi-band digital pre-distortion |
Also Published As
Publication number | Publication date |
---|---|
CN103618684B (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230370937A1 (en) | Method and system for baseband predistortion linearization in multi-channel wideband communication systems | |
CN104796091B (zh) | 基于分段记忆多项式的功率放大器建模及数字预失真方法 | |
CN103618684A (zh) | 一种估计dpd系数的方法及装置 | |
CN102893399B (zh) | 预失真校正方法、预失真校正装置、发射机及基站 | |
CN101527544B (zh) | 非线性***逆特性辨识装置及方法、功率放大器及其预失真器 | |
US20120119811A1 (en) | Configurable Basis-Function Generation for Nonlinear Modeling | |
CN102195912B (zh) | 数字预失真处理设备和方法 | |
CN102427336A (zh) | 一种实现自适应数字预失真线性化的射频功率放大*** | |
CN104796364B (zh) | 一种预失真参数求取方法及预失真处理*** | |
CN102723915B (zh) | 一种适合硬件实现的查询表数字预失真方法和装置 | |
CN107276546A (zh) | 一种数字预失真处理方法及装置 | |
CN100452644C (zh) | 实现记忆型功率放大器线性化的方法及其基带预失真装置 | |
CN101610093B (zh) | 预失真装置、预失真***和预失真方法 | |
CN107359864A (zh) | 频率捷变功率放大器的自适应捷变数字预失真方法 | |
CN102970261A (zh) | 一种提高数字预失真处理速度的方法 | |
CN110166007A (zh) | 基于超前项模型的宽带功率放大器数字预失真***及方法 | |
CN107241070B (zh) | 一种确定dpd系数的方法、fpga及dpd处理*** | |
CN108011598A (zh) | 一种数字预失真自适应处理方法 | |
CN106301235A (zh) | 一种通信信号数字预失真的方法、装置、芯片及电路 | |
CN103929136A (zh) | 宽带移动通信lte***发射机功率放大器预失真处理方法 | |
CN101505139B (zh) | 一种数字线性预畸变方法和*** | |
CN103888395B (zh) | 一种数字预失真方法和数字预失真器 | |
Mondal et al. | Genetic algorithm optimized memory polynomial digital pre-distorter for RF power amplifiers | |
CN110086438B (zh) | 一种针对无源多波束发射机的数字预失真***及方法 | |
CN106169985B (zh) | 基于改进模型的包络跟踪放大器数字预失真方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510663 No. 10 Shenzhou Road, Guangzhou Science City, Guangdong Province Patentee after: Jingxin Network System Co.,Ltd. Address before: 510663 No. 10 Shenzhou Road, Guangzhou Science City, Guangdong Province Patentee before: Comba Telecom System (China) Ltd. |
|
CP01 | Change in the name or title of a patent holder |