[发明专利]用于控制功率放大器的方法和装置

说明书

本发明提出了用于控制直接学习算法的方法、装置和计算机程序产品。由此，控制在非线性状态下操作的功率放大器。要放大的信号被输入到预失真器，预失真器被提供用于补偿功率放大器的非线性。预失真输出信号从预失真器转发到功率放大器。使用自适应直接学习算法基于从功率放大器输出的线性化信号和要放大的信号之间的误差在多个步骤中修正预失真器的参数。检测误差是否发散；并且当确定误差发散时，停止预失真器的参数的修正。

技术领域

本发明涉及用于控制直接学习算法的装置、方法和计算机程序产品。

背景技术

在无线移动通信中，通常对于射频RF传输需要线性功率放大器PA。然而，一般，对于移动系统追求低功耗。因此，功率放大器可以在压缩区域处操作。

一般，无线电设备中的功率放大器和相关联的低功率模拟发射机当在压缩区域处操作时表现为非线性。由于非线性可能在系统的控制方面引起严重的问题，所以消除或至少减轻其非线性是有利的。求解非线性问题的一种可能的方法是显著回退(back off)，使得操作区域变为线性。然而，这是非常低效的并且不产生期望的功率节省。

因此，数字预失真(DPD)算法通常用于允许RF信号在压缩区域中操作的无线电装置中。在压缩区域中操作将由于提高的效率而带来功率节省。然而，在这样的区域中操作也将增加互调(IM)产物。一般，增加的IM产物违反3GPP规范。因此，DPD(数字预失真)算法的主要作用是减少IM产物，使得无线电装置可以按照3GPP规范高效地操作。

某种DPD算法属于称为DLA(Direct Learning Algorithm，直接学习算法)的类别。在DLA中，从输入到输出建模非线性。示例将是从输入到输出的功率放大器的建模。换句话说，输出由输入变量和输入信号描述。

因此，DLA不产生功率放大器的反演模型，其而是直接对功率放大器进行建模。因此，为了获得反演，通常进行迭代过程。该迭代反演过程通常固定为预定数量的迭代(即2、3、……5等)。示例是具有N1次迭代的固定点算法或具有N2次迭代的牛顿法。N1和N2基于反演模型的所需收敛准确度来选择。限制N1和N2的另一个因子是硬件限制。

然而，使DLA经由修改的固定点算法或修改的牛顿法自适应地实现是非常常见的。牛顿法非常复杂；因此与牛顿法相比，修改的固定点算法由于其更简单的形式而更合适。

在无线/蜂窝环境中，DPD算法的持续修正(adaptation)必须在功率放大器的改变的预期中进行。然而，这样的持续修正可能由于数值误差累积(例如浮点误差)而带来不稳定。这是因为当修正趋于非常大时，即使是每步骤的小数值误差也可能导致巨大的噪声累积。数值误差累积是阻止了针对DLA算法的最佳性能的持续问题。

发明内容

本发明的实施例解决了这种情况，并且旨在克服上述问题并提供了具有数字预失真的功率放大器的更稳定的操作。

根据本发明的第一方面，提供了一种用于控制在非线性状态下操作的功率放大器的方法，包括：将要放大的信号输入到被提供用于补偿功率放大器的非线性的预失真器；将预失真输出信号从预失真器转发到功率放大器；使用自适应直接学习算法基于从功率放大器输出的线性化信号与要放大的信号之间的误差在多个步骤中修正预失真器的参数；检测误差是否发散；以及当确定误差发散时，停止修正预失真器的参数。

根据本发明的第二方面，提供了一种用于控制功率放大器的装置，包括：预失真器；至少一个处理器，以及用于存储要由处理器执行的指令的至少一个存储器，其中所述至少一个存储器和所述指令被配置为利用所述至少一个处理器使得所述装置至少执行：将要放大的信号输入到被提供用于补偿功率放大器的非线性的预失真器；将预失真输出信号从预失真器转发到功率放大器；使用自适应直接学习算法基于从功率放大器输出的线性化信号与要放大的信号之间的误差在多个步骤中修正预失真器的参数；检测误差是否发散；以及当确定误差发散时，停止修正预失真器的参数。