[发明专利]利用Volterra修正模型计算功率放大器输出量的方法

说明书

技术领域

本发明公开了利用Volterra修正模型计算功率放大器输出量的方法，属于数字信号处理的技术领域。

背景技术

计算功率放大器输出量来评价其性能是常见的方法。根据功率放大器的输入逐个计算输出量，工作量大，得到的输出数据不完整。学者们逐渐研究用建模的方法处理功率放大器的离散输入量、离散输出量，从而计算出功率方法器的所有输出量。通过分析输出量评价功率放大器的性能，并分析其在宽带通信系统的预失真应用。

现有以下几种建模计算功率放大器的方法：请简述已有建模方法以及各自存在的问题。建立精确的功率放大器模型对研究和预测功率放大器的性能有着重大的意义。根据建模方法的不同，功率放大器模型可分为两类：用于电路级仿真分析的物理模型(器件模型)和用于系统级仿真分析的行为模型(黑盒模型)。考虑到物理模型基于功放的物理电路和元件模型非线性产生机理表示成等效电路来模拟功放的输出，无法用数学方式准确的表达，而行为模型只考虑系统输入输出信号之间的数学关系，可以很好的应用在理论分析中。

功率放大器的非线性行为模型可以分为两种：无记忆非线性模型和记忆非线性模型。无记忆行为模型应用于窄带功率放大器，因为在给定温度和直流偏置情况下，模型是输入信号的静态函数，AM/AM和AM/PM特性是不变化的；而记忆非线性模型应用于宽带功率放大器，因为匹配电路设计的单频性、直流偏置电路和晶体管的发热都会产生记忆效应。

目前提出的功率放大器行为模型主要有：无记多项式模型、Saleh模型、Wiener模型、Hammerstein模型、Volterra模型、记忆多项式模型以及神经网络模型等。除了神经网络模型外，其他行为模型都是基于Volterra模型基础上的改进和修正模型。神经网络虽然是非线性动态系统建模的有效方法，但是大多数神经网络模型都是采用多层感知器的结构，难提取出模型参数，其复杂的多层结构在一定程度上制约了预失真的实现和应用。

Volterra级数常作为通用的记忆非线性模型，并被许多研究者运用以描述功率放大器输入和输出的关系。但经典的Volterra模型由于包含所有的非线性和记忆性项，其核系数呈指数增长，因此实际运用中比较困难。近年来，很多学者提出了很多基于传统Volterra模型的简化模型，但模型的系数数量还是会随着系统的非线性和记忆深度的增加而急剧增大，使得这些模型适用频带较窄的系统，无法满足现代宽带通信系统的要求。

发明内容

本发明所要解决的技术问题是针对上述背景技术的不足，提供了利用Volterra模型计算功率放大器输出量的方法。

本发明为实现上述发明目的采用如下技术方案：

利用Volterra修正模型计算功率放大器输出量的方法，包括如下步骤：

步骤1，设定每个输入项信号的修正约束条件：α∑m+β*p≤-lnε，

其中：α、β和ε为修正系数，p为每个输入项信号的非线性系数，∑m为所有输入项信号的记忆深度和；

步骤2，测量功率放大器的输入功率P_in、增益G、q阶交调分量I_q，计算修正系数α、β和ε，q为大于1的奇数，确定步骤1所述的修正约束条件表达式：

其中：ϵ=Pin×10-Iq/20G,]]>