高宽带无线通信系统自适应预失真技术研究-通信与信息系统专业论文.docxVIP

万方数据 万方数据 摘 要 功率放大器（功放）是无线通信系统中不可或缺的器件，但因其固有的非线 性特性，会使传输信号产生畸变，引起发射信号频谱扩展及带内失真。在现有的 各种线性化技术中，自适应数字预失真技术被认为是最有前景的技术，并得到了 最广泛的应用。本文深入研究了适用于高带宽无线通信系统的自适应数字预失真 技术。 首先，本文介绍了现有常用的功放模型，并对各模型的适用范围进行了说 明；然后，研究了预失真技术常用的两种基本辨识结构，即直接学习结构和间接 学习结构，指出了各自的优缺点；基于间接学习结构，重点理论推导分析了三种 典型的自适应预失真参数辨识算法，包括 LS 算法、LMS 算法和 RLS 算法，并比 较了这些算法在抑制带外频谱扩展、复杂度、收敛性和稳定性等方面的性能；进 一步，结合现代无线通信系统频带加宽、信号分布的非平稳特性以及反馈支路量 化噪声导致的信号非平稳等问题，研究了针对高宽带非平稳信号的非线性辨识算 法，包括传统 NLMS 算法和 GNGD 算法，并指出了这些算法存在的缺陷，以此 为基础，提出了一种新的自适应可变步长 LMS 辨识算法；仿真表明，与传统的 辨识算法相比，新算法可大大降低带外频谱扩展，同时具有较强的稳定性；最 后，针对量化噪声对记忆非线性模型辨识性能的影响，研究了自适应预失真系统 中的量化噪声抑制问题，提出了一种新的自适应预失真方案，该方案能够有效降 低量化噪声对参数辨识的影响，仿真也验证了该方案在抑制带外频谱扩展和收敛 性等方面的优越性。 关键词：自适应数字预失真 功率放大器 间接学习结构 LMS 算法 量化噪声 ABSTRACT Power amplifiers (PAs) are indispensable components in wireless communication systems, but are inherently nonlinear. The nonlinearity will distort the signals, which causes the out-of-band spectral regrowth and in-band distortion. Therefore, it is necessary to perform PA linearization. Among all the existing linearization techniques, adaptive digital predistortion (DPD) is the most promising, which has been gained widespread popularity. This thesis focuses on the study of DPD technique for high bandwidth wireless communication system. First of all, this thesis introduces the existing common used PA models and points out the corresponding application field. Secondly, two basic identification structure of DPD are described, namely, the direct learning structure and indirect learning structure, then their advantages and disadvantages are explained. Based on the indirect learning structure, three classical parameter identification algorithms of DPD are derivated and analyzed, including LS algorithm, LMS algorithm and RLS algorithm, the performance of the algorithms in reducing out-of-band spectral regrowth, complexity, convergence and stability are also analyzed. Furthermore, considering the problems such as the increasing of bandwidth of modern wireless communication system, uneven distr