CN112350968B - 一种基于nvnlms的数字预失真方法 - Google Patents
一种基于nvnlms的数字预失真方法 Download PDFInfo
- Publication number
- CN112350968B CN112350968B CN202011178524.1A CN202011178524A CN112350968B CN 112350968 B CN112350968 B CN 112350968B CN 202011178524 A CN202011178524 A CN 202011178524A CN 112350968 B CN112350968 B CN 112350968B
- Authority
- CN
- China
- Prior art keywords
- nvnlms
- signal
- algorithm
- predistorter
- digital predistortion
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 239000013598 vector Substances 0.000 claims abstract description 29
- 230000003111 delayed effect Effects 0.000 claims abstract description 8
- 230000001131 transforming effect Effects 0.000 claims abstract description 3
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000006384 traumatic process Effects 0.000 description 1
Images
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
- H03—ELECTRONIC CIRCUITRY
- H03F—AMPLIFIERS
- H03F1/00—Details of amplifiers with only discharge tubes, only semiconductor devices or only unspecified devices as amplifying elements
- H03F1/32—Modifications of amplifiers to reduce non-linear distortion
- H03F1/3241—Modifications of amplifiers to reduce non-linear distortion using predistortion circuits
- H03F1/3247—Modifications of amplifiers to reduce non-linear distortion using predistortion circuits using feedback acting on predistortion circuits
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Nonlinear Science (AREA)
- Power Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Amplifiers (AREA)
Abstract
本发明公开了一种基于NVNLMS的数字预失真方法,包括:将信号x(n)输入到预失真器中并利用NVNLMS算法进行迭代运算,基于功率放大器放大迭代运算后的信号得到信号y(n);基于所述信号y(n)进行变换,得到y′(n);比较所述y′(n)及经延迟后的信号x′(n),判断所述向量wn是否为迭代后数据的最优权向量;若否,则将迭代后数据放入NVNLMS算法中继续迭代产生多项式模型放入预失真器中;若是,则输出迭代后的数据e(n)和y(n)最优权向量w1,…,wn,实现数字预失真。本发明提高了功放逆模型辨识精度、收敛速度和预失真器的抗噪性能,降低了***在最优解处的不稳定性,且基于NVNLMS算法的预失真***抗噪性能好、收敛速度快和***稳定性强。
Description
技术领域
本发明涉及信号处理中数字预失真的技术领域,尤其涉及一种基于NVNLMS的数字预失真方法。
背景技术
业界许多学者对数字预失真***大量的研究提出了很多高效的预失真模型,如wiener模型、GMP、DVP等等经过优化后的模型,并有一些模型通过实际应用检验,取得良好效果,但在预失真器参数提取方面的研究相对较少,选择良好的算法是取得预失真效果关键,自适应算法研究中,步长对算法性能有重要影响,变步长方面研究起步较早,Mikhel提出了一种根据输入信号调整迭代步长的方法,作为一种开拓性的探索尝试,为后来的研究提供了思路,随后Karni将误差向量与输入信号相结合调整收敛步长,该算法在稳定性方面存在一些偏差,Hamidia提出一种基于S函数利用误差向量调节步长变化的算法,Rusu为了提高幂指数函数的收敛特性,对更新函数进行了修正,以上变步长算法大多根据算法的特性去调整函数达到变步长目的,缺少算法稳定性分析和算法的性能分析,不具备实用基础,Mathew提出一种改进的变步长算法,利用相邻时刻的误差內积控制步长,在一定程度上消除了噪声的干扰,但是以牺牲算法的性能为代价。
4G和5G通信***中,信号传输具有高速率、大容量、高带宽等特点,对射频功率放大器的线性度提出更高要求,数字预失真(DPD)能提高放大器的线性度减少非线性行为对信号传输影响,其中DPD主要通过算法识别并产生功放的逆模型从而实现预失真效果,传统变步长算法对功放逆模型辨识过程中,收敛速度较慢易受到噪声干扰以及在最优解处存在收敛不稳定等因素,影响整个预失真***对功放线性化的优化程度。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:传统变步长算法对功放逆模型辨识过程中,收敛速度较慢易受到噪声干扰以及在最优解处存在收敛不稳定等因素,影响整个预失真***对功放线性化的优化程度。
为解决上述技术问题,本发明提供如下技术方案:将信号x(n)输入到预失真器中并利用NVNLMS算法进行迭代运算,基于功率放大器放大迭代运算后的信号得到信号y(n);基于所述信号y(n)进行变换,得到y′(n);比较所述y′(n)及经延迟后的信号x′(n),判断向量wn是否为迭代后数据的最优权向量;若否,则将迭代后数据放入NVNLMS算法中继续迭代产生多项式模型放入预失真器中;若是,则输出迭代后的数据e(n)和y(n)最优权向量w1,…,wn,实现数字预失真。
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述预失真器,其行为模型为:
其中,x(n)表示输入信号,x′(n)表示经延迟后,w(n)表示预失真器权向量。
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述的行为模型,简化后为:
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述信号y′(n)为:
y(n)表示后置反馈输入信号,即预失真***输出信号,G表示功率放大器增益。
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述的预失真器,其误差信号e(n)为:
e(n)=d(n)-x′(n)=y′(n)-x′(n)
其中,d(n)表示理想值。
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:将所述误差信号e(n)代入NVNLMS权向量更新式为:
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述的NVNLMS算法,其变步长函数关系式为:
其中,μ(n)表示变步长因子,e(n)表示误差。
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述变步长函数,利用e(n)e(n-1)来替换e(n)2后的关系式为:
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述算法优化计算步骤包括,
初始化设置μ(0),H(0),w(0),h,b,m,β,l,γ;
输入数据x(n),d(n);
以输入数据个数为基准进行算法迭代;
输出迭代收敛后的数据e(n)和y(n)最优权向量w1,…,wn。
作为本发明所述的基于NVNLMS的数字预失真方法的一种优选方案,其中:所述算法迭代过程包括,
y(n)=xT(n)w(n)
e(n)=d(n)-x′(n)=y′(n)-x′(n)
H(n)=lH(n-1)+me(n)xT(n)[w(n-1)-w(n-2)]
H(n)=lH(n-1)+me(n)xT(n)[w(n-1)-w(n-2)]。
本发明的有益效果:通过改变迭代函数并引入相邻时刻误差的自相关矩阵,来提高功放逆模型辨识精度、收敛速度和预失真器的抗噪性能,引入新的权系数更新相关项后,能够降低***在最优解处的不稳定性,基于NVNLMS算法的预失真***抗噪性能好、收敛速度快和***稳定性强。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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它的附图。其中:
图1为本发明一个实施例提供的基于NVNLMS的数字预失真方法的基本流程示意图;
图2为本发明一个实施例提供的基于NVNLMS的数字预失真方法的传统技术方案加入预失真前后的功放AM/AM对比图;
图3为本发明一个实施例提供的基于NVNLMS的数字预失真方法的加入预失真前后的功放AM/AM对比图;
图4为本发明一个实施例提供的基于NVNLMS的数字预失真方法的无预失真下放大信号星座图;
图5为本发明一个实施例提供的基于NVNLMS的数字预失真方法的预失真后放大信号星座图;
图6为本发明一个实施例提供的基于NVNLMS的数字预失真方法的预失真频谱图;
图7为本发明一个实施例提供的基于NVNLMS的数字预失真方法的传统技术方案预失真频谱图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本次实施方式采用直接学习结构,本结构较为简单,算法在收敛情况下能够取得较好的线性化效果,但是,易受到输入信号的噪声干扰产生波动,使得预失真器参数提取过程中算法收敛速度较慢,基于NVNLMS算法的预失真器识别方法,能够加快***对预失真器模型的识别速度,提高识别预失真器行为模型精度,更加优化整个***的预失真效果,预失真器的模型选用MPM模型,即多项式模型,是Volterra级数模型一种简化模型情况,即去掉了Volterra级数中不同延时的交叉项,只保留了级数的对角项,由于偶数阶项产生的谐波分量都落在了通带外,因此只保留了奇数项。
参照图1,为本发明的一个实施例,提供了一种基于NVNLMS的数字预失真方法,包括:
S1:将信号x(n)输入到预失真器中并利用NVNLMS算法进行迭代运算,基于功率放大器放大迭代运算后的信号得到信号y(n);需要说明的是,预失真器的行为模型为:
其中,x(n)表示输入信号,x′(n)表示经延迟后,w(n)表示预失真器权向量。
其中,行为模型简化后为:
预失真器中误差信号e(n)为:e(n)=d(n)-y′(n)=x′(n)-y′(n)
其中,d(n)表示理想值。
将误差信号e(n)代入NVNLMS权向量更新式为:
具体的,NVNLMS算法通过不断迭代更新权向量,对未知的预失真器模型进行辨识,并使功率放大器达到最优输出具体实现结构如图1所示,在MPM模型中,输入信号为x(n),经延迟后为x′(n),预失真器权向量为w(n),其中,数字预失真器输入x(n)与预失真器输出z(n)的行为模型可以表示为:
z(n)与预失真实时输入信号x(n)关系可简化表示为:
y(n)表示后置反馈输入信号即预失真***输出信号,G表示功率放大器增益。
y′(n)表示功率放大器在理想线性增益下的输入信号,即算法中的理想值d(n),ε(n)表示误差信号:
e(n)=d(n)-x′(n)=y′(n)-x′(n)
引入NVNLMS算法权向量更新式:
S2:基于信号y(n)进行变换,得到y′(n);需要说明的是,信号y′(n)为:
y(n)表示后置反馈输入信号,即预失真***输出信号,G表示功率放大器增益。
S3:比较y′(n)及经延迟后的信号x′(n),判断向量wn是否为迭代后数据的最优权向量;
若否,则将迭代后数据放入NVNLMS算法中继续迭代产生多项式模型放入预失真器中;
若是,则输出迭代后的数据e(n)和y(n)最优权向量w1,…,wn,实现数字预失真。
需要说明的是,NVNLMS算法中变步长函数关系式为:
其中,μ(n)表示变步长因子,e(n)表示误差。
进一步的,NVNLMS算法优化计算步骤包括,
初始化设置μ(0),H(0),w(0),h,b,m,β,l,γ;
输入数据x(n),d(n);
以输入数据个数为基准进行算法迭代;
输出迭代收敛后的数据e(n)和y(n)最优权向量w1,…,wn。
更进一步的,算法迭代过程包括,
y(n)=xT(n)w(n)
e(n)=d(n)-x′(n)=y′(n)-x′(n)
H(n)=lH(n-1)+me(n)xT(n)[w(n-1)-w(n-2)]
具体的,构造出变步长因子μ(n)与误差e(n)之间的一种函数关系式引入函数根据变步长算法中μ(n)与误差e(n)之间变化规律对引入函数进行变换故建立变步长函数关系式在算法跌打过程中对于e(n)能否取得最小值与输入信号x(n)有很大关联,造成算法易受到输入信号噪声的影响,如果直接用算法中的误差与步长因子建立函数关系,使得算法容易受到不相关信号的干扰,因此用e(n)e(n-1)来代替e(n)2,故可写成:
在算法收敛时,会出现最优权值附近收敛速度放缓的趋势,因为,在最优权值附近算法会通过e(n)e(n+1)直接下降到最优权值处,就造成收敛速度降低,因此通过调整迭代过程中误差值的相关函数进行优化:
令H(n)=lH(n-1)+me(n)xT(n)[w(n-1)-w(n-2)]
其中,β[w(n)-w(n-1)]H(n)为权系数迭代更新的补充项,通过引入补充项,使得每次迭代时产生的新权系数值都与前一个时刻和前两个时刻的值相关,使算法的迭代步长在最优值附近时不会直接产生较大变化影响收敛速度,提高预失真模型识别精度,优化***预失真效果。
实施例2
参照图2-7为本发明另一个实施例,为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案基于NLMS算法的数字预失真与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
在MATLAB仿真软件中,将NVNLMS算法与NLMS算法放入预失真***中在MATLAB进行仿真验证,本实施例采用的是16QAM调制,预失真器模型阶数为6阶,采样点数为32935,其实验结果对比如图2-7所示,其中,传统技术方案对功放逆模型辨识过程中,收敛速度较慢易受到噪声干扰以及在最优解处存在收敛不稳定等因素,影响整个预失真***对功放线性化的优化程度,而本发明能够降低***在最优解处的不稳定性以及抗噪性能好、收敛速度快和***稳定性强,且相较于传统技术方案本发明预失真效果优化了10dB。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换。
Claims (5)
1.一种基于NVNLMS的数字预失真方法,其特性在于,包括:
将信号x(n)输入到预失真器中并利用NVNLMS算法进行迭代运算,基于功率放大器放大迭代运算后的信号得到信号y(n);
比较所述y′(n)及经延迟后的信号x′(n),判断向量wn是否为迭代后数据的最优权向量;
若否,则将迭代后数据放入NVNLMS算法中继续迭代产生多项式模型放入预失真器中;
若是,则输出迭代后的数据e(n)和y(n)最优权向量w1,…,wn,实现数字预失真;
所述的预失真器,其行为模型为:
所述的行为模型,简化后为:
所述信号y′(n)为:
y(n)表示后置反馈输入信号,即预失真***输出信号,G表示功率放大器增益;
所述的预失真器,其误差信号e(n)为:
e(n)=d(n)-x′(n)=y′(n)-x′(n)
其中,d(n)表示理想值;
将所述误差信号e(n)代入NVNLMS权向量更新式为:
4.如权利要求1所述的基于NVNLMS的数字预失真方法,其特征在于:所述的NVNLMS算法,其优化计算步骤为:
初始化设置μ(0),H(0),w(0),h,b,m,β,l,γ;
输入数据x(n),d(n);
以输入数据个数为基准进行算法迭代;
输出迭代收敛后的数据e(n)和y(n)最优权向量w1,…,wn。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011178524.1A CN112350968B (zh) | 2020-10-29 | 2020-10-29 | 一种基于nvnlms的数字预失真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011178524.1A CN112350968B (zh) | 2020-10-29 | 2020-10-29 | 一种基于nvnlms的数字预失真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112350968A CN112350968A (zh) | 2021-02-09 |
CN112350968B true CN112350968B (zh) | 2023-01-24 |
Family
ID=74356927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011178524.1A Active CN112350968B (zh) | 2020-10-29 | 2020-10-29 | 一种基于nvnlms的数字预失真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112350968B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929136A (zh) * | 2014-04-22 | 2014-07-16 | 西安易晓通讯科技有限公司 | 宽带移动通信lte***发射机功率放大器预失真处理方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102055696B (zh) * | 2010-12-06 | 2013-04-03 | 西安电子科技大学 | 抑制反馈信号噪声的数字预失真*** |
CN102413085B (zh) * | 2011-10-12 | 2017-02-08 | 中兴通讯股份有限公司 | 一种数字预失真方法及装置 |
KR101251542B1 (ko) * | 2011-11-01 | 2013-04-08 | 한국과학기술원 | 성긴 볼테라 시스템 추정을 이용한 디지털 전치왜곡 시스템 |
CN103401513B (zh) * | 2013-08-02 | 2016-02-10 | 武汉邮电科学研究院 | 一种功率放大器的数字预失真处理方法和装置 |
CN103888396A (zh) * | 2014-03-26 | 2014-06-25 | 西安电子科技大学 | 基于自适应可变步长迭代的预失真方法 |
CN103856429A (zh) * | 2014-03-26 | 2014-06-11 | 西安电子科技大学 | 基于混合间接学习算法的自适应预失真***及方法 |
US9590567B2 (en) * | 2015-07-02 | 2017-03-07 | Xilinx, Inc. | Moving mean and magnitude dual path digital predistortion |
CN109075745B (zh) * | 2015-11-10 | 2020-07-14 | 华为技术有限公司 | 预失真装置 |
CN106453172A (zh) * | 2016-07-19 | 2017-02-22 | 天津大学 | 基于分段线性函数的记忆多项式数字预失真方法 |
CN109507642A (zh) * | 2018-12-29 | 2019-03-22 | 广西科技大学 | 一种基于噪声调频技术的非线性目标谐波检测方法 |
CN111082757B (zh) * | 2019-12-27 | 2023-05-23 | 东方红卫星移动通信有限公司 | 自适应带限数字预失真在宽带卫星通信***中应用的方法 |
CN111147409B (zh) * | 2019-12-27 | 2022-06-10 | 东方红卫星移动通信有限公司 | 一种低轨卫星信道自适应均衡方法 |
-
2020
- 2020-10-29 CN CN202011178524.1A patent/CN112350968B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929136A (zh) * | 2014-04-22 | 2014-07-16 | 西安易晓通讯科技有限公司 | 宽带移动通信lte***发射机功率放大器预失真处理方法 |
Non-Patent Citations (1)
Title |
---|
基于间接学习结构的改进功放非线性失真补偿算法;沈忠良等;《通信技术》;20161010(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112350968A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070018722A1 (en) | Adaptive digital pre-distortion system | |
EP3054590B1 (en) | System linearization | |
CN100559720C (zh) | 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 | |
US20190260401A1 (en) | Linearization system | |
JP5753272B2 (ja) | タップ出力の正規化を伴う非線形モデル | |
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 | |
US7412469B2 (en) | Power amplifier pre-distorter training | |
CN106453172A (zh) | 基于分段线性函数的记忆多项式数字预失真方法 | |
CN110765720B (zh) | 一种复值流水线递归神经网络模型的功放预失真方法 | |
WO2003092154A1 (fr) | Procede permettant d'ameliorer l'efficacite d'un amplificateur de puissance radiofrequence par une technique de pre-distorsion numerique en bande de base | |
US20120154040A1 (en) | Predistorter for compensating for nonlinear distortion and method thereof | |
CN103888396A (zh) | 基于自适应可变步长迭代的预失真方法 | |
CN104796364A (zh) | 一种预失真参数求取方法及预失真处理*** | |
CN113037226A (zh) | 基于自适应步长裁剪方法的数字预失真设计方法及装置 | |
US7170343B2 (en) | Fast LUT predistorter for power amplifier | |
CN103929136B (zh) | 宽带移动通信lte***发射机功率放大器预失真处理方法 | |
US9245072B2 (en) | System and method for pruning an over-defined system model | |
CN112350968B (zh) | 一种基于nvnlms的数字预失真方法 | |
CN102611661B (zh) | 基于精确反解记忆多项式模型方程的预失真装置及方法 | |
CN105471783B (zh) | 基于输入序列的mimo***发射端数字预失真优化方法 | |
CN101414804B (zh) | 功率放大器非线性校正方法、装置和功率放大器 | |
Shi et al. | Application of Improved AHTVSSLMS Algorithm in Digital Predistortion System | |
CN115378446B (zh) | 基于神经网络的宽带数字预失真***和方法 | |
WO2022185505A1 (ja) | 歪み補償回路のための学習装置、及び歪み補償回路 | |
Wang et al. | Research on digital predistortion technology based on improved NLMS algorithm |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231102 Address after: No. 1-01 Shopping Mall, Phase II Comprehensive Building, Qixing Tourism Commodity Wholesale City, No. 68 Qixing Road, Qixing District, Guilin City, Guangxi Zhuang Autonomous Region, 541004 Patentee after: Guilin Zhongkuang Tiancheng Electronics Co.,Ltd. Address before: 545006 268 East Ring Road, Central District, Liuzhou, the Guangxi Zhuang Autonomous Region Patentee before: GUANGXI University OF SCIENCE AND TECHNOLOGY |
|
TR01 | Transfer of patent right |