CN108574649A - 一种数字预失真系数的确定方法及装置 - Google Patents
一种数字预失真系数的确定方法及装置 Download PDFInfo
- Publication number
- CN108574649A CN108574649A CN201710134311.0A CN201710134311A CN108574649A CN 108574649 A CN108574649 A CN 108574649A CN 201710134311 A CN201710134311 A CN 201710134311A CN 108574649 A CN108574649 A CN 108574649A
- Authority
- CN
- China
- Prior art keywords
- indicate
- matrix
- covariance matrix
- regularization parameter
- indicates
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/38—Synchronous or start-stop systems, e.g. for Baudot code
- H04L25/40—Transmitting circuits; Receiving circuits
- H04L25/49—Transmitting circuits; Receiving circuits using code conversion at the transmitter; using predistortion; using insertion of idle bits for obtaining a desired frequency spectrum; using three or more amplitude levels ; Baseband coding techniques specific to data transmission systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Complex Calculations (AREA)
- Amplifiers (AREA)
Abstract
本申请公开了一种DPD系数的确定方法及装置,用以提高预失真系数计算结果的稳定性。本申请提供的一种数字预失真系数的确定方法,包括:利用预先设置的正则化参数对协方差矩阵进行处理;利用所述处理的处理结果,确定数字预失真系数。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种数字预失真系数的确定方法及装置。
背景技术
数字预失真器是通过训练序列和反馈数据模拟功放(PA,Power Amplify)模型的非线性逆变换,求取逆变换模型的预失真系数,对发送的业务信号先进行预失真变换,来抵消信号经过功放时的非线性畸变,保证功放输入输出数据之间的非线性,原理如图1所示所示。图中x(n)为输入信号,表示训练序列或业务序列;y0(n)表示功放输出信号;y(n)表示反馈序列;z(n)为预失真信号,也是功放的输入信号;G(z,y)表示通过z(n)和y(n)建立预失真模型求取系数的表达式;a表示求取的预失真系数向量;F(a,x)表示通过预失真系数向量a和输入信号建立的功放预失真模型表达式。
现有的数字预失真(Digital Pre-Distortion,DPD)算法,在预失真系数求取时,首先要根据训练序列或反馈数据构造一个多项式矩阵,矩阵维数的大小由算法建立的功放模型和模型配置决定,例如最简单的记忆多项式(MP,Memory Polynomial)模型,其数学表达式如下:
其中n、m是一种默认的序列数据索引值的表达方式,Q表示非线性阶数,M为记忆项深度,am,q表示DPD系数。
矩阵维数的大小就由非线性阶数、记忆深度等参数配置决定,越复杂的功放模型可能带来越大的多项式模型项数。定义K表示多项式模型的总项数,由式(1)可得:
式中g(Q,M)表示通过非线性阶数Q和记忆深度M计算多项式个数的函数表达式;round表示取整运算。
如果式(1)所示模型参数配置为:Q=7,M=5(0,1,2,..,5共6项),则该模型总项数K=24项。利用向量a表示整个多项式模型的预失真系数,则有:
a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T (3)
其中“T”表示转置运算。定义第k个系数对应的多项式为:
xk(n)=x(n-m)|x(n-m)|q-1 (4)
其中:
(m,q)=g-1(k) (5)
则式(1)可以转化为更简单的模型表达式:
y(n)=xk(n)a (6)
定义N为信号采样的数据长度,有:
则有:
y=Xa (9)
若要求取多项式系数向量a,式(9)的最小二乘(LS)解为:
a=(XHX)-1XHy (10)
定义则有:
a=R-1b (11)
上式中向量b表示向量y向各阶多项式构造矩阵X的投影向量,维数为K×1;R表示多项式构造矩阵X的协方差矩阵,是一个维数为K×K的非负定(Hermitian)矩阵。由图1的DPD功能的原理图可知,预失真系数的计算精度和数值稳定性对DPD性能和稳定性有决定性影响。
在工程中使用的包括多重等价路径(ECMP)模型在内的多项式模型都是基于Volterra模型的去冗余及项数权重筛选的结果,从数学模型的理论表达式上来看,多项式模型配置参数越大,构造模型也就越逼近完备的功放响应模型,对于功放非线性模型的估计愈准确,非线性特性的预失真校正效果应愈好。
然而实际的离线调试和产品开发应用中,使用的多项式模型配置参数一般都较小,究其原因:一是为了节省产品实现时占用的算法资源,模型配置越小,构造预失真显示查找表(Look-Up-Table,LUT)时使用的乘法器资源也就越小;二是从算法实现上看,实际产品的反馈通道往往会带有噪声误差,模型配置越完备,对噪声误差也就越敏感,求得的预失真系数值越不稳定,更容易偏离最优值。所以实际产品的性能测试中会发现,有时大模型配置性能反而差于小模型配置,或者在某个模型配置下出现性能变差的现象。通过测试验证出的“最优”配置,往往也是在满足稳定性前提下达到性能上限时的配置,并不是算法本身在理想硬件条件下能达到最优性能的配置,这些都是由于预失真系数的求值不稳定性造成的。
为了节省算法资源和保证算法的稳定性,实际产品中的DPD实现往往会限制参数的模型配置,但是随之而来的是DPD性能上限受到了限制,无法实现更优越的DPD性能指标。
综上所述,现有技术中的DPD算法在预失真系数求取过程中,多项式矩阵的奇异性经常导致求逆结果的数值存在不稳定性。
发明内容
本申请实施例提供了一种DPD系数的确定方法及装置,用以提高预失真系数计算结果的稳定性。
本申请实施例提供的一种数字预失真系数的确定方法,包括:
利用预先设置的正则化参数对协方差矩阵进行处理;
利用所述处理的处理结果,确定数字预失真系数。
本申请实施例提供的方法,利用预先设置的正则化参数对协方差矩阵进行处理,利用所述处理的处理结果,确定数字预失真系数,因此实现了一种正则化DPD系数计算方法,其实质是通过对矩阵的每一个对角元素加一个很小的扰动——正则化参数λ,使得秩亏的协方差矩阵R的求逆变成满秩的协方差矩阵(R+λI)的求逆,由于cond(R+λI)<cond(R),从而提高了DPD系数计算结果的数值稳定性。
可选地,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R-λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+Γ
其中,Γ=diag(λ1,λ2,…λK)表示正则化对角矩阵,λ1,λ2,…λK表示所述预先设置的正则化参数,K表示预先设置的多项式模型的总项数。
可选地,利用所述处理的处理结果,确定数字预失真系数,具体包括:将所述处理的处理结果求逆,然后乘以向量b,得到数字预失真系数的向量,其中,向量b为向量y向各阶多项式构造矩阵X的投影向量,维数为K×1,y=Xa,向量a表示所述多项式模型的预失真系数,并且a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T,Q表示非线性阶数和M表示记忆深度。
与上述方法相对应地,本申请实施例提供的一种数字预失真系数的确定装置,包括:
第一单元,用于利用预先设置的正则化参数对协方差矩阵进行处理;
第二单元,用于利用所述处理的处理结果,确定数字预失真系数。
可选地,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R-λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+Γ
其中,Γ=diag(λ1,λ2,…λK)表示正则化对角矩阵,λ1,λ2,…λK表示所述预先设置的正则化参数,K表示预先设置的多项式模型的总项数。
可选地,所述第二单元具体用于:
将所述处理的处理结果求逆,然后乘以向量b,得到数字预失真系数的向量,其中,向量b为向量y向各阶多项式构造矩阵X的投影向量,维数为K×1,y=Xa,向量a表示所述多项式模型的预失真系数,并且a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T,Q表示非线性阶数和M表示记忆深度。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为现有技术的DPD功能的原理示意图;
图2为本申请实施例提供的一种DPD系数的确定方法的流程示意图;
图3为本申请实施例提供的一种DPD系数的确定装置的结构示意图。
具体实施方式
本申请实施例提供了一种DPD系数的确定方法及装置,用以提高预失真系数计算结果的稳定性。
在阐述本申请实施例提供的技术方案之前,先详细说明预失真系数计算数值存在不稳定性的原因。预失真系数的向量a通过式(11)求得,根据矩阵分析理论,如果对多项式协方差矩阵R进行特征分解
其中“H”表示共轭转置运算;uk为协方差矩阵R的特征向量;U=[u1,u2,…,uK]为R的特征向量矩阵;Λ=diag(σ1,σ2,…,σK)为R的特征值矩阵,其中σ1≥σ2…≥σK表示协方差矩阵R的K个特征值,由式(11)可转写为如下形式:
DPD算法构造的多项式模型与实际功放响应模型存在的差异,反馈数据存在的误差噪声,可能会导致协方差矩阵R的秩亏性(奇异性),即σk<<σ1,r≤k≤K,小特征值σk过小,会导致式(13)中的系数项1/σk过大,对特征向量uk和数据向量b的误差十分敏感,较小误差扰动也会导致预失真系数向量a的计算结果波动过大,造成预失真性能的不稳定性。
对于上述分析中讨论的计算稳定性问题,矩阵分析理论定义了一个衡量指标:条件数。对式(10)的最小二乘结果,定义多项式构造矩阵X的条件数为
cond(X)=||X||2·||X-1||2 (14)
其中“||·||2”表示范数运算,条件数有时也用符号κ(X)表示。根据矩阵分析理论,当模型配置大到矩阵具有明显的奇异性时,矩阵X的条件数过大,使其成为一个“病态矩阵(ill-conditioned matrix)”,此时的对多项式系数数值计算极不稳定,数据中很小的误差(扰动)也会引起数值结果的急剧变化,反映在DPD算法校正上就是模型增大时,邻信道功率比(ACPR)性能不仅没有改善反而可能恶化,甚至跑飞。
针对该问题,本技术方案提出了一种可以提高数字预失真系数计算稳定性的方法,称为正则化(regularized)DPD方法。该方法借鉴了在其他信号或图像处理领域得到应用的正则化方法(regularized method),也被称为岭回归(ridge regression)方法或对角加载(diagonal loading)方法。
本申请实施例提供的技术方案的技术思路是在利用最小二乘方法求取系数向量a时,将代价函数变为正则化最小二乘代价函数:
其中λ≥0称为正则化参数(regularized parameter)。代价函数关于变元a的共轭梯度:
令上式等于0,可解得正则化DPD的预失真系数向量:
其中I表示维数为K×K的单位矩阵。对比式(17)和式(11),在预失真系数求取时,本申请实施例提供的技术方案使用(R+λI)-1代替原来的协方差矩阵直接求逆R-1。由式(13),式(17)可变形为:
由上式可以看到,本申请实施例提供的技术方案提出的正则化DPD系数计算方法,其实质是通过对矩阵的每一个对角元素加一个很小的扰动λ,使得秩亏的矩阵R的求逆变成满秩的矩阵(R+λI)的求逆,由于cond(R+λI)<cond(R),从而提高了DPD系数计算结果的数值稳定性。从另一个角度理解,正则化方法可等价于对在协方差矩阵R人为“注入”白噪声,降低了数据的信噪比,使得算法性能精度上限被降低,但是数值稳定性增强。
合适的加载量能够在尽量保持DPD性能指标的基础上,提高系数计算和DPD结果的稳定性。但是合适的加载量的确定需要大量实验的重复测试验证。如果想要从数学推导上获得其最优解,则需要更多理想的先验信息和复杂的算法运算,不适用于实际产品的开发应用。对于式(18)所示正则化方法做了初步的重复的测试验证,对比一较小模型配置条件下的原DPD迭代稳定后的预失真效果;更改较大模型配置后,迭代一次,原DPD效果,ACPR明显恶化;使用正则化DPD(正则化参数为10-7),预失真效果恢复到稳定状态。由测试结果可知,正则化DPD方法可以在保持算法性能指标的前提下,有效提高大模型配置条件下的DPD算法性能的稳定性。
本申请实施例中的技术方案提出的正则化DPD方法的基本原理和技术细节如上所述,除此之外,本申请实施例中的技术方案还提出了基于正则化DPD方案的变形方案。比如对于协方差矩阵R满秩的情形,存在误差或噪声时,可考虑对其增加一个很小的负扰动矩阵来降低噪声污染,提高系数的计算精度,其表达式如下:
具体地,将公式(18)中的正加载变为负加载,公式(19)中的减号体现了负扰动,公式(18)中的加号体现正加载。
再比如,可对矩阵不同特征值施加不同的加载量,公式(20)中加载的不再是一个统一值,而是K个特征值加载K个不同加载量,表达式如下:
其中,Γ=diag(λ1,λ2,…λK)是正则化对角矩阵,施加不同的加载量使得调节协方差矩阵(R+Γ)的自由度更大,有能力得到更精确稳定的DPD系数。然而如何确定多个加载值λ1,λ2,…λK是一个难题,需要更多先验信息和负责的理论推导,本申请实施例不再赘述。
由此可见,参见图2,本申请实施例提供的一种数字预失真系数的确定方法,包括:
S101、利用预先设置的正则化参数对协方差矩阵进行处理;
S102、利用所述处理的处理结果,确定数字预失真系数。
本申请实施例提供的方法,利用预先设置的正则化参数对协方差矩阵进行处理,利用所述处理的处理结果,确定数字预失真系数,因此实现了一种正则化DPD系数计算方法,其实质是通过对矩阵的每一个对角元素加一个很小的扰动——正则化参数λ,使得秩亏的协方差矩阵R的求逆变成满秩的协方差矩阵(R+λI)的求逆,由于cond(R+λI)<cond(R),从而提高了DPD系数计算结果的数值稳定性。
可选地,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R-λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+Γ
其中,Γ=diag(λ1,λ2,…λK)表示正则化对角矩阵,λ1,λ2,…λK表示所述预先设置的正则化参数,K表示预先设置的多项式模型的总项数。
可选地,利用所述处理的处理结果,确定数字预失真系数,具体包括:将所述处理的处理结果求逆,然后乘以向量b,得到数字预失真系数的向量,其中,向量b为向量y向各阶多项式构造矩阵X的投影向量,维数为K×1,y=Xa,向量a表示所述多项式模型的预失真系数,并且a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T,Q表示非线性阶数和M表示记忆深度。
与上述方法相对应地,参见图3,本申请实施例提供的一种数字预失真系数的确定装置,包括:
第一单元11,用于利用预先设置的正则化参数对协方差矩阵进行处理;
第二单元12,用于利用所述处理的处理结果,确定数字预失真系数。
可选地,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R-λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
可选地,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+Γ
其中,Γ=diag(λ1,λ2,…λK)表示正则化对角矩阵,λ1,λ2,…λK表示所述预先设置的正则化参数,K表示预先设置的多项式模型的总项数。
可选地,所述第二单元具体用于:
将所述处理的处理结果求逆,然后乘以向量b,得到数字预失真系数的向量,其中,向量b为向量y向各阶多项式构造矩阵X的投影向量,维数为K×1,y=Xa,向量a表示所述多项式模型的预失真系数,并且a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T,Q表示非线性阶数和M表示记忆深度。
需要说明的是,本申请实施例中所说的第一单元和第二单元,均可以由处理器等实体器件实现,可以由不同的处理器实现,也可以由同一处理器实现。
综上所述,本申请实施例使用正则化方法(regularized method),又称为岭回归(ridge regression)方法或对角加载(diagonal loading)方法,计算DPD系数,提高计算数值结果的稳定性。其中,为了提高DPD系数求取时的数值稳定性,使用式(17)所示的标准正则化DPD方法求取系数向量;进一步,为了提高DPD性能指标,抵抗误差和噪声影响,使用式(19)所示的负加载正则化方法求取预失真系数向量;进一步,为了提高DPD性能稳定性和指标,抵抗误差和噪声影响,使用式(20)所示的向量加载正则化方法求取预失真系数向量。
相比于现有技术,本申请实施例主要有以下几方面优点:首先,本申请实施例在不增加算法运算资源的条件下,可以提高产品中DPD性能的稳定性,而且留有正则化参数修改接口可以根据产品的实际测试情况灵活调整,方便达到最优和最稳定效果;其次,本申请实施例提高了产品中算法模块的可复用性:如果将来使用大模型配置的正则化DPD算法,在确定了算法实现模块以后,可以灵活复用于未来产品和现有产品;另外正则化DPD算法可适用更大模型配置,结合变形的负加载和向量加载的正则化DPD算法,为未来保证预失真性能稳定性的同时,进一步为提升算法性能指标提供了可能性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请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,本申请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和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种数字预失真系数的确定方法,其特征在于,该方法包括:
利用预先设置的正则化参数对协方差矩阵进行处理;
利用所述处理的处理结果,确定数字预失真系数。
2.根据权利要求1所述的方法,其特征在于,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
3.根据权利要求1所述的方法,其特征在于,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R-λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
4.根据权利要求1所述的方法,其特征在于,所述利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+Γ
其中,Γ=diag(λ1,λ2,…λK)表示正则化对角矩阵,λ1,λ2,…λK表示所述预先设置的正则化参数,K表示预先设置的多项式模型的总项数。
5.根据权利要求1~4任一所述的方法,其特征在于,利用所述处理的处理结果,确定数字预失真系数,具体包括:将所述处理的处理结果求逆,然后乘以向量b,得到数字预失真系数的向量,其中,向量b为向量y向各阶多项式构造矩阵X的投影向量,维数为K×1,y=Xa,向量a表示所述多项式模型的预失真系数,并且a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T,Q表示非线性阶数和M表示记忆深度。
6.一种数字预失真系数的确定装置,其特征在于,包括:
第一单元,用于利用预先设置的正则化参数对协方差矩阵进行处理;
第二单元,用于利用所述处理的处理结果,确定数字预失真系数。
7.根据权利要求6所述的装置,其特征在于,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
8.根据权利要求6所述的装置,其特征在于,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R-λI
其中,R表示所述协方差矩阵,λ表示所述预先设置的正则化参数,I表示维数为K×K的单位矩阵,K表示预先设置的多项式模型的总项数。
9.根据权利要求6所述的装置,其特征在于,所述第一单元利用预先设置的正则化参数对协方差矩阵采用如下方式进行处理:
R+Γ
其中,Γ=diag(λ1,λ2,…λK)表示正则化对角矩阵,λ1,λ2,…λK表示所述预先设置的正则化参数,K表示预先设置的多项式模型的总项数。
10.根据权利要求6~9任一所述的装置,其特征在于,所述第二单元具体用于:
将所述处理的处理结果求逆,然后乘以向量b,得到数字预失真系数的向量,其中,向量b为向量y向各阶多项式构造矩阵X的投影向量,维数为K×1,y=Xa,向量a表示所述多项式模型的预失真系数,并且a=[a0,1,a0,3,…,a0,Q,a1,1,a1,3,…,a1,Q,…,aM,1,aM,3,…,aM,Q]T,Q表示非线性阶数和M表示记忆深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710134311.0A CN108574649B (zh) | 2017-03-08 | 2017-03-08 | 一种数字预失真系数的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710134311.0A CN108574649B (zh) | 2017-03-08 | 2017-03-08 | 一种数字预失真系数的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108574649A true CN108574649A (zh) | 2018-09-25 |
CN108574649B CN108574649B (zh) | 2021-02-02 |
Family
ID=63576889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710134311.0A Active CN108574649B (zh) | 2017-03-08 | 2017-03-08 | 一种数字预失真系数的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108574649B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835297A (zh) * | 2020-07-16 | 2020-10-27 | 中国联合网络通信集团有限公司 | 数字预失真校正方法、装置及存储介质 |
CN115021689A (zh) * | 2022-08-09 | 2022-09-06 | 北京力通通信有限公司 | 数字预失真算法里增强运算稳定性的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1969459A (zh) * | 2004-03-01 | 2007-05-23 | 电力波技术公司 | 用于使得具有非线性增益特性和记忆效应的rf功率放大器线性化的数字预失真***和方法 |
WO2008064994A1 (en) * | 2006-11-29 | 2008-06-05 | Stmicroelectronics S.R.L. | Circuit for the generation of pulse-width modulation signals, particularly for a satellite reception system |
CN101902258A (zh) * | 2009-05-31 | 2010-12-01 | 大唐移动通信设备有限公司 | 一种数字预失真处理参数求取的方法及装置 |
CN102118334A (zh) * | 2010-11-29 | 2011-07-06 | 大唐移动通信设备有限公司 | 一种数字预失真处理方法及装置 |
CN103947106A (zh) * | 2011-11-17 | 2014-07-23 | 美国亚德诺半导体公司 | ***线性化 |
-
2017
- 2017-03-08 CN CN201710134311.0A patent/CN108574649B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1969459A (zh) * | 2004-03-01 | 2007-05-23 | 电力波技术公司 | 用于使得具有非线性增益特性和记忆效应的rf功率放大器线性化的数字预失真***和方法 |
WO2008064994A1 (en) * | 2006-11-29 | 2008-06-05 | Stmicroelectronics S.R.L. | Circuit for the generation of pulse-width modulation signals, particularly for a satellite reception system |
CN101902258A (zh) * | 2009-05-31 | 2010-12-01 | 大唐移动通信设备有限公司 | 一种数字预失真处理参数求取的方法及装置 |
CN102118334A (zh) * | 2010-11-29 | 2011-07-06 | 大唐移动通信设备有限公司 | 一种数字预失真处理方法及装置 |
CN103947106A (zh) * | 2011-11-17 | 2014-07-23 | 美国亚德诺半导体公司 | ***线性化 |
Non-Patent Citations (1)
Title |
---|
袁晓辉: ""记忆非线性功率放大器行为建模及其数字预失真"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835297A (zh) * | 2020-07-16 | 2020-10-27 | 中国联合网络通信集团有限公司 | 数字预失真校正方法、装置及存储介质 |
CN115021689A (zh) * | 2022-08-09 | 2022-09-06 | 北京力通通信有限公司 | 数字预失真算法里增强运算稳定性的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108574649B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11270190B2 (en) | Method and apparatus for generating target neural network structure, electronic device, and storage medium | |
Sjöberg et al. | Initializing Wiener–Hammerstein models based on partitioning of the best linear approximation | |
US9813223B2 (en) | Non-linear modeling of a physical system using direct optimization of look-up table values | |
US8713489B2 (en) | Simulation parameter correction technique | |
Ahmad | A comparative analysis of local meshless formulation for multi-asset option models | |
US11175641B2 (en) | Processing platform with holomorphic embedding functionality for power control and other applications | |
Kazemi et al. | Error estimate in fractional differential equations using multiquadratic radial basis functions | |
CN111478630A (zh) | 一种马达稳态单频失真补偿方法及装置 | |
CN105631556A (zh) | 一种非恒定的条件非线性最优参数扰动计算方法 | |
CN114298091A (zh) | Sf6气体流量计量值修正方法、装置、设备及存储介质 | |
CN108574649A (zh) | 一种数字预失真系数的确定方法及装置 | |
Śliwiński et al. | Non‐linear system modelling based on constrained Volterra series estimates | |
US10794966B2 (en) | Information processing device, closed magnetic circuit computing method, and closed magnetic circuit computing system | |
CN110429921A (zh) | 一种变步长lms自适应滤波方法及其存储介质 | |
US20080228292A1 (en) | System and method for pre-distorting a device input | |
Leinakse et al. | Exponential to ZIP and ZIP to exponential load model conversion: Methods and error | |
CN106068460B (zh) | 用于对被测设备进行测试的测试装置和方法 | |
CN115576208B (zh) | 自适应模糊控制方法、***、设备及介质 | |
JP2014054093A (ja) | 電力系統の縮約モデル作成装置、作成方法及び作成プログラム | |
US20200293725A1 (en) | Analog computing implementing arbitrary non-linear functions using Chebyshev-polynomial-interpolation schemes and methods of use | |
Zhu et al. | Resilient model approximation for Markov jump time-delay systems via reduced model with hierarchical Markov chains | |
CN111525965B (zh) | 发射机性能对比方法、装置及设备 | |
US20230281268A1 (en) | Calculation device, calculation program, recording medium, and calculation method | |
CN107370696A (zh) | 一种数字预失真处理方法及装置 | |
US20230281267A1 (en) | Calculation device, calculation program, recording medium, and calculation method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |