基於最佳化分析的射頻功率放大器單一數位預失真技術

Abstract

大規模天線系統預計能提高未來無線通信系統的能源效率，而發射器中最耗电的元件是功率放大器，它可以將訊號功率增强到所需要的水平，因此功率放大器的功率效率需要很高。為了提高小型低成本功率放大器的能量效率，需要將功率放大器驅動到靠近飽和的區域，但由於功率放大器的飽和特性會導致傳輸訊號產生非線性失真，此失真的訊號不僅會降低傳輸訊號的質量還會干擾到相鄰通道的傳輸，因此如何在保持良好功率效率的同時有效地降低功率放大器的非線性失真在近年來是一個備受關注的研究問題。 本篇論文的貢獻主要分成兩個部分，第一個部分我們透過新穎的分析方法為Saleh模型的功率放大器設計相對應的數位預失真器，眾所皆知Saleh模型對於建模高度非線性的功率放大器有較高的準確度，例如行波管放大器。雖然在過往的文獻中已經有方法針對在單一天線的情況下建構數位預失真器，但一般而言混合波束成形大規模天線發射機在天線子陣列中包含多根天線，因此本篇論文將我們的分析方法擴展到多天線的應用，並提出了一種新的數位預失真處理技術。數值模擬的部分說明了整體數位預失真系統的線性化性能得到改善。 本篇論文的第二部分我們考慮了由記憶多項式模型建模的的功率放大器，該模型常用於對固態功率放大器進行建模。在過往的文獻中已經存在對多天線的預失真處理和學習技術，該方法透過組合每個功率放大器的輸出訊號，從而使預期接收器方向上的訊號非線性失真最小化，但應用於更新數位預失真器的多項式係數是眾所皆知的block-LMS參數學習方案，該方案在參數的選擇上不夠穩健。本篇論文提出了一種新的數位預失真參數學習方案，當參數的選擇偏離最佳參數時，整體預失真系統的線性化性能並不會下降太快。數值模擬的結果也說明我們的參數學習解決方案可以補償由記憶功率放大器引起的非線性失真。