[发明专利]一种自适应模拟正交调制失衡补偿方法和装置

权利要求书

1、一种自适应模拟正交调制失衡补偿装置，其特征在于包括：

用来产生正交频分复用OFDM基带调制I信号和Q信号的基带信号模块(201)；

接收来自基带信号模块(201)的I信号和Q信号进行数字预失真处理，产生与宽带功率放大器WPA模块(207)非线性特性相反的基带s_i(t)信号和s_q(t)信号的数字预失真器DPD模块(202)；

接收来自数字预失真器DPD模块(202)已预失真的基带s_i(t)信号和s_q(t)信号以及模拟正交调制器AQM补偿算法和控制单元(203b)计算的补偿参数，对已预失真的基带s_i(t)信号和s_q(t)信号进行实时纠正处理后送至RF发射通路(205)的正交调制补偿QMC单元(203a)；QMC单元(203a)的控制参数包括IQ两路直流偏置补偿参数b₁、b₂、相位不平衡补偿和增益不平衡补偿参数g₁₁，g₁₂，g₂₁，g₂₂6个调整参数；

接收来自DPD模块(202)已预失真的基带s_i(t)信号和s_q(t)信号以及反馈通路(209)的反馈采样基带I_B信号和Q_B信号，运用AQM补偿算法计算6个补偿参数，并将补偿参数送给QMC单元(203a)的AQM补偿算法和控制单元(203b)；

RF发射通路(205)包括数模转换器DAC模块(204)，AQM器件(206)和WPA模块(207)，反馈通路(209)包括正交解调器模块(210)和模数转换器ADC模块(211)，连接AQM器件(206)和正交解调器模块(210)的本振(208)。

2、根据权利要求1所述的装置，其特征在于：自适应AQM补偿器(203)由现场可编程逻辑器件FPGA实现，DAC模块(204)为双通道数模转换器。

3、一种自适应模拟正交调制失衡补偿方法，其特征在于包括如下步骤：

步骤(1)AQM补偿算法和控制单元(203b)发送训练序列信号，经过数模转换DAC(204)，滤波，AQM器件模拟正交调制，送给WPA模块(207)进行射频信号放大后通过天线发射；

步骤(2)在发送训练序列之前，先判断DAC(204)内部是否具有QMC功能，若没有，执行步骤(3)，若有，执行步骤(4)；

步骤(3)采用训练序列信号对AQM器件的非理想特性进行探测，获取初始值，执行步骤(5)；

步骤(4)采用AQM补偿算法和控制单元(203b)配置DAC内部的QMC功能模块寄存器，实现QMC静态补偿，使之镜像和本振泄露较小，固化DAC寄存器配置参数值后，执行步骤306；

步骤(5)初始化QMC单元(203a)参数b₁，b₂，g₁₁，g₁₂，g₂₁，g₂₂，其中b₁、b₂为QMC单元模型的IQ两路直流偏置补偿参数，g₁₁，g_12，g₂₁，g₂₂为QMC单元模型的相位不平衡补偿和增益不平衡补偿参数；

步骤(6)AQM补偿算法和控制单元不断地获取由基带信号模块(201)产生的OFDM信号送给DPD模块(202)进行数字预失真处理的已预失真基带s_i(t)信号和s_q(t)信号和反馈回路送给的基带I_B信号和Q_B信号经过测量和比较，获得误差值的大小，采集N个采样数据；

步骤(7)利用粒子群优化PSO方法，在初始群体的生成上，估计出b₁，b₂，g₁₁，g₁₂，g₂₁，g₂₂六个参数的取值范围，在此范围内采用随机生成的方式，以使PSO方法在整个可行解空间进行搜索，将采集N个数据搜索得到6个补偿参数，不断调整6个参数b₁，b₂，g₁₁，g₁₂，g₂₁，g₂₂直到下面的目标函数达到全局最小值，目标函数表示如下：

MIN(b1,b2)[Σn=1N|b+a|]]]>和MIN(g11,g12,g21,g22)[Σn=1N|G-H-1|]]]>

其中a＝[a₁，a₂]^T，H=h11h12h21h22,]]>G=g11g12g21g22,]]>b＝[b₁，b₂]^T，a₁和a₂参数

表示AQM直接上变频模型的I和Q信道的直流偏置，h₁₁，h₁₂，h₂₁和h₂₂参数表示AQM直接上变频模型的I/Q不平衡，I/Q不平衡包括增益不平衡和相位不平衡；

若不是，执行步骤(8)，若是，执行步骤(9)；

步骤(8)，将得到的不是最佳的6个补偿参数代替初始化值，进入步骤(6)，直到满足条件为止；

步骤(9)，输出QMC的补偿参数值，即b₁，b₂，g₁₁，g₁₂，g₂₁，g₂₂，应用这些补偿参数到QMC单元，更新QMC参数，执行步骤(5)；对OFDM基带信号经过DPD模块进行处理产生的已预失真基带s_i(t)信号和s_q(t)信号进行动态QMC补偿，QMC单元补偿后输出补偿后基带r_i(t)信号和r_q(t)信号送给发射通路，AQM补偿算法和控制单元实时调节QMC单元的可控参数，使AQM器件接近理想特性，能够稳定在系统需要的指标范围之内。

4、根据权利要求3所述的方法，其特征在于：步骤(7)中的粒子群优化PSO方法具体包括以下步骤：

步骤(a)在整个D维搜索空间中利用随机产生初始化所有粒子的初始位置和初始速度；

步骤(b)根据初始位置和初始速度产生各粒子新的位置；

步骤(c)评价D维变量下，每个粒子在当前位置处对应的目标函数值；

步骤(d)对于每个粒子，将它的目标函数值和它经历过的第t次迭代最好位置p_id(t)的目标函数值进行比较，如果更小则更新，并记住新的最佳位置，否则保持不变；

步骤(e)对于目前群体中每个粒子的最佳值进行比较，得到第t次迭代的群体最佳值即p_gd(t)并与以前的p_gd(t)比较，如果更小，则更新p_gd(t)，并记住新的最好粒子的序号和位置，否则不变；

步骤(f)根据下式更新每个粒子的速度和位置；

x_id(t+1)＝x_id(t)+v_id(t+1)

i＝1，2…，M，d＝1，2…，D

其中M表示粒子数，D表示搜索空间的维数，p_id表示第i个粒子的最佳位置，p_id(t)表示粒子在第t次迭代中第d维的个体极值点的位置，此外，v_id(t)表示群体中粒子第i个粒子在第t次迭代中第d维的速度向量，v_id(t+1)表示群体中粒子第i个粒子在第t+1次迭代中第d维的速度向量，x_id(t)是粒子i在第t次迭代中第d维的当前位置，x_id(t+1)是粒子i在第t+1次迭代中第d维的当前位置以及p_gd(t)表示整个群体在第t次迭代中第d维的全局极值点的位置，其中收敛因子K的计算表达式为权重因子在搜索算法中以一定速率从大到小变化，和取值分别为2.8和1.3，rand()是随机数发生器，产生在(0，1)之间均匀分布的随机数；

步骤(g)如果已经满足终止条件，则结束计算，否则转至步骤(b)进入下一次循环，直到满足终止条件；

步骤(h)以最终输出的粒子群最优解为最佳补偿参数的解。