[发明专利]一种融合多线性乘子的自适应预失真算法

说明书

技术领域

本发明涉及通信的数字预失真领域，特别涉及一种融合多线性乘子的自适应预失真算法。

背景技术

当今社会，伴随着信息技术水平的日益提高，无限信息技术在社会生活的应用性越来越突出。在现有的局域网体系中，CMMB直放站能够实现网络距离的有效延长，以及信号质量水平的提高，而且其成本相对较低，故此在局域网中的应用是十分普遍的。然而，CMMB直放站在应用中仍是存在较大问题和不足之处的，具体体现在峰均功率比(PAPR，peak to average power ratio)是相对较大的，而且对于噪声表现为较强的敏感性。此外，在CMMB信号的作用下，HPA工作往往是处于饱和状态的，此时会导致幅度(AM-AM)与相位的失真(AM-PM)，而这就会引发带内失真，并且会产生邻道干扰(adjacent channel interference)，这就对整个系统的性能产生了影响，故此，应该不断增强直放站系统HPA具有的线性放大功能。

当前，很多学者认为在众多的HPA线性化方法中，自适应数字失真属于最具发展潜力的。尽管当前针对此方法是存在多种技术手段的，然而整体上是可将其划分为如下几类的：1)基于查找表(LUT)的预失真器，该方法的操作简单但是收敛速度相对较慢；2)基于Volterra级数预失真器，该算法其实具有较快的收敛速度的，但是相较之下，当阶数增加时需要经过的迭代次数会呈现出线性增加，这就使得计算过大；3)由多线性乘子构成的预失真器，利用BP多线性乘子(BPNN)是能够有效的逼近任何一宗多线性函数的，对于HPA具有的基本特征如，AM/AM、AM/PM、以及其伸缩、多线性等功能是能够较好的模拟的。

BPNN模型能够实现对HPA问题伸缩特性的较好拟合，具有的优势是十分显然的，同样的该模型是存在其不足之处的，具体体现在：计算复杂度高、涉及的网络产量多等。

发明内容

本发明旨在解决现有技术中存在的技术问题，特别创新地提出了一种融合多线性乘子的自适应预失真算法。

为了实现本发明的上述目的，本发明提供了一种融合多线性乘子的自适应预失真算法，其包括如下步骤：

S1：选择Saleh结构的HPA模型；

S2：构建新的多线性乘子自适应预失真器；

S3：将FIR-NLNN模型应用到多线性乘子结构之中；

S4：B样条优化算法；

S5：卡尔曼-B样条优化算法。

本发明提出了一种基于BP多线性乘子的自适应预失真器模型(SEMLM)。在SEMLM模型中，充分发挥了卡尔曼方法与B样条算法的优势，实现了两者的优势互补，将其投入到了网络训练优化之中，有效改善了过拟合现象，同时具有更加轻便、简单的网络结构，计算量更小，而且实现了乘法与加法操作次数的大幅降低，降低幅度为75％。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明融合多线性乘子的自适应预失真算法流程图；

图2是本发明的SEMLM结构图；

图3是本RMLM结构图；

图4是本发明中间接多线性乘子学习结构图；

图5是预失真前功放的AM/AM特性图；

图6是预失真前功放的AM/PM特性图；

图7是预失真后功放的AM/AM特性图；

图8是预失真后功放的AM/PM特性图；

图9预失真器B样条算法的均方误差曲线图；

图10是本发明B样条算法与卡尔曼算法的收敛曲线图；

图11是功放预失真前后功率谱图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明公开了一种融合多线性乘子的自适应预算失真算法，如图1所示，其包括如下步骤：

S1：选择Saleh结构的HPA模型；

S2：构建新的多线性乘子自适应预失真器；

S3：将FIR-NLNN模型应用到多线性乘子结构之中；

S4：B样条优化算法；

S5：卡尔曼-B样条优化算法。