[发明专利]一种宽带射频功率放大器建模方法

摘要

本发明涉及一种宽带射频功率放大器建模方法。本发明将无记忆非线性标称模型与记忆非线性辨识模型并联起来实现对功率放大器PA的建模。本发明充分利用了PA的先验知识，将传统的无记忆非线性标称模型与记忆非线性辨识模型相结合的混合建模思想，实现对宽带射频PA的建模，大大改善PA模型的整体性能。

主权项

1、一种宽带射频功率放大器建模万法，其特征在于包括如下步骤：步骤(1)首先对无记忆非线性标称模型和记忆非线性辨识模型的参数αρ、βρ、αθ、βθ、Ck，q初始化并给定逼近精度ε；步骤(2)构造功率放大器PA的无记忆非线性标称模型，假设功率放大器的输入信号为xRF(t)＝r(t)cos[ωct+θ(t)]其中ωc是载波频率，r(t)为调制信号包络幅度，θ(t)是调制信号相位，t是时间变量，则射频功率放大器的射频信号输出的数学表达式为：yRF(t)＝G[r(t)]cos{ωct+θ(t)+ψ[r(t)]}其中G[r(t)]用于表征输入信号幅度引起的输出信号幅度的变换公式，ψ[r(t)]用于表征输入信号幅度引起的输出信号相位的变换公式：对于沙尔赫模型而言，则$G\left[r\left(t\right)\right]=\frac{{\alpha }_{p}r\left(t\right)}{1+{\beta }_{p}r{\left(t\right)}^2}$ \psi \left[r\left(t\right)\right]=\frac{{\alpha }_{\theta }r{\left(t\right)}^2}{1+{\beta }_{\theta }r{\left(t\right)}^2}\alpha \rho ，\beta \rho ，\alpha \theta ，\beta \theta 均为模型的幅度和相位转化参数，改变这几个参数，可以描述不同的射频功率放大器；射频功率放大器的实际输入、输出射频信号为xRF(t)、yRF(t)，但在建模过程中，用复包络信号x(n)、Y(n)来代替xRF(t)、yRF(t)，这称为射频信号的基带等效表示；射频功率放大器的非线性输入输出关系G(·)通常由幅度非线性(AM/AM转换)A(|x(n)|)和相位非线性(AM/PM转换)P(|x(n)|)来表示，则$ Y\left(n\right)=G\left[x\left(n\right)\right]=A\left(\right|x\left(n\right)\left|\right)e^{j\{\angle x\left(n\right)+P\left(\right|x\left(n\right)\left|\right)\}}x(n)表示射频功率放大器的输入复包络信号，Y(n)表示射频功率放大器的输出复包络信号；对于沙尔赫模型而言，则$ A\left(\right|x\left(n\right)\left|\right)=\frac{{\alpha }_{\rho }\left|x\left(n\right)\right|}{1+{\beta }_{\rho }{\left|x\left(n\right)\right|}^2}$ P\left(\right|x\left(n\right)\left|\right)=\frac{{\alpha }_{\theta }{\left|x\left(n\right)\right|}^2}{1+{\beta }_{\theta }{\left|x\left(n\right)\right|}^2}则射频功率放大器无记忆非线性标称模型的信号输出的数学表达式为：$ y_a\left(n\right)=Y\left(n\right)=\frac{{\alpha }_{\rho }\left|x\left(n\right)\right|}{1+{\beta }_{\rho }{\left|x\left(n\right)\right|}^2}{e}^{j\{\angle x\left(n\right)+\frac{{\alpha }_{\theta }{\left|x\left(n\right)\right|}^2}{1+{\beta }_{\theta }{\left|x\left(n\right)\right|}^2}\}}步骤(3)同时，构造PA的记忆非线性辩识模型，功率放大器记忆非线性辨识模型的信号输出的数学表达式为：$ y_b\left(n\right)=\underset{k=1}{\overset{K}{\Sigma }}\underset{q=0}{\overset{Q}{\Sigma }}{C}_{k,q}·x(n-q)·{\left|x(n-q)\right|}^{k-1}式中Ck，q代表记忆非线性辨识模型的参数，x(n-q)是射频功率放大器的输入信号x(n)延迟q，即n-q时刻射频功率放大器的输入信号，yb(n)表示n时刻射频功率放大器的输出信号，K是多项式模型的阶数，Q是射频功率放大器的记忆长度；步骤(4)合并步骤(2)和步骤(3)得到射频功率放大器的混合模型输出信号可以表示为：$ y\left(n\right)=y_a\left(n\right)+y_b\left(n\right)=$ \frac{{\alpha }_{\rho }\left|x\left(n\right)\right|}{1+{\beta }_{\rho }{\left|x\left(n\right)\right|}^2}{e}^{j\{\angle x\left(n\right)+\frac{{\alpha }_{\theta }{\left|x\left(n\right)\right|}^2}{1+{\beta }_{\theta }{\left|x\left(n\right)\right|}^2}\}}+\underset{k=1}{\overset{K}{\Sigma }}\underset{q=0}{\overset{Q}{\Sigma }}{C}_{k,q}·x(n-q)·{\left|x(n-q)\right|}^{k-1}步骤(5)参数识别的目标是使并联辨识模型的输出值y(n)与PA实际输出值ypa(n)的误差充分小，因此，定义误差error信号为error＝ypa(n)-y(n)根据误差error信号来判断是否满足逼近精度\epsilon 要求\; 若error＜\epsilon ，则结束模型辨识，若不是，执行步骤(6)；步骤(6)对于步骤(4)中的参数Ck，q进行识别，采用参数识别算法不断地调整Ck，q\; 参数，以使误差error信号达到最小满足逼近精度\epsilon 。$$$$$$$$$