CRTRL）来调整。这样所提出.PDFVIP

第五章:RF功放自适应预失真线性化的神经网络方法 第五章 U 功放自适应预失真线性化的神经网络方法 在本章中我们研究一种新的用于移动通信系统中射频 (RF)功放自适应预 失真线性化的方法。和文献中报导的其它的预失真器不同，这个预失真器是由 一个复值递归神经网络 (RNN)构成。RNN的权值利用复值实时递归学习算法 (Complex-valuedRealTimeRecurrentLearning,CRTRL)来调整。这样所提出 的自适应预失真器可以同时实现对AM/AM 和AM/PM响应的补偿.所提出的 预失真器显现出比其它文献中所报道的很多预失真器优秀的性能 所提出的预 失真器的性能通过计算机仿真来加以说明。 5.1RF功放线性化概述 随着当今通信系统中移动用户的增加，需要更加有效地利用频谱的调制 方式。这些调制方式中通常存在着波动的包络，这样对发送端的要求就比传统 的常包络调制 (如FSK和GMSK)要高得多。发送端需要提供高功率且不产生 交调失真 (WD)，也就是说RF功放必须是线性的、 设计者通常有两种选择:回推A类功放到线性工作区，这种方式在蜂窝系 统中是不恰当的，因为功率的有效性将会降低;相反，我们可以另一种方式一 一线性化RF功放，这样可以得到线性化水平较高的攻放，且具有良好的功率 有效性。RF功放线性化有多种方式，如Cartesian反馈1481、前馈149)及预失真50‘-55) 等。在这些方法中，预失真由于其独特的优点而得到人们越来越多的关注。而 自适应预失真技术由于可以根据环境 (如温度)等的变化自动地调整预失真器 参数，得到良好的性能而引起研究者的广泛兴趣。 另一方面，神经网络具有很多优点，如快速计算、自适应及全局逼近等， 其已被成功地应用到工程应用的许多领域。并且.在许多应用中神经网络也被 证明具有比许多传统的方法优秀的性能，如自适应均衡{301、系统辩识[381、多用 户检测5[6〕等应用中。 本章采用一种基于复值神经网络的RF预失真线性化方法，利用复值神经网 络可以同时调整RF功放的幅度和相位失真。据我们所知，利用神经网络实现 自适应预失真的方法在国内外相关文献中还未见报道 而由于VLSI和软件无 线电技术的发展也使其实用化成为可能。这对我国研制具有自主知识产权的新 电子科技大学硕士论文:自适应信号处理的神经网络方法 一代通信系统必将产生一定的推进作用。而且该类产品具有非常广泛的市场前 景，据悉目前国内各大通信厂家也均在抓紧研制。 复值 自适应预失真线性化器 图5-1预失真原理图 自适应预失真的原理如图5-1所示。左边的模块表示预失真器，它的传递 特性的非线性和右手边表示的功放的非线性相反，这样它们组合起来可以组成 一个线性的功放。 预失真可以通过多种不同的途径来实现。可以在数字域 (3l带的情况下) 通过LUT (look-uptable)来实现[50][51];也可以在漠拟域实现(基带，中频， 射频)[52卜[55]，本文在模拟域实现预失真_ 发射的源信号可以用一个复变量来表示，V,M=VN,(tl+Al,(r)通常情况 下，HPA的特性不仅依赖于源信号的瞬时值，还依赖于它的前些时候的道 也 就是说PA的非线性是与频率有关且有记忆的。但在有限带宽的情况下，HPA 的AM-AM及AM-PM特性可以用无记忆的复功率级数的形式来进行逼近 在 本文中，我们假设HPA可以用这样的无记忆的AM-AM 和AM-PM 非线性来 表示。 由图5-1我们可以看出，HPA的输出可以表示成 V;,(t)=Ve(t)G[IV,(t)l-1 (5-1) 其中Yd(t)和Va(t)分别是HPA输人、输出复调制包络瞬时值的基带表达式 复 增益G[IV,(t,12}定义了HPA的非线性增益为输人瞬时A(N度的函数 预失真器 的复增益可以用类似的复增益方程来表示，如下式所示 Vd(t)=V.(t)F[IV,(t)I21 (5-2) 其中Vndt)和Vd(t)分别是预失真器输人、输出复调制包络瞬时值的基带表达 式 。预失真器的最优特性Fo应该满足如下的表达式: F