[发明专利]用于功率放大器的基于机器学习的数字预失真

权利要求书

1.一种装置，包括：

发送器，被配置为发送信号，其中所述发送器包括功率放大器；

内部反馈接收器，被配置为接收发送的所述信号以获得内部反馈信号；

第一机器学习模型，被配置为仿真外部反馈接收器，并且基于所述内部反馈信号生成仿真的反馈信号；

第二机器学习模型，被配置为基于所述仿真的反馈信号，确定用于所述功率放大器的数字预失真参数。

2.根据权利要求1的所述的装置，其中所述内部反馈接收器的带宽低于所述外部反馈接收器的带宽，并且/或者其中所述内部反馈接收器的动态范围低于所述外部反馈接收器的动态范围。

3.根据权利要求1或权利要求2的所述的装置，还包括：

用于基于所述数字预失真参数使所述功率放大器线性化的部件，其中所述数字预失真参数包括所述第二机器学习模型的子集。

4.根据权利要求1至3中任一项所述的装置，还包括：

用于基于所述仿真的反馈信号和响应于以下一项的信号来重新训练所述第二机器学习模型：

检测到重新训练时段的到期；

检测到所述功率放大器的性能的改变；

检测到所述信号的至少一个传输参数的更新；或者

从网络节点接收到用以执行重新训练的指令。

5.根据任一项前述权利要求所述的装置，还包括：

用于从所述外部反馈接收器接收外部反馈信号的部件；

用于基于所述内部反馈信号和所述外部反馈信号来训练所述第一机器学习模型的部件；

用于基于所述信号和所述仿真的反馈信号来训练所述第二机器学习模型的部件。

6.根据权利要求5的所述装置，还包括：

用于利用第一基线机器学习模型来初始化所述第一机器学习模型的部件，所述第一基线机器学习模型利用至少一个参考设备而被训练，以及

用于利用第二基线机器学习模型的子集来初始化所述第二机器学习模型的部件，所述第二基线机器学习模型利用所述至少一个参考设备而被训练。

7.根据权利要求5或权利要求6所述的装置，其中所述第一机器学习模型包括生成对抗性网络(GAN)的生成器网络。

8.一种方法，包括：

发送信号，其中所述信号利用功率放大器被放大；

由内部反馈接收器接收发送的所述信号以获得内部反馈信号；

仿真外部反馈接收器，并且利用第一机器学习模型、基于所述内部反馈信号来生成仿真的反馈信号；

利用第二机器学习模型，基于所述仿真的反馈信号来确定用于所述功率放大器的数字预失真参数。

9.一种系统，包括：

参考设备，被配置为发送测试信号集，所述参考设备包括内部反馈接收器，所述内部反馈接收器被配置为接收所述测试信号集以获得内部反馈信号；

外部反馈接收器，被配置为接收所述测试信号集以获得外部反馈信号；

用于训练第一基线机器学习模型用以仿真所述外部反馈接收器并且用以基于所述内部反馈信号来生成仿真的反馈信号的部件，其中对所述第一基线模型的所述训练基于的是所述内部反馈信号以及从所述外部反馈接收器接收到的所述外部反馈信号；

用于训练第二基线机器学习模型以基于所述仿真的反馈信号来确定用于所述参考设备的功率放大器的数字预失真参数的部件，其中对所述第二基线机器学习模型的训练是基于的是所述仿真的反馈信号和所述测试信号集。