[发明专利]一种宽带射频功率放大器建模方法

说明书

技术领域

本发明涉及无线通信系统射频功率放大器建模技术领域，尤其是涉及一种宽带射频功率放大器建模方法。

背景技术

随着无线通信技术的飞速发展，IEEE 802.16、3GPP LTE(Long Term Evolution，长期演进)以及后三代(IMT-Advanced)等通信系统都向着宽带、正交频分复用(Orthogonal Frequency Division Multiplexing，即OFDM)技术、多输入和多输出(Multiple-Input Multiple-Output，即MIMO)技术和高频的技术方向演进。针对OFDM技术具有较高的峰均功率比(Peak-to-Average Power Ratio，即PAPR)问题，如何提高功放(Power Amplifier，即PA)的线性度，人们提出了许多功放线性化技术，例如，功率回退法、负反馈技术、前馈技术和预失真技术等。这些线性化技术都需要建立精确的功放模型，以描述功放的非线性特性和记忆效应，并定量地分析它们对通信系统所造成的影响。相对于前馈线性化技术而言，预失真技术与功放模型的关系更加密切，线性化效果的好坏，在很大程度上取决于所建立的功放模型的有效性。

无线通信领域的研究者对各种PA模型有了深入的研究，而且提出了很多的PA模型，总的归纳起来分为以下几种模型：(1)无记忆非线性模型：这种模型通常用窄带AM/AM(调幅到调幅)、AM/PM(调幅到调相)传输特性函数表示射频功率放大器模块，系统输出信号只是其当前时刻输入信号的瞬时函数。具有代表性的模型有Saleh模型、Rapp模型、幂级数模型。(2)记忆非线性模型：这种模型通常用宽带AM/AM、AM/PM传输特性函数表示，系统响应不仅跟输入信号幅度有关，也跟输入信号包络频率有关，失真是频率的函数。具有代表性的模型有基于Volterra级数、Wiener模型、Hammerstein模型、Wiener-Hammerstein模型、记忆多项式模型、前馈神经网络逼近模型和基于小波网络模型。

在射频PA的建模技术中，应用最广泛的建模方法是Volterra级数和前馈神经网络。Volterra级数是一种通用的非线性功率放大器模型，其已经成功地应用于具有记忆效应的RF功率放大器行为模型。参见Mirri Domenico等的A Modified Volterra seriesApproach Dynamique Systems Modeling IEEE Transactions on Circuits and Systems-IFundamental Theory and Applications 49，No 8.2007年8月，1118-1128；然而，Volterra级数是一种泛函级数，由于参数数量会随着系统阶数和记忆长度的增加而迅速增长，导致参数辩识的计算量很大，直接将Volterra级数运用于包含记忆效应的射频PA建模比较困难；而在PA的各种前馈神经网络模型中，又以BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型最为常见。参见T.J.Liu，S，Boumaiza等的Dynamic Beharioral Modeling of 3G Power Amplifiers Using Real-valuedTime-Delay Neural Networks IEEE Trans，On Microware Theory andTechniques，2004，52(3)，1023-1033；M.Isaksson等的Wide-Band Dynamic Modeling OfPower Amplifiers Using Radial-Basis Function Neural Networks IEEE Trans，OnMicroware Theory and Techniques，2005，53(11)，3422-3428；这些神经网络模型能够逼近任意连续非线性函数，并具有自学习、自适应和容错性等优良特性，因此成为了功放建模研究中的一种有力工具，其缺点是训练过程可能陷入局部极小，学习效率低，收敛速度慢。

沙尔赫(Saleh)模型是一种无记忆非线性模型，主要用于描述行波管功率放大器(Traveling Wave Tube Amplifier，即TWTA)的非线性特性。TWTA的AM/AM特性和AM/PM特性表达式如下：