[发明专利]适用于WiFi无记忆功放的预失真校准方法及应用

说明书

本发明公开了适用于WiFi无记忆功放的预失真校准方法及应用，涉及预失真校准技术领域。所述方法通过单音测试获取PA的反特性后生成查找表，查找表中存储有每个幅度子单元对应的预失真系数，后期根据输入信号的幅度在查找表中索引获得对应的预失真系数以进行预失真处理；其中，对查找表进行迭代校准，具体提出了查找表迭代更新法和级联DPD法两种方案来对校准后的功放的AM‑AM特性及AM‑PM特性进行追踪，迭代补偿残余误差，对查找表进行迭代更新。本发明能够在较低复杂度和资源开销下完成DPD校准，有效的提升了校准精度和性能，适用于无记忆或弱记忆功放的系统。

技术领域

本发明涉及预失真校准技术领域，尤其涉及一种适用于WiFi无记忆功放的预失真校准方法及应用。

背景技术

在无线通信系统中，由功率放大器PA（Power Amplifier，简称功放）产生的非线性，会导致频谱泄露和再生谐波互调等杂散，对于带内的再生分量，会影响信号的EVM（Error VectorMagnitude，误差矢量幅度）和误码率性能，带外的再生分量，会影响其他相邻信道的通信传输，即ACLR（Adjacent Channel Leakage Power Ratio，邻道泄露功率比）恶化，因此需要对功放PA进行线性化。目前，工程中一般适用DPD（DigitalPre-Distortion，数字预失真）技术来进行功放线性化，减少PA产生的非线性分量影响，从而达到优化通信质量和提高发射功率的目的。

DPD(数字预失真)一般是使用数字信号技术，加入一个与包括功放在内非线性系统相反的系统进行预补偿。现有的预失真系统结构通常包含两个通路：数据训练通路和预失真通路。参见图1所示，数据训练通路是一个环路结构，其核心部分为自适应模块（或称自适应跟踪算法模块）。所述自适应模块的输入端与原输入信号、预失真器的预失真输出信号以及经功放后的反馈输出信号连接，自适应模块的输出端与预失真器的控制端连接。预失真器对输入的数字基带信号进行预失真处理后得到两路数字信号，一路数字信号输入到功放PA（放大器）进行处理，另一路数字信号输出到自适应模块；经经功放后的信号再作为反馈信号输入到自适应模块。所述自适应模块用于对经功放后的反馈信号和原输入信号进行处理，得到功放的失真特性，然后得到功放失真反特性的数字预失真系数；预失真器根据自适应模块输出的预失真系数对输入的数字基带信号进行预补偿处理。

对于预失真器的功能模型，以基于Volterra级数简化而来的GMP（广义记忆多项式）模型为例，预失真器的模型公式如下：

其中，y表示输出信号；x表示输入信号；n为输入信号的时刻；M和K表示记忆深度，P表示记忆多项式的阶次，m和k为在当前时刻的延时量，p表示非线性阶数；amkp为需要求解的系数。我们希望训练迭代后的反馈信号z逼近输入信号x，也即误差最小，通过在自适应模块进行监控和计算——比如使用LMS（最小均方误差）算法进行训练，以得到最优的数字预失真系数amkp，完成预失真系数的训练；预失真系数一般使用二维查找表（LUT）的方式，即记忆系数维度和信号幅度维度，根据信号幅度索引相应的记忆系数。

对于只需要校正对角线记忆项的功放PA，还可以将GMP模型简化为MP模型，即上式中的m和k相同，模型公式如下：

如果功放PA呈现无记忆或弱记忆的特性（功放的记忆性和工艺、带宽、电路设计等相关），则可以使用无记忆DPD模型进行校准，模型公式如下：

实际应用中，对于部分WiFi系统来说，功放具有无记忆或者弱记忆的特性，在某些情况下使用无记忆DPD模型的校准方式也可以满足基本要求，常见的无记忆DPD模型除上述多项式模型外，还包括Saleh 模型等。然而，使用上述无记忆多项式的DPD模型进行校准时，由于采用了LMS算法迭代，训练时需要发送和接收大量训练序列，导致计算复杂度高，且迭代稳定时间长。