[发明专利]一种基于矢量量化的宽带数字预失真算法

说明书

一种基于矢量量化的宽带数字预失真算法，主要涉及功率放大器线性化中的数字预失真技术、宽带功率放大器的行为建模和矢量量化算法。以矢量量化算法中的K‑means算法为基础，提出了TDWK算法，又在TDWK基础上，考虑添加簇的大小这一先验知识来对算法进行改进，提出了CTDWK算法。每个区域的单独模型选择广义记忆多项式(GMP)模型，将这两种算法与GMP模型相结合，提出了TDWK‑GMP模型和CTDWK‑GMP模型。本方法最终达到在相同采样率时能还原出更接近真实功放输出信号的数据，达到更好的预失真效果，相比基于GMP模型的数字预失真在性能上有一定的提升。选择F类功率放大器作为测试模型，实验结果表明所提出的基于矢量量化的方法在功放数字预失真线性化系统中性能良好。

技术领域

本发明涉及数字信号处理领域，具体涉及一种基于矢量量化的宽带数字预失真算法。

背景技术

现代通信系统中，由于受到高速率数据传输需求和有限频谱资源的双重压力，为了提高频谱利用率，调制方式如正交幅度调制(Quadrature Amplitude Modulation，QAM)、正交相位键控(Quadrature Phase Shift Keying，QPSK)、正交频分复用(OrthogonalFrequrncy Division Multiplexing，OFDM)等在通信系统中的应用逐渐广泛。但这类调制技术会增加射频功率放大器的设计难度，这类信号为包络调制信号，具有峰均比(Peak-to-average power radio，PAPR) 较高的特点，必然会引入非线性失真，在相同平均功率水平下，PAPR越高的信号对功放非线性越敏感，导致非线性增加。而且通信系统中的许多器件具有固有非线性，当包络调制信号经过这些器件时，会产生谐波分量和交调失真，造成非线性，对相邻信道造成干扰，影响通信系统性能，所以对功率放大器进行线性化处理是当代通信面临的重大课题。常见的功放线性化技术是功率回退法 (Power Back off)，原理是让功放在工作时远离饱和区，通过回退工作在线性区，功率回退法虽然实现简单，但是工作效率太低，而在各种线性化技术中，数字预失真以其良好的线性度、带宽宽、高效率和全自适应性等优点而被业界视为最有前途的一种功放线性化技术。

发明内容

相较于目前现有的各种功放建模存在的模型预测准确度不够、计算复杂度高、预失真矫正能力不足等问题，本发明提出了一种基于矢量量化的功放数字预失真方法。通过利用矢量量化算法将输入信号空间切分为不同区域，并使用对应于每个区域的单独模型计算输出。以矢量量化算法中的K-means算法为基础，提出了TDWK算法。又在TDWK基础上，考虑添加簇的大小这一先验知识来对算法进行改进，提出了CTDWK算法。每个区域的单独模型选择广义记忆多项式(General Memory Polynomial，GMP)模型，将这两种算法与GMP模型相结合，提出了TDWK-GMP模型和CTDWK-GMP模型。

由于功率放大器具有非线性特性，所以在对功率放大器进行建模时，应是一种非线性的拟合回归，在不同的条件下，功率放大器的输入输出特性通常表现出明显的区别；

因此，使用单个模型对功率放大器进行建模，往往也无法完整的建模出功率放大器的行为模型；

本发明引入矢量量化的思路，将输入空间划分为K个区域，并使用对应于每个区域的单独模型计算输出，示意图见图1；

对矢量量化中常用的K-means算法进行改良，提出二维加权矢量量化算法，将该算法与GMP模型相结合，提出TWDK-GMP模型；

而聚类传统上被认为是一种无监督的数据分析方法，因此二维加权矢量量化算法还具有一定的提升空间，在TWDK算法的基础上添加约束，引入额外的先验知识(如每个簇的大小)来扩展进行拓展，提出了约束二维加权矢量量化算法 (CTWDK)，将该算法与GMP模型相结合，最终提出了CTWDK-GMP模型。与传统的建模方法相比，本发明中提出的模型中的每个子模型具有独立的模型识别能力和自适应性，从而将最佳功率放大器模型用作子模型，即构造了一种新颖的切换行为模型；