[发明专利]支撑集修正近似消息传递的Volterra数字预失真参数辨识方法

权利要求书

1.支撑集修正近似消息传递的Volterra数字预失真参数辨识方法，其特征在于：

(1)提出一种支撑集修正近似消息传递方法，该算法应用于Volterra数字预失真器参数辨识中；

(2)较AMP方法修正阈值函数的形式，使其可以应用于复数场景。

2.根据权利要求1所述的支撑集修正近似消息传递的Volterra数字预失真参数辨识方法，其特征在于，包括五个子模块：测量矩阵生成子模块S1、矩阵归一化子模块S2、算法参数设置及阈值函数修正子模块S3，迭代处理子模块S4以及修正子模块S5，包含以下步骤：

(1)在参数辨识前，先以Volterra级数为基础建立数字预失真器模型，所述数字预失真器模型表示为：

设和为系统输入、输出信号，其中ω₀为载波角频率，和为输入和输出信号的复包络，为系统n阶复Volterra核，k表示Volterra级数模型的非线性阶数，M为记忆深度，(·)^*表示信号的复共轭；因为Volterra级数模型的参数是线性的，因此可以将上式改写为矩阵形式：

Y＝HX+e

其中，Y为数字预失真器输出信号的复包络，H为全内核Volterra级数模型的内核，X是全内核Volterra级数的测量矩阵，e为噪声向量；

该模型系统参数的辨识以间接学习结构为基础，利用PA的输入输出信号为训练样本信号；

(2)提取训练样本，在S1模块中，依据预置的DPD模型信息生成对应的Volterra测量矩阵X；

(3)测量矩阵归一化处理，在S2模块中依据测量矩阵列特征计算列归一化因子对步骤(2)生成的Volterra测量矩阵进行归一化处理；设DPD的输出信号为：将Volterra矩阵X以列向量的方式表示：

依据测量矩阵列特征计算列归一化因子Ψ

则：

Y＝XΨ^-1ΨH+e

其中X_Ψ＝XΨ^-1称为归一化回归矩阵，H_Ψ＝ΨH称为归一化Volterra内核向量；

经过如上处理，Volterra级数模型的归一化测量矩阵X_Ψ即可满足AMP算法的矩阵要求；

(4)在S3模块中设计适用于Volterra级数模型的AMP方法，修正阈值函数以及AMP迭代过程；

定义可应用于复数场景的软阈值函数：

η(s，θ)＝sgn(s)max[abs(s)-abs(θ·sgn(s))，0]

其中，

(5)在S4模块中迭代计算模型系数与残差，提取系数支撑集寻找模型内核支撑集与相应的系数解；

为保证AMP方法的收敛性，引入阻尼因子γ，迭代过程分为残差估计以及系数计算：

反复迭代以满足优化目标：

当辨识精度达到要求后，依据精度要求提取AMP方法辨识参数的支撑集，用于后续辨识系数的精炼修正；

(6)在S5模块中，利用自适应滤波算法如卡尔曼滤波算法或LS算法对S4模块的输出结果进行修正，提高参数辨识精度。