CN103685110A - 一种预失真处理的方法、***及预失真系数运算器 - Google Patents

Abstract

本发明公开了一种预失真处理的方法、***及预失真系数运算器，主要内容包括：为了简化基于LS算法计算预失真系数的运算复杂度，以及提高预失真系数的数值稳定性，可以利用计算预失真系数所使用的自相关矩阵的共轭对称特性和自相关矩阵中上三角（或下三角）区域中元素之间的关联关系，简化计算自相关矩阵的运算量，最终达到简化预失真系数的运算过程的目的，避免DPD的性能因巨大的运算量受到影响。

Description

一种预失真处理的方法、***及预失真系数运算器

技术领域

本发明涉及数字预失真技术领域，尤其涉及一种预失真处理的方法、***及预失真系数运算器。

背景技术

功率放大器作为通信***中的关键部件，影响着通信***的性能及覆盖范围。其中，非线性和记忆效应是功率放大器的固有特性，在一定程度上会引起已过滤的信号频谱的增长，进而会对相邻信道产生干扰，以及带内信号的失真，导致***的误码率提高。因此，需要对功率放大器进行线性化处理以提高其在无线通信过程中的功效。

实现对功率放大器的线性化处理的一种常用方式为数字预失真方法，具有精度高、适用带宽宽等优点。数字预失真方法的基本原理为：在功率放大器前侧设置一个与其特性（非线性）相反的模块，使得整个链路呈现线性放大功能。以图1所示的结构为例，在功率放大器（Power Amplifier，PA）前置一个具有预失真器（Digital Pre-Distortion，DPD），在具体实施过程中，预失真器根据上一次输出的预失真输出信号z(n)（即功放输入信号）和反馈信号y(n)（即功放输出信号）来估计模型参数，确定本次输出的预失真输出信号z(n)，以达到对基带信号进行非线性和记忆效应进行补偿的目的。

在上述过程中，所使用的功放模型可以是记忆多项式模型，如公式（1）所示：

$z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{a}_{\mathrm{kl}}x(n-1){\left|x(n-l)\right|}^{k-1}---\left(1\right)$

其中，z(n)为预失真输出信号，x(n)为基带输入信号，K为多项式阶数，L为记忆深度，所述记忆深度表示：为计算当前某一个预失真系数a_kl，需参考之前的L个已计算出的预失真系数，a_kl为预失真系数，1≤k≤K，0≤l≤L。

为了利用上述公式（1）来进行预失真处理需要估计出预失真系数a_kl，考虑到硬件实现的便利性，目前业界一般采用LS算法来估计预失真系数a_kl。以下结合图1简要说明利用LS算法估计预失真系数a_kl的过程。

结合图1和公式（1），可将采集到的z(n)与y(n)组成以下公式（2）：

Z＝Ua                           （2）

其中：Z＝[z(0),z(1),......z(N-1)]^T，

U＝[U₁₀,U₂₀,...,U_k0,U₁₁,...U_1l,...,U_KL]，称为系数矩阵，

U_kl＝[U_kl(0),U_kl(1),...,U_kl(N-1)]^T，

u_kl(n)＝_y(n-l)|_y(n-l)|^k-l，

a＝[a₁₀,a₂₀,...,a_K0,...U_1L,U_2L,...,U_KL]^T。

所述N为采集的信号数据个数（如采集4000个点）。

根据LS算法，上述公式（2）的最小二乘解如公式（3）所示：

a＝(U^HU)^-1U^HZ        （3）

定义R_uu＝U^HU为自相关矩阵，R_zu＝U^HZ为协相关矩阵，那么，预失真系数可以表示为公式（4）所示的形式：

a＝(R_uu)^-1R_uz        （4）

通过分析所述系数矩阵U可知，所述系数矩阵U为N行、K(L+1)列的矩阵，其中K(L+1)为预失真系数a的个数，如果定义S＝K(L+1)，则系数矩阵U的维数为N*S。

通过分析自相关矩阵R_uu＝U^HU可知，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相乘得到的，其计算过程需要经过N*S*S次的复数乘加运算，假设N＝4000，K＝7，L＝4，则自相关矩阵需要进行4900000次复数乘加运算才能得到，使得计算得到自相关矩阵R_uu的复杂度非常高，导致DPD的自适应性较弱，例如：当基带输入信号x(n)的功率发生较大变化或者信号形态（如频率、载波数）发生较大变化时，DPD中巨大的计算量导致DPD更新预失真系数的速度较慢，使得DPD的性能受到严重影响，甚至影响到通信业务（如语音通话业务）的正常执行。

在利用LS算法计算预失真系数a时，除了具有上述计算复杂度高的问题外，还可能导致预失真系数a的数值稳定性较差的问题，这是因为，当记忆深度L和多项式阶数K增大时，自相关矩阵R_uu的维数会增大得更快（因为自相关矩阵R_uu的维数为S*S），计算出的预失真系数a的稳定性将会变差，最终影响DPD的性能。

综上所述，目前计算预失真系数a的LS算法的计算量大，导致计算的复杂度高、计算出的预失真系数a数值稳定性较差，影响DPD的性能。

发明内容

本发明实施例提供一种预失真处理的方法、***及预失真系数运算器，用以解决现有技术中存在由于计算量大而导致的预失真系数的运算复杂度高，以及预失真系数稳定性差的问题。

本发明实施例采用以下技术方案：

一种预失真处理方法，所述方法包括：

采集预失真输出信号和反馈信号；

将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

利用采集的反馈信号计算出第一区域中的各元素，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素，并根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素，以及利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素；

通过计算出的自相关矩阵和协相关矩阵确定预失真系数，并利用确定的预失真系数进行预失真处理。

在本发明实施例中，为了简化基于LS算法计算预失真系数的运算复杂度，以及提高预失真系数的数值稳定性，可以利用计算预失真系数所使用的自相关矩阵的共轭对称特性和自相关矩阵中上三角（或下三角）区域中元素之间的关联关系，简化计算自相关矩阵的运算量，最终达到简化预失真系数的运算过程的目的，避免DPD的性能因巨大的运算量受到影响。

优选地，对采集的预失真输出信号和反馈信号进行归一化处理。

在本发明实施例中，通过归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度。

优选地，对采集的预失真输出信号和反馈信号进行归一化处理，具体包括：

确定采集的预失真输出信号的最大幅度值；

利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

在本发明实施例中，通过归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度，同时，确保了运算的精度。

优选地，利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

在本发明实施例中，采用功放模型核的方式可简化后续对系数矩阵的运算，进而简化自相关矩阵和协相关矩阵的运算过程。

优选地，针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

在本发明实施例中，通过取整运算，在保证功放模型核取值精度的情况下，提高运算速度。

优选地，利用采集的反馈信号计算出第一区域中的各元素，具体包括：

利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

在本发明实施例中，利用定点化处理后的功放模型核，可以减低运算复杂度。

优选地，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中各元素，具体包括：

当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；

当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

在本发明实施例中，通过已经计算出来的第一区域的各元素，计算第二区域的各元素，避免了过多的运算过程，减低了运算的复杂度。

一种预失真处理***，所述***包括：

预失真系数运算器，用于采集预失真输出信号和反馈信号，将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，利用采集的反馈信号计算出第一区域中的各元素，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素，并根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素，以及利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素，并通过计算出的自相关矩阵和协相关矩阵确定预失真系数；其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

预失真处理器，用于利用确定的预失真系数进行预失真处理。

在本发明实施例中，为了简化基于LS算法计算预失真系数的运算复杂度，以及提高预失真系数的数值稳定性，可以利用计算预失真系数所使用的自相关矩阵的共轭对称特性和自相关矩阵中上三角（或下三角）区域中元素之间的关联关系，简化计算自相关矩阵的运算量，最终达到简化预失真系数的运算过程的目的，避免DPD的性能因巨大的运算量受到影响。

优选地，所述预失真系数运算器，还用于对采集的预失真输出信号和反馈信号进行归一化处理。

在本发明实施例中，通过归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度。

优选地，所述预失真系数运算器，具体用于确定采集的预失真输出信号的最大幅度值，利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

在本发明实施例中，通过归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度，同时，确保了运算的精度。

优选地，所述预失真系数运算器，还用于利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

在本发明实施例中，采用功放模型核的方式可简化后续对系数矩阵的运算，进而简化自相关矩阵和协相关矩阵的运算过程。

优选地，所述预失真系数运算器，还用于针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

在本发明实施例中，通过取整运算，在保证功放模型核取值精度的情况下，提高运算速度。

优选地，所述预失真系数运算器，具体用于利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

在本发明实施例中，利用定点化处理后的功放模型核，可以减低运算复杂度。

优选地，所述预失真系数运算器，具体用于当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；以及，当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

在本发明实施例中，通过已经计算出来的第一区域的各元素，计算第二区域的各元素，避免了过多的运算过程，减低了运算的复杂度。

一种预失真系数运算器，所述预失真系数运算器包括：

信号采集单元，用于采集预失真输出信号和反馈信号；

区域划分单元，用于将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

第一计算单元，用于利用采集的反馈信号计算出第一区域中的各元素；

第二计算单元，用于根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素；

第三计算单元，用于根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素；

第四计算单元，用于利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素；

确定单元，用于通过计算出的自相关矩阵和协相关矩阵确定预失真系数。

在本发明实施例中，为了简化基于LS算法计算预失真系数的运算复杂度，以及提高预失真系数的数值稳定性，可以利用计算预失真系数所使用的自相关矩阵的共轭对称特性和自相关矩阵中上三角（或下三角）区域中元素之间的关联关系，简化计算自相关矩阵的运算量，最终达到简化预失真系数的运算过程的目的，避免DPD的性能因巨大的运算量受到影响。

优选地，归一化处理单元，用于对采集的预失真输出信号和反馈信号进行归一化处理。

在本发明实施例中，通过归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度。

优选地，所述归一化处理单元，具体用于确定采集的预失真输出信号的最大幅度值，利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

在本发明实施例中，通过归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度，同时，确保了运算的精度。

优选地，模型核生成单元，用于利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

在本发明实施例中，采用功放模型核的方式可简化后续对系数矩阵的运算，进而简化自相关矩阵和协相关矩阵的运算过程。

优选地，定点化处理单元，用于针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

在本发明实施例中，通过取整运算，在保证功放模型核取值精度的情况下，提高运算速度。

优选地，所述第一计算单元，具体用于利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

在本发明实施例中，利用定点化处理后的功放模型核，可以减低运算复杂度。

优选地，所述第二计算单元，具体用于当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；以及，当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

在本发明实施例中，通过已经计算出来的第一区域的各元素，计算第二区域的各元素，避免了过多的运算过程，减低了运算的复杂度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中DPD***的结构示意图；

图2为本发明实施例一中的预失真处理方法的步骤流程图；

图3为本发明实施例一中一种自相关矩阵的分块图；

图4为本发明实施例一中另一种自相关矩阵的分块图；

图5为本发明实施例二中DPD***的结构示意图；

图6为本发明实施例三中预失真系数运算器的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中，为了简化基于LS算法计算预失真系数的运算复杂度，以及提高预失真系数的数值稳定性，可以利用计算预失真系数所使用的自相关矩阵的共轭对称特性和自相关矩阵中上三角（或下三角）区域中元素之间的关联关系，简化计算自相关矩阵的运算量，最终达到简化预失真系数的运算过程的目的，避免DPD的性能因巨大的运算量受到影响。

下面结合具体实施例对本发明进行详细描述，但本发明并不局限于以下实施例。

实施例一：

如图2所示，为本发明实施例一中预失真处理方法的步骤流程图，具体包括以下步骤：

步骤101：采集预失真输出信号z(n)和反馈信号y(n)。

在本步骤101中，可利用现场可编程门阵列（Field－Programmable GateArray，FPGA）采集一定数量（如2000～8000个）的预失真输出信号和反馈信号。

步骤102：对采集的预失真输出信号和反馈信号进行归一化处理。

在本步骤102中，对预失真输出信号z(n)和反馈信号y(n)做归一化处理，归一化处理后的预失真输出信号和反馈信号的幅度值的取值范围在（0，1]，通过对预失真输出信号和反馈信号的归一化处理，以减低后续使用预失真输出信号和反馈信号的复杂度。

优选地，本步骤102可以采用以下方式对预失真输出信号z(n)和反馈信号y(n)进行归一化处理：

首先，确定采集的预失真输出信号的最大幅度值。

所述最大幅度值是对预失真输出信号中每个信号进行幅度值计算后，确定出的最大幅度值。

然后，利用确定的所述最大幅度值对各预失真输出信号z(n)和各反馈信号y(n)进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号，具体地，归一化处理后的预失真输出信号和反馈信号与采集的预失真输出信号z(n)和各反馈信号y(n)之间的关系如公式（5）所示。

归一化处理后

后续步骤所使用的预失真输出信号和反馈信号可以是归一化处理后的预失真输出信号和反馈信号，但仍沿用z(n)和y(n)来表示。

需要说明的是，对预失真输出信号和反馈信号的归一化处理都是根据预失真输出信号的最大幅度值来执行的，这是因为：在LS算法中，Z＝Ua（具体参数含义参见公式（2）），公式（2）中的Z＝[z(0),z(1),......z(N-1)]^T是预失真输出信号所构成的矩阵，如果对其做归一化处理，需根据预失真输出信号z(n)的最大幅度值来执行；为了确保公式（2）成立的精度，用以计算U和a的预失真输出信号和反馈信号也需根据预失真输出信号的最大幅度值来做归一化处理。

优选地，在执行本步骤102的归一化处理之前，可以先对反馈信号y(n)进行预处理，包括：对反馈信号y(n)执行数字下变频、延时对齐、增益补偿和相位补偿等处理。

步骤103：利用归一化处理后的反馈信号生成功放模型核。

其中，所选取的功放模型可以是记忆多项式模型（对应于公式（1）），也可以是无记忆多项式模型。然而，本发明实施例中，是基于记忆多项式模型的LS算法，因此，选取记忆多项式模型核作为功放模型核。

具体地，所述功放模型核为LS算法中系数矩阵U中的元素，采用功放模型核的方式可简化后续对系数矩阵U的运算，进而简化自相关矩阵和协相关矩阵的运算过程。进一步地，由于反馈信号已做归一化处理，因此，生成的功放模型核的取值结果也在（0，1]。

假设：LS算法中的系数矩阵U＝[U₁₀,U₂₀,...,U_k0,U₁₁,...U_1l,...,U_KL]，U_kl＝[U_kl(0),U_kl(1),...,U_kl(N-1)]^T，u_kl(n)＝y(n-l)|y(n-l)|^k-l，则可设定功放模型核为：u_kl(n)＝y(n-l)|y(n-l)|^k-l，同时，为了避免重复计算，可将u_kl(n)替换为u_k0(n-l)，即：

u_k0(n-l)＝y(n-l)|y(n-l)|^k-l        （6）

其中，1≤k≤K，0≤l≤L，y(n-l)为采集的第n-l个归一化处理后的反馈信号。

步骤104：针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

由于功放模型核的取值结果也在（0，1]，而运算器（如DSP）的浮点乘法运算时间一般是定点乘法运算时间的3-4倍，为了提高运算速度，需对功放模型核做定点化处理。具体地，可以将针对每个反馈信号计算出功放模型核的值，对每个功放模型核的值扩大整数倍后取整（高阶去噪），使得定点化处理后的功放模型核的取值结果为正整数。同时，可以利用高阶去噪的方式减小自相关矩阵的条件数，进而增强后续计算出的系数的数值稳定性。

对功放模型核的值扩大的倍数不宜过大，以免使得定点化处理后的功放模型核的取值结果数值过大，增大运算难度；但也不宜过小，否则会影响功放模型核取值精度。考虑到DSP运算器具有16位2进制的运算接口，因此，本步骤中可对功放模型核的值扩大215倍，对功放模型核进行定点化处理可参见公式（7）所示：

u_k0(n-l)＝int16(u_k0(n-l)*2¹⁵)           （7）

其中，int16表示16位取整运算。

步骤105：将待计算的自相关矩阵划分为第一区域、第二区域和第三区域。

由于自相关矩阵的计算公式为R_uu＝U^HU，因此，所述自相关矩阵为共轭对称矩阵。则根据自相关矩阵具有共轭对称的特点，可以将其划分为上三角区域和下三角区域两个部分，如图3所示，上三角区域中的元素与下三角区域中的元素具有共轭对称关系。

上三角区域可进一步划分为两个部分：第一区域（图3中的区域①）和第二区域（图3中的区域②），下三角部分可称之为第三区域（图3中的区域③）。

所述第一区域中包含连续的M（M为正整数）行，且有一行中包含K*(L+1)列，其中，K≤M＜M*(L+1)，所述K为多项式阶数，所述L为记忆深度。

图3以上三角区域划分为第一区域和第二区域为例来描述的，本发明实施例也不限于按照图4所示的划分方式，将上三角区域划分为第三区域，将下三角区域划分出第一区域和第二区域。

步骤106：利用采集的反馈信号计算出第一区域中的各元素。

在本发明实施例中，可以利用步骤104得到的定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

具体地，自相关矩阵R_uu＝U^HU，而功放模型核是系数矩阵的元素，因此，以图3所示的第一区域位置，且假设第一区域中M＝K，其第一区域中包含连续K行，可得到自相关矩阵中第一区域内各元素的计算公式（8）：

$R\_\mathrm{uu}(\mathrm{row},\mathrm{col})=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{u_{k0}}^{*}(n-l)u_{p0}(n-q)---\left(8\right)$

其中，1≤row≤K，row≤col≤S，1≤k≤K，1≤p≤K，0≤l≤L，0≤q≤L。

步骤107：根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素。

以第一区域和第二区域组成上三角区域的情况为例（即图3所示的情况），上三角区域中的第x1-K行和第y1-K列中的元素与第x1行第y1列的元素之间具有关联关系，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)。

假设：K＝7，L＝4，则自相关矩阵为35×35的矩阵，第一区域包括上三角中前7行，第二区域为上三角中后28行。当通过步骤106计算出第一区域中各元素后，可按照上述关联关系，继续计算第二区域中的元素。例如，在计算第8行第9列的元素时，可根据第1行第2列的元素来计算，以此类推，可利用第一区域中已计算出的元素来计算第二区域中前7行的元素；再例如，在计算第15行第16列的元素时，可根据第8行第9列的元素来计算，以此类推，可利用已计算出的第二区域中前7行的元素来计算第二区域中第2个连续7行的元素；类似的，利用已计算出的第二区域中第2个连续7行的元素来计算第3个连续7行的元素，直至计算出第二区域中的所有元素。

以第一区域和第二区域组成下三角区域的情况为例（即图4所示的情况），下三角区域中的第x2+K行和第y2+K列中的元素与第x2行第y2列的元素之间具有关联关系，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2，其关联关系与上三角的关系类似，此处不再赘述。

具体地，以图3所示的上三角划分出第一区域和第二区域的情况为例，第x1-K行和第y1-K列中的元素与第x1行第y1列的元素之间具有关联关系如公式（9）所示：

R_uu(x1,y1)＝R_uu(x1-K,y1-K)+                        （9）

u_k0 ^*(-1-l)u_p0(-1-q)-u_k0 ^*(N-1-l)u_p0(N-1-q)

需要说明的是，如果不按照分区域计算，那么自相关矩阵R_uu＝U^HU的所有元素都可以由以下公式（10）计算得到，即：

$R\_\mathrm{uu}(\mathrm{row},\mathrm{col})=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{u_{\mathrm{kl}}}^{*}\left(n\right)u_{\mathrm{pl}}\left(n\right)---\left(10\right)$

其中，1≤row≤S，1≤col≤S，1≤k≤K，1≤p≤K，0≤l≤L，0≤q≤L。显然，利用公式（10）依次得到所有元素的计算量是非常巨大的，需要经过很多次的重复计算。然而，根据选择的功放模型核（公式（6）所示），可以得出一个推导结论：

u_pl(n)＝u_p0(n-l)                       （11）

可见，u_pl(n)不用的重新计算，可以直接由计算出的u_p0(n-l)得到。因此，可以结合公式（11）以及公式（10），得到上述公式（8）。

以下利用公式（8）从数学原理进行推导，令l₁＝l+1，q₁＝q+1，则公式（8）可以表示为：

$\begin{array}{c}R\_\mathrm{uu}(\mathrm{row},\mathrm{col})=R\_\mathrm{uu}(K\×l_1+k,K\×q_1+p)\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{u_{k0}}^{*}(n-(l+1))u_{p0}(n-(q+1))\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{u_{k0}}^{*}((n-1)-l)u_{p0}((n-1)-q)\\ \stackrel{n=n-1}{===}\underset{n=-1}{\overset{N-2}{\mathrm{\Σ}}}{u_{k0}}^{*}(n-1)u_{p0}(n-q)\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{u_{k0}}^{*}(n-1)u_{p0}(n-q)\\ +{u_{k0}}^{*}(-1-l)u_{p0}(-1-q)-{u_{k0}}^{*}(N-1-l)u_{p0}(N-1-q)\\ =R\_\mathrm{uu}(K\×l+k,K\×q+p)\\ +{u_{k0}}^{*}(-1-l)u_{p0}(-1-q)-{u_{k0}}^{*}(N-1-l)u_{p0}(N-1-q)\end{array}---\left(12\right)$

最后，令K×l₁+k＝x₁，K×q₁+p＝y₁，结合l₁＝l+1和q₁＝q+1，则公式（12）可以变换为上述公式（9）

R_uu(x1,y1)＝R_uu(x1-K,y1-K)+                   （9）

u_k0 ^*(-1-l)u_p0(-1-q)-u_k0 ^*(N-1-l)u_p0(N-1-q)

可见，在上述的过程中，自相关矩阵的第x1-K行第y1-K列的元素的值越大，那么该自相关矩阵的第x1行第y1列的元素的值就越大，第一区域中的元素和第二区域中的元素之间存在的关联关系，是由计算之初所选择的功放模型核有关的，对应于不同的功放模型核，会对应于不同的关联关系。因此，本发明并不局限于采用其它功放模型核所做的推导过程，其原理是类似的，只要得到第一区域中的元素和第二区域中的元素的关联关系即可。

步骤108：根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素。

具体地，将第一区域与第二区域中的元素组合在一起，形成自相关矩阵上三角区域（或下三角区域）的元素，并根据共轭对称关系，计算出下三角区域（或上三角区域）的各元素，即第三区域中的各元素，此时，完成了对自相关矩阵的计算过程。

步骤109：利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素。

协相关矩阵可利用步骤104得到的定点化处理后的功放模型核，通过公式（10）：协相关矩阵R_zu＝U^HZ，可以得到公式（11）

$R\_\mathrm{uz}\left(\mathrm{row}\right)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{u_{k0}}^{*}(n-1)z\left(n\right)---\left(11\right)$

其中，row＝K×l+k，1≤k≤K，0≤l≤L。

步骤110：通过计算出的自相关矩阵和协相关矩阵确定预失真系数，并利用确定的预失真系数进行预失真处理。

在本步骤110中，将得到的自相关矩阵和协相关矩阵代入预失真系数公式（3）a＝(U^HU)^-1U^HZ，计算出预失真系数。

在本发明实施例中，为了简化基于LS算法计算预失真系数的运算复杂度，以及提高预失真系数的数值稳定性，可以利用计算预失真系数所使用的自相关矩阵的共轭对称特性和自相关矩阵中上三角（或下三角）区域中元素之间的关联关系，简化计算自相关矩阵的运算量，以及利用归一化处理和取整运算，最终达到简化预失真系数的运算过程的目的，避免DPD的性能因巨大的运算量受到影响。

实施例二：

本发明实施例一的方法可应用在图5所示的预失真处理***，图5中的DSP可以为能够通过本发明实施例一的方法计算出预失真系数的预失真系数运算器，DSP计算出预失真系数后，发送给预失真处理器（即图5中的DPD），由DPD利用确定的预失真系数进行预失真处理，具体地，可根据公式（1） $z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{a}_{\mathrm{kl}}x(n-l){\left|x(n-l)\right|}^{k-l}$ 的计算结果进行预失真处理。

若DPD的功能由FPGA来实现，考虑到FPGA的运算能力较差，因此，DSP在计算出预失真系数后，可针对l的每个取值生成一张表，每张表在对应的l的取值情况下，根据***设定的输入基带信号x(n)的变化范围，例如[0，8192]，计算出|x(n-l)|^k-l的所有取值后，将a_kl|x(n-l)|^k-l的所有取值存储在该表中，DSP将生成的所有表发送给DPD。DPD在根据公式（1） $z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{a}_{\mathrm{kl}}x(n-l){\left|x(n-l)\right|}^{k-l}$ 的计算结果进行预失真处理时，可直接查找接收到的表中的内容确定a_kl|x(n-l)|^k-l的值，减少了DPD的运算量。

优选地，由于DSP实时采集预失真输出信号和反馈信号，因此，DSP实时更新计算出的预失真系数，进而可实时更新发送给DPD的表中的取值，使得DPD的预失真处理效果始终保持在较好的状态。

具体地，预失真系数运算器，用于采集预失真输出信号和反馈信号，将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，利用采集的反馈信号计算出第一区域中的各元素，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素，并根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素，以及利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素，并通过计算出的自相关矩阵和协相关矩阵确定预失真系数；其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

预失真处理器，用于利用确定的预失真系数进行预失真处理。

优选地，所述预失真系数运算器，还用于对采集的预失真输出信号和反馈信号进行归一化处理，具体体现为：确定采集的预失真输出信号的最大幅度值，利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

优选地，所述预失真系数运算器，还用于利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

优选地，所述预失真系数运算器，还用于针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

优选地，所述预失真系数运算器，具体用于利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

优选地，所述预失真系数运算器，所述预失真系数运算器，具体用于当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；以及，当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

实施例三：

本发明实施例三还提供了一种与实施例一属于同一发明构思下的预失真系数运算器，如图6所示，为为本发明实施例三中预失真系数运算器的功能结构示意图，主要包括：

信号采集单元201，用于采集预失真输出信号和反馈信号。

区域划分单元202，用于将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度。

第一计算单元203，用于利用信号采集单元201采集的反馈信号计算出第一区域中的各元素。

第二计算单元204，用于根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素。

第三计算单元205，用于根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素。

第四计算单元206，用于利用信号采集采集单元201采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素。

确定单元207，用于通过计算出的自相关矩阵和协相关矩阵确定预失真系数。

优选地，所述预失真系数运算器还包括：

归一化处理单元，用于对采集的预失真输出信号和反馈信号进行归一化处理。其中，所述归一化处理单元，具体用于确定采集的预失真输出信号的最大幅度值，利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

模型核生成单元，用于利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

定点化处理单元，用于针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

优选地，所述第一计算单元，具体用于利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

所述第二计算单元，具体用于当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；以及，当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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 (21)

1.一种预失真处理方法，其特征在于，所述方法包括：

采集预失真输出信号和反馈信号；

将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

利用采集的反馈信号计算出第一区域中的各元素，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素，并根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素，以及利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素；

通过计算出的自相关矩阵和协相关矩阵确定预失真系数，并利用确定的预失真系数进行预失真处理。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

对采集的预失真输出信号和反馈信号进行归一化处理。

3.如权利要求2所述的方法，其特征在于，对采集的预失真输出信号和反馈信号进行归一化处理，具体包括：

确定采集的预失真输出信号的最大幅度值；

利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

6.如权利要求5所述的方法，其特征在于，利用采集的反馈信号计算出第一区域中的各元素，具体包括：

利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

7.如权利要求6所述的方法，其特征在于，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中各元素，具体包括：

当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；

当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

8.一种预失真处理***，其特征在于，所述***包括：

预失真系数运算器，用于采集预失真输出信号和反馈信号，将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，利用采集的反馈信号计算出第一区域中的各元素，根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素，并根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素，以及利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素，并通过计算出的自相关矩阵和协相关矩阵确定预失真系数；其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

预失真处理器，用于利用确定的预失真系数进行预失真处理。

9.如权利要求8所述的***，其特征在于，

所述预失真系数运算器，还用于对采集的预失真输出信号和反馈信号进行归一化处理。

10.如权利要求9所述的***，其特征在于，

所述预失真系数运算器，具体用于确定采集的预失真输出信号的最大幅度值，利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

11.如权利要求10所述的***，其特征在于，

所述预失真系数运算器，还用于利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

12.如权利要求11所述的***，其特征在于，

所述预失真系数运算器，还用于针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

13.如权利要求12所述的***，其特征在于，

所述预失真系数运算器，具体用于利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

14.如权利要求13所述的***，其特征在于，

所述预失真系数运算器，具体用于当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；以及，当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

15.一种预失真系数运算器，其特征在于，所述预失真系数运算器包括：

信号采集单元，用于采集预失真输出信号和反馈信号；

区域划分单元，用于将待计算的自相关矩阵划分为第一区域、第二区域和第三区域，其中，第一区域与第二区域中的元素与第三区域中的元素具有共轭对称关系，所述第一区域中包含连续的M行且有一行中包含K*(L+1)列，其中，K≤M≤K*(L+1)，所述K为多项式阶数，所述L为记忆深度；

第一计算单元，用于利用采集的反馈信号计算出第一区域中的各元素；

第二计算单元，用于根据第一区域中各元素与第二区域中各元素的关系，计算出第二区域中的各元素；

第三计算单元，用于根据第一区域与第二区域中的元素与第三区域中的元素之间的共轭对称关系，计算出第三区域中的各元素；

第四计算单元，用于利用采集的预失真输出信号和反馈信号计算出协相关矩阵中的各元素；

确定单元，用于通过计算出的自相关矩阵和协相关矩阵确定预失真系数。

16.如权利要求15所述的预失真系数运算器，其特征在于，还包括：

归一化处理单元，用于对采集的预失真输出信号和反馈信号进行归一化处理。

17.如权利要求16所述的预失真系数运算器，其特征在于，

所述归一化处理单元，具体用于确定采集的预失真输出信号的最大幅度值，利用确定的所述最大幅度值对采集的各预失真输出信号和各反馈信号进行归一化处理，得到归一化处理后的预失真输出信号和反馈信号。

18.如权利要求17所述的预失真系数运算器，其特征在于，还包括：

模型核生成单元，用于利用归一化处理后的反馈信号生成功放模型核，所述功放模型核为LS算法中系数矩阵中的元素。

19.如权利要求18所述的预失真系数运算器，其特征在于，还包括：

定点化处理单元，用于针对采集的每个反馈信号，计算每个对应的功放模型核的值，将计算出的功放模型核的值扩大整数倍后取整，得到定点化处理后的功放模型核。

20.如权利要求19所述的预失真系数运算器，其特征在于，

所述第一计算单元，具体用于利用定点化处理后的功放模型核，通过LS算法计算出第一区域中的各元素。

21.如权利要求20所述的预失真系数运算器，其特征在于，

所述第二计算单元，具体用于当第一区域和第二区域组成所述自相关矩阵中的上三角区域时，利用第x1-K行和第y1-K列中的元素来计算出第二区域中第x1行第y1列的元素，其中，M＜x1≤K*(L+1)，x1≤y1≤K*(L+1)；以及，当第一区域和第二区域组成所述自相关矩阵中的下三角区域时，利用第x2+K行和第y2+K列中的元素来计算出第二区域中第x2行第y2列的元素，其中，1≤x2＜[K*(L+1)-M]，1≤y2≤x2。

Images