[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

说明书

本发明提出支撑集修正近似消息传递的Volterra数字预失真参数辨识方法，包含以下步骤：S1，根据DPD模型信息生成Volterra测量矩阵；S2，测量矩阵归一化处理；S3，修正阈值收缩函数并设置目标迭代次数及目标精度；S4，模型系数与残差迭代计算，提取系数支撑集；S5，支撑集修正处理提高AMP估计精度。实验证明，本发明提出的SSR‑AMP方法对于Volterra数字预失真器的参数辨识具有很好的可行性及有效性。

技术领域

本发明涉及了一种功率放大器数字预失真参数辨识方法，尤其涉及一种利用近似信息传递算法进行沃尔特拉数字预失真模型参数辨识的方法，属于通信信号处理技术领域。

背景技术

功率放大器

伴随无线通信的迅速发展，无线移动通信系统及相关技术正经历一个高速发展的时代。很多现代通信调制方式诸如正交频分复用技术(Orthogonal Frequency DivisionMultiplexing，OFDM)以及多入多出技术(Multiple-Input Multiple-Output，MIMO)等具有宽频带以及较高的频谱利用效率的特点，同时对功率放大器(Power Amplifier，PA)的线性度提出较高要求。

功率放大器是无线通信系统中必不可少的关键器件，其功能是将已调制的信号放大到所需功率并经天线发射。而PA符合晶体管的特性，即：在放大区内呈线性特性，但随着输入信号功率的提高，PA将呈现非线性特性；同时PA的记忆特性会随着信号带宽的提高而变强。PA的非线性以及记忆特性统称为记忆非线性特性。

数字预失真

PA的记忆非线性特性会导致严重的信号失真，邻道干扰的增加以及带内失真等问题从而影响通信质量。为解决PA的记忆非线性特性产生的种种不利影响，常采用数字预失真(Digital Pre-Distortion，DPD)技术对PA的记忆非线性特性进行失真补偿。数字预失真器具有与PA的记忆非线性特性完全相反的传输特性，这些特性需要通过对数字预失真器进行建模而获得。依据建模方式不同可分为物理模型以及行为模型，物理模型是依据基本电路定律形成的非线性模型，适合电路级仿真；行为模型属于“黑箱模型”，可通过实验数据建立，PA以及DPD模型常采用行为模型。

常见的数字预失真器数学模型有Wiener模型，Hammerstein模型以及Volterra级数模型。由于Volterra级数能够较全面地描述非线性系统，因此其被普遍应用于数字预失真器的建模中。在通信系统中，输入输出信号常为调制信号，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，则离散Volterra级数模型可表示为：

其中，式中，为系统k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 (2)

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。

参数辨识