[发明专利]一种基于云平台的数字预失真线性化参数提取方法

说明书

本发明公开了一种基于云平台的数字预失真线性化参数提取方法，数字预失真硬件平台包括矢量信号发生器、功率放大器、频谱分析仪、衰减器、耦合器和负载，矢量信号发生器和功率放大器连接，衰减器和耦合器连接，耦合器分别与频谱分析仪和负载连接，云平台包括测量服务器和多个数据库，每个数据库分别与多个测量服务器连接，多个测量服务器分别与应用服务器连接，应用服务器通过互联网与和客户终端连接，测量服务器分别与矢量信号发生器和频谱分析仪连接；优点是可以降低硬件使用成本，成本较低，有效提高数字预失真线性化效率，且能满足多功放并发请求数字预失真线性化的处理需求。

技术领域

本发明涉及一种数字预失真线性化参数提取方法，尤其是涉及一种基于云平台的数字预失真线性化参数提取方法。

背景技术

功率放大器的主要作用是将已调信号放大到需要的功率，它是现代无线通信系统中不可或缺的关键部件。但功率放大器本身具有的非线性特性，一方面导致信号在带外引起频谱再生或扩展，干扰邻近信道，另一方面在带内引起传输信号失真，导致误码率性能下降。特别是在宽带通信中，记忆效应呈现明显，严重地影响了通信系统的正常传输。

目前，射频功率放大器主要采用数字预失真技术来避免对邻近信道的干扰及信号经过非线性射频功放后产生的失真。随着无线通信技术的发展，传输信号从3G到4G甚至5G，通信容量不断增加，而且趋向采用高效率调制模式提高传输速率，因此数字预失真建模中涉及到的参数训练数据量和计算量越来越大，对功率放大器的线性度、稳定性、高效性和自适应性等要求也越来越高。传统的数字预失真系统基于硬件芯片技术，但硬件实现数字预失真在电路中会产生环路延迟问题，并需要昂贵的设备支持、系统成本高、功耗大、稳定性差，并且不支持对多功放预失真参数提取的统一协调、集中化管理和并行处理。

数字预失真系统的有效性很大程度上依赖于对功率放大器PA非线性建模的精度，目前提出的建模类型很多，其中包括Saleh模型、记忆多项式模型、Wiener模型、Hammerstein模型、Volterra模型及其裁剪模型、神经网络模型等，很多模型都存在算法复杂收敛困难等问题，并且这些模型对训练计算的服务器要求也越来越高。其中基于神经网络的预失真方法具有较好的线性化效果，对于训练非线性模型是较为高效的解决方案，但是实际应用情况却是因数据训练时间长，易陷入局部收敛，海量数据无法适应实际需求等问题无法有效实施。同时对于传统预失真系统，反馈并采集回的IQ两路信号对处理器速度的要求也越来越高，硬件开销大，例如目前数字预失真采样带宽至少需要信号带宽的3～5倍。随着通信带宽增宽，如LTE-Advanced五载波信号，已经拥有100MHz的信号带宽，按照预失真反馈通道需求五倍采样率计算，则需要500MSPS的采样速率，若采用中频信号处理则需要1GSPS的采样速率，这样的A/D非常昂贵，通常限购或无原器件，因此大大增加了预失真实施难度。另一方面，随着应用的扩展，多个功放系统的预失真并发处理需求也在不断增长，专业实验环境不能满足用户远程使用需求。

随着云时代的到来和云计算技术的日趋成熟，云平台的体系结构具有数据共享、资源充分利用和降低成本等特点。鉴此，设计一种可以降低硬件使用成本，有效提高数字预失真线性化效率，且能满足多功放并发请求数字预失真线性化处理需求的基于云平台的数字预失真线性化参数提取方法具有重要意义。

发明内容

本发明所要解决的技术问题是提供一种可以降低硬件使用成本，有效提高数字预失真线性化效率，且能满足多功放并发请求数字预失真线性化处理需求的基于云平台的数字预失真线性化参数提取方法。

本发明解决上述技术问题所采用的技术方案为：一种基于云平台的数字预失真线性化参数提取方法，包括以下步骤：

(1)构建数字预失真硬件平台：所述的数字预失真硬件平台包括用于产生矢量信号的矢量信号发生器、用于矢量信号分析的频谱分析仪、功率放大器、衰减器、耦合器和负载；