[发明专利]一种降低自适应数字预失真算法计算复杂度的方法

说明书

技术领域

本发明涉及属于无线通信技术领域，具体地，涉及一种降低自适应数字预失真算法计算复杂度的方法。

背景技术

在无线通信系统中，射频功率放大器（Radio Frequency Power Amplifier，RF PA）是所有射频器件中最主要的非线性设备。这种非线性随着外部因素的变化而变化，例如环境温度、时间以及输入信号的功率等等。研究结果表明，非线性能带来带内的频谱失真以及带外的频谱增生，前者导致传输信号的误差向量（Error Vector Magnitude，EVM）恶化，后者引起邻频干扰（Adjacent Channel Interference，ACI），从而导致通信系统性能的下降。

自适应数字预失真技术是一种常用的补偿射频功率放大器非线性的技术。在数字预失真技术实现的过程中，参数估计部分的计算复杂度是主要的瓶颈。传统的参数估计算法有最小二乘（Least Square，LS）算法、递归最小二乘（Recursive Least Square，RLS）算法以及最小均方误差（Least Mean Square，LMS）算法，然而这些算法都不能同时具有收敛速度快和计算复杂度低的性能。

最小二乘算法需要通过一整块的数据进行参数估计，而且直接对一个矩阵求逆也很难在硬件平台上实现。此外，最小二乘算法不能实时的更新非线性参数，导致不能及时的跟踪补偿射频功放的非线性的变化。实时处理算法如递归最小二乘算法、最小均方误差算法因其能够实时地更新非线性参数而受到广泛的应用。递归最小二乘算法通过迭代地对矩阵求逆实现非线性参数更新的过程，该算法具有收敛速度快，失调量小等优点，但是计算复杂度较高。最小均方误差算法具有计算复杂度低的优点，但是在迭代步长的选择上存在一个折中。当迭代步长较大时，收敛速度很快，同时失调量也很大；当选择迭代步长较小时，收敛速度很慢，同时失调量很小。因此，以上三种算法均不能同时具有收敛速度快，计算复杂度低，失调量小的性能。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种降低自适应数字预失真算法计算复杂度的方法，其在保证递归最小二乘算法收敛速度快、失调量小的前提下，进一步将其复杂度降低为最小均方误差算法的复杂度。

为实现上述目的及其他相关目的，本发明提供一种降低自适应数字预失真算法计算复杂度的方法，其包括以下步骤：

步骤一、建立非线性模型，其中，所述非线性模型为多项式预失真模型，其数学表达式为其中，y(n)是射频功率放大器的输出信号，是预失真估计模块的输出信号，K为多项式的个数，2k-1是多项式的阶数；

参数定义为A=[a₁,a₃,...,a_2K-1]^T，多项式基函数定义为φ_2k-1(n)，φ_2k-1(n)=|y(n)|^2(k-1)y(n)，φ(n)=[φ₁(n),φ₃(n),......φ_2K-1(n)]；误差信号为z(n)是预失真器的输出信号；

在最小二乘准则下，参数表达式为：A=(Φ^HΦ)^-1Φ^Hz；

其中，N是采样点的总数；

步骤二、对多项式基函数φ_2k-1(n)的自相关矩阵Φ^HΦ的期望进行归一正交化，其中，归一正交化的定义为具体步骤如下：

步骤21、定义归一化正交基函数ψ_2k-1(n)为多项式基函数φ_2k-1(n)的线性组合，即：其中，U_l,k是归一化正交基函数的系数，且

步骤22、定义归一化正交基函数ψ_2k-1(n)的自相关矩阵为Ψ^HΨ，通过推导得到Φ^HΦ=N(U^H)^-1(U)^-1；

步骤23、对一个给定概率密度分布函数的|y|，Φ^HΦ是确定的，将矩阵Φ^HΦ的维数从小到大递增，迭代地求解出U；

步骤三、降低递归最小二乘算法计算复杂度，具体步骤如下：