[发明专利]用于功率放大器的基于机器学习的数字预失真

说明书

示例实施例涉及基于机器学习的功率放大器数字预失真。设备可以利用功率放大器来放大信号并且发送信号。信号可以由设备的内部反馈接收器接收。设备可以还包括第一机器学习模型，该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内部反馈信号生成仿真的反馈信号。该设备可以还包括第二机器学习模型，该第二机器学习模型被配置为基于仿真的反馈信号来确定用于功率放大器的数字预失真参数。装置，方法，和计算机程序被公开。

技术领域

本申请总体上涉及到功率放大器。具体地，本发明的一些示例实施例涉及用于功率放大器的基于机器学习的数字预失真。

背景技术

功率放大器影响通信系统的性能和吞吐量。例如，功率放大器的非线性可以生成光谱的再生长(re-growth)，这会导致相邻信道干扰或违反监管机构(regulatory body)规定的带外传输标准。此外，非线性可以引起带内失真，该失真使误差向量的幅度劣化，并最终使误码率(BER)和数据吞吐量劣化。机器学习(ML)或其他自动化过程可以被用于不同类型的设备(诸如，例如移动电话)中的不同应用。通常，机器学习使计算模型，例如神经网络，能被训练以对输入数据执行特定任务。

发明内容

该发明内容被提供来以简化形式介绍概念的选择，该概念的选择在以下具体实施方式中被进一步描述。该发明内容的目的并非旨在标识所要求的主题的关键特性或基本特性，也不旨在被用于限制所要求的主题的范围。

示例实施例改进对用于功率放大器的数字预失真参数的确定。该有益效果可以由独立权利要求的特性实现。进而，实现形式在独立权利要求、说明书以及附图中被提供。

根据一方面，提供一种装置，可以包括发送器，被配置为发送信号，其中该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，被配置为基于仿真的反馈信号，确定用于功率放大器的数字预失真参数。

根据一方面，提供一种方法，可以包括：发送信号，其中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信号获得内部反馈信号；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，基于仿真的反馈信号来确定用于功率放大器的数字预失真参数。

根据一方面，提供一种系统，可以包括参考设备，被配置为发送测试信号集，该参考设备包括内部反馈接收器，该内部反馈接收器被配置为接收测试信号集以获得内部反馈信号；外部反馈接收器，被配置以接收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以仿真外部反馈接收器、并且基于内部反馈信号来生成仿真的反馈信号的部件，其中对第一基线模型的训练基于的是内部反馈信号以及从外部反馈接收器接收到的外部反馈信号；用于训练第二基线机器学习模型以基于仿真的反馈信号来确定用于参考设备的功率放大器的数字预失真参数的部件，其中对第二基线机器学习模型的训练基于的是仿真的反馈信号和测试信号集。

根据一方面，提供一种方法，可以包括：由参考设备发送测试信号集，该参考设备包括内部反馈接收器，该内部反馈接收器被配置为接收测试信号集以获得内部反馈信号集；训练第一基线机器学习模型以仿真外部反馈接收器，并且基于内部反馈信号来生成仿真的反馈信号，其中对第一基线模型的训练基于的是内部反馈信号以及从外部反馈接收器接收到的外部反馈信号，该外部反馈信号对应于测试信号集；训练第二基线机器学习模型，以基于仿真的反馈信号来确定用于参考设备的功率放大器的数字预失真参数，其中对第二基线机器学习模型的训练基于的是仿真的反馈信号和测试信号集。

根据一方面，提供一种计算机程序，可以包括指令，该指令用于使装置至少执行以下操作：传输信号，其中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信号接收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、基于仿真的反馈信号来确定用于功率放大器的数字预失真参数。