基于矢量閾值分解的新型MCFR-DPD方案

王晶琦,陶 詹,王新浩,吳 文

(南京理工大學(xué) 電子工程與光電技術(shù)學(xué)院,江蘇 南京 210094)

對(duì)于功率放大器來(lái)說(shuō),功率效率和線性度是一對(duì)極難調(diào)和的矛盾。正交頻分復(fù)用(Orthogonal frequency division multiplexing,OFDM)技術(shù)被廣泛應(yīng)用于無(wú)線通信系統(tǒng)中,但OFDM信號(hào)高峰均比[1]的特性進(jìn)一步加劇了功率放大器功率效率與線性度之間的矛盾[2]。在當(dāng)今無(wú)線通信系統(tǒng)中,設(shè)計(jì)高效率和高線性度的射頻功率放大器成為了亟待解決的關(guān)鍵技術(shù)[3]。

峰值因子降低(Crest factor reduction,CFR)技術(shù)的原理在于減小信號(hào)峰值從而降低信號(hào)的峰均比(Peak to average power ratio,PAPR),信號(hào)峰均比降低后功放在平均功率工作點(diǎn)對(duì)輸出峰值功率進(jìn)行回退的值就可以降低,從而提高了功放效率。數(shù)字預(yù)失真[4](Digital predistortion,DPD)技術(shù)是一種有效的在高效率區(qū)補(bǔ)償功放的非線性和記憶效應(yīng)的方法。

不少文獻(xiàn)考慮將數(shù)字預(yù)失真技術(shù)與峰值因子降低技術(shù)相結(jié)合使用,從而實(shí)現(xiàn)同時(shí)提高功放效率和線性度的目的。文獻(xiàn)[5]提出兩種降低峰均比的方法來(lái)改善高功率放大器的功率效率,雖然兩種降低峰均比的方法都能降低峰值功率,但不足以抑制帶外輻射,因此考慮引入預(yù)失真技術(shù)限制頻譜再生從而改善系統(tǒng)整體的非線性。文獻(xiàn)[6,7]將CFR模塊應(yīng)用于DPD模塊之前,提高線性化的有效性,并且減少功率的回退從而增加效率。文獻(xiàn)[8]提出了一種結(jié)合高速數(shù)字時(shí)域發(fā)射機(jī)均衡和高速DPD的線性化技術(shù)。為了提高動(dòng)態(tài)非線性模型對(duì)寬帶系統(tǒng)建模的精度,又提出了一種基于記憶多項(xiàng)式的動(dòng)態(tài)非線性模型。為了避免經(jīng)DPD之后信號(hào)峰均比再次變大從而可能導(dǎo)致功放被過(guò)驅(qū)動(dòng),需要在DPD模塊之后加一個(gè)包絡(luò)削波模塊[9]。以上基于CFR和DPD相結(jié)合的方案都是將CFR模塊獨(dú)立應(yīng)用于DPD模塊之前[10],系統(tǒng)都有較高的運(yùn)行復(fù)雜度,鑒于此,一種模型化峰值因子降低-數(shù)字預(yù)失真(Modeled crest factor reduction-digital predistortion,MCFR-DPD)聯(lián)合模塊化的技術(shù)[11]被提出,MCFR模塊應(yīng)用于DPD模塊的輸出信號(hào),最終的效果相當(dāng)于在DPD系數(shù)中引入穩(wěn)態(tài)偏移來(lái)降低預(yù)失真后信號(hào)的峰值,此方案有效地將DPD模塊、CFR模塊和包絡(luò)削波模塊組合成一個(gè)模塊[9]。在以上工作的基礎(chǔ)上,本文分析了CFR和DPD模塊各自的特性,對(duì)輸入信號(hào)進(jìn)行矢量閾值分解,提出了基于矢量閾值分解的新型MCFR-DPD方案,降低了削峰對(duì)系統(tǒng)DPD效果的抑制影響,從而提高了系統(tǒng)的線性度。

1 數(shù)字預(yù)失真與峰均比降低

1.1 數(shù)字預(yù)失真技術(shù)

預(yù)失真技術(shù)即在功率放大器之前增加與其特性相反的非線性系統(tǒng)[12,13],來(lái)補(bǔ)償功率放大器的非線性特性。預(yù)失真技術(shù)原理如圖1所示。

圖1 預(yù)失真原理圖

數(shù)字預(yù)失真核心研究?jī)?nèi)容即如何構(gòu)建高精度預(yù)失真器行為模型,本文對(duì)數(shù)字預(yù)失真器建模選用記憶多項(xiàng)式[14,15](Piecewise memory polynomial,PMP)模型。

間接學(xué)習(xí)結(jié)構(gòu)不需要對(duì)功放行為模型進(jìn)行建模,并且可采用常見(jiàn)的線性濾波算法[16]進(jìn)行模型參數(shù)的提取,實(shí)現(xiàn)思路簡(jiǎn)單,因此本文基于間接學(xué)習(xí)結(jié)構(gòu)來(lái)提取預(yù)失真器系數(shù),數(shù)字預(yù)失真技術(shù)中預(yù)失真器參數(shù)的提取[2]選擇在軟件上易于實(shí)現(xiàn)的最小二乘(Least square,LS)算法。

1.2 峰均比降低技術(shù)

信號(hào)的峰均比是指信號(hào)的峰值功率與平均功率的比值。信號(hào)的PAPR降低技術(shù),主要可分為三大類(lèi):預(yù)畸變類(lèi)技術(shù)、編碼類(lèi)技術(shù)、概率類(lèi)技術(shù)[17,18]。信號(hào)預(yù)畸變類(lèi)技術(shù),比如直接限幅、限幅濾波,是最早提出來(lái)的一種抑制峰均比的技術(shù),也是最簡(jiǎn)單直觀和有效的峰均比抑制技術(shù)[19]。考慮到技術(shù)復(fù)雜度與實(shí)現(xiàn)難度,本文選擇最簡(jiǎn)單的直接限幅。對(duì)輸入信號(hào)x(n)進(jìn)行直接限幅操作,限幅后的信號(hào)表示為

(1)

式中:A=CR·σ是限幅的門(mén)限值,也即信號(hào)的閾值,B(n)為復(fù)信號(hào)x(n)的相位,CR為限幅率,σ為信號(hào)功率的均方根,高于閾值部分的信號(hào)記為Cclip(n)=x(n)-xHC(n)。

1.3 傳統(tǒng)的峰均比降低技術(shù)與預(yù)失真技術(shù)結(jié)合方案

功率放大器(Power amplifier,PA)的功率效率和線性度取決于其工作點(diǎn)。高效率通常對(duì)應(yīng)于差的線性度。為了優(yōu)化效率/線性度權(quán)衡,CFR技術(shù)通常與DPD一起實(shí)施,以控制PA工作點(diǎn)[20]。經(jīng)典的峰均比降低技術(shù)與預(yù)失真技術(shù)相結(jié)合的方案是將CFR模塊與DPD模塊級(jí)聯(lián)起來(lái)使用[21,22]。CFR模塊的目的是降低輸入信號(hào)的峰均比。功率放大器作為非線性器件,當(dāng)其工作在非線性區(qū)時(shí)會(huì)呈現(xiàn)出增益壓縮的特性,越接近飽和區(qū),增益壓縮得越嚴(yán)重。作為功放逆模型的數(shù)字預(yù)失真器勢(shì)必會(huì)對(duì)輸入在非線性區(qū)的信號(hào)進(jìn)行增益擴(kuò)張,以補(bǔ)償后面級(jí)聯(lián)的功放將引起的壓縮增益。經(jīng)典的CFR與DPD相結(jié)合的方案中DPD模塊在CFR模塊之后應(yīng)用,這使得削峰后PAPR降低了的信號(hào)經(jīng)過(guò)DPD峰均比再次增大。為了防止功率放大器被高PAPR信號(hào)過(guò)驅(qū)動(dòng)造成損傷,功率放大器設(shè)計(jì)時(shí)應(yīng)該對(duì)高峰值信號(hào)承受能力留有一定裕量,設(shè)置的最大承受的信號(hào)PAPR應(yīng)該包括這個(gè)裕量。通常在DPD模塊后加一個(gè)包絡(luò)削波模塊,如圖2所示,輸入功率放大器的信號(hào)的PAPR如果超過(guò)設(shè)定的PAPR的閾值,則會(huì)被包絡(luò)削波模塊削掉超出的部分。

圖2 加入包絡(luò)削波模塊的CFR與DPD結(jié)合方案

以上傳統(tǒng)的CFR與DPD結(jié)合的方案中,CFR模塊往往獨(dú)立應(yīng)用于DPD模塊之前,系統(tǒng)的運(yùn)行復(fù)雜度較高。文獻(xiàn)[9]提出一種CFR-DPD聯(lián)合模塊化的方案,削峰針對(duì)預(yù)失真后的信號(hào),CFR模塊采用非線性系統(tǒng)建模的方式進(jìn)行,并且對(duì)CFR模塊建模選用與DPD模塊相同的模型基函數(shù),稱(chēng)為MCFR模塊。此方案將MCFR模塊、DPD模塊以及包絡(luò)削波模塊有機(jī)地整合為一個(gè)模塊,大大降低了系統(tǒng)的運(yùn)行復(fù)雜度。但是該方案在應(yīng)用時(shí)忽略了CFR技術(shù)的物理意義,使得MCFR模塊對(duì)預(yù)失真后原本不需要進(jìn)行削峰的部分輸入信號(hào)也進(jìn)行了處理,引入了不必要的失真,導(dǎo)致系統(tǒng)線性化效果變差。針對(duì)這一問(wèn)題,本文提出了基于矢量閾值分解的新型MCFR-DPD方案。

2 基于矢量閾值分解的新型MCFR-DPD方案

2.1 傳統(tǒng)MCFR-DPD技術(shù)聯(lián)合模塊系數(shù)提取

傳統(tǒng)MCFR-DPD技術(shù)聯(lián)合模塊系數(shù)的提取方法如圖3所示,CFR模塊針對(duì)預(yù)失真后的信號(hào),也即對(duì)DPD之后的信號(hào)直接進(jìn)行限幅處理,假定超出設(shè)定的閾值的那一部分信號(hào)為Cclip,建模時(shí)輸入信號(hào)仍選用系統(tǒng)的輸入,對(duì)MCFR模塊以非線性系統(tǒng)行為建模的方式進(jìn)行,選用的模型與DPD選用的模型一樣,只有這樣才是真正意義上的將DPD模塊與CFR模塊整合為一個(gè)模塊。

圖3 MCFR-DPD技術(shù)的聯(lián)合模塊系數(shù)提取方法

假設(shè)提取的沒(méi)有經(jīng)過(guò)峰值因子降低的預(yù)失真信號(hào)對(duì)應(yīng)的DPD系數(shù)為A=[a10,…,aK0,…a1Q,…,aKQ]T,經(jīng)過(guò)峰值因子降低后超出設(shè)定的閾值A(chǔ)的那一部分信號(hào)Cclip對(duì)應(yīng)的MCFR模塊的系數(shù)為B=[b10,…,bK0,…b1Q,…,bKQ]T,其中K為MP模型非線性階數(shù),Q為MP模型記憶深度,則MCFR-DPD聯(lián)合模塊的系數(shù)θ=A-B。

由上述分析,MCFR-DPD聯(lián)合模塊的系數(shù)θ=A-B相當(dāng)于在提取的DPD系數(shù)中引入穩(wěn)態(tài)偏移,最終可以實(shí)現(xiàn)降低預(yù)失真后信號(hào)也即功放輸入信號(hào)峰均比的目的。方案中模塊的系數(shù)提取均可以離線進(jìn)行,因此,聯(lián)合方案的運(yùn)行復(fù)雜度與只進(jìn)行DPD的系統(tǒng)復(fù)雜度相當(dāng),只是多了一些系數(shù)的減法運(yùn)算,與以往經(jīng)典的CFR模塊與DPD模塊獨(dú)立應(yīng)用的方案相比降低了運(yùn)行復(fù)雜度。

本文進(jìn)一步對(duì)傳統(tǒng)MCFR-DPD技術(shù)進(jìn)行分析,發(fā)現(xiàn)該技術(shù)僅將CFR和DPD簡(jiǎn)單結(jié)合,并未考慮兩者間相互影響。在對(duì)MCFR進(jìn)行建模時(shí),輸入信號(hào)使用的是全部幅度范圍的輸入信號(hào),但從CFR技術(shù)的物理意義考慮,直接限幅方法應(yīng)只影響大于削峰閾值的相應(yīng)部分輸入信號(hào),傳統(tǒng)聯(lián)合方案中的CFR模塊會(huì)對(duì)小于閾值的輸入信號(hào)引入不必要的失真,從而降低DPD模塊的線性化效果。鑒于此,本文考慮將輸入信號(hào)進(jìn)行分段,將DPD模型和CFR模型都分解為分段式模型,將直接限幅引入的帶內(nèi)和帶外誤差限制在信號(hào)幅值較大的分段區(qū)間,也即非線性較為嚴(yán)重的區(qū)域,不讓其對(duì)小于閾值的弱非線性區(qū)域的信號(hào)產(chǎn)生影響,這樣做可以將削峰對(duì)系統(tǒng)DPD效果的抑制影響盡可能降低,從而提高系統(tǒng)的線性度。

2.2 矢量閾值分解技術(shù)

模型構(gòu)建和使用過(guò)程中,經(jīng)常用到信號(hào)分段技術(shù)。傳統(tǒng)的分段方法,是將輸入信號(hào)按閾值幅度劃分,大于閾值幅度的信號(hào)為大信號(hào),小于閾值幅度的信號(hào)為小信號(hào),為保證兩組信號(hào)個(gè)數(shù)與原信號(hào)一致,大信號(hào)中原本小于等于閾值的部分和小信號(hào)中原本大于閾值的部分都被賦零,如圖4所示。這種分段方法直觀且簡(jiǎn)便,但兩組信號(hào)在閾值分界處都有突變,應(yīng)用到DPD建模中,常導(dǎo)致輸出信號(hào)在分界處出現(xiàn)跳變。

圖4 傳統(tǒng)分段方法

矢量閾值分解技術(shù),其閾值以復(fù)信號(hào)平面的一個(gè)矢量圓的形式出現(xiàn),分解信號(hào)時(shí),將小信號(hào)中原本大于閾值部分的幅度賦為閾值幅度,其相位保持原信號(hào)相位不變,而大信號(hào)部分則直接復(fù)制為原信號(hào)與閾值的差值,其相位信息依然保持不變,如圖5所示。經(jīng)過(guò)矢量閾值分解后的信號(hào),不僅在幅度上避免了大幅突變,更得以保留其相位信息,對(duì)其進(jìn)行分段模型建模,可避免出現(xiàn)輸出跳變的情況。

圖5 矢量閾值分解方法

在對(duì)預(yù)失真模塊以及削峰模塊建模前應(yīng)當(dāng)先確定好模塊建模所需要的分段閾值。本文主要涉及的閾值有兩個(gè),一個(gè)是分段DPD的閾值th1,另一個(gè)是CFR削峰的閾值th2。其中,分段DPD的閾值主要根據(jù)功放AM/AM特性圖中線性與非線性的臨界點(diǎn)來(lái)決定,通常取其切線斜率變化處[23]。而CFR削峰的閾值則需要結(jié)合本文方案進(jìn)行綜合考慮。

本文所提方法僅對(duì)DPD矢量閾值分解后的大信號(hào)部分(即大于th1的信號(hào))進(jìn)行CFR處理,小信號(hào)部分與CFR無(wú)關(guān),因此,從原理上應(yīng)保證th2≥th1。而由于DPD模塊本身為非線性模塊,經(jīng)過(guò)DPD模塊后的信號(hào)會(huì)有失真,其峰均比與原始輸入信號(hào)不同,因此,在選擇th2時(shí)須考慮DPD模塊引起的畸變。圖6為DPD模塊的AM/AM曲線。圖中所取點(diǎn)的x坐標(biāo)即為th1。本文選取輸入th1時(shí)對(duì)應(yīng)的模塊輸出幅度為th2,這樣可以保證所有的大信號(hào)都進(jìn)行CFR處理,而小信號(hào)不會(huì)受其影響。

圖6 DPD模塊的AM/AM曲線

2.3 基于矢量閾值分解的新型MCFR-DPD方案

本文基于矢量閾值分解技術(shù),將輸入信號(hào)分為兩段,分段后的兩個(gè)子信號(hào)分別為大信號(hào)x1(n)和小信號(hào)x2(n),設(shè)分段閾值為實(shí)數(shù)λ,分解后的子信號(hào)如下

(2)

(3)

式中:|x(n)|是x(n)的幅度值,φ為x(n)的相位。

圖7 基于矢量閾值分解的新型MCFR-DPD方案應(yīng)用框圖

基于矢量閾值分解的新型MCFR-DPD方案的結(jié)構(gòu)框圖如圖7所示。

基于矢量閾值分解的新型MCFR-DPD方案的方案流程圖如圖8所示。

圖8 方案流程圖

設(shè)上述分段后的兩個(gè)子信號(hào)為xs(n),s=1和2,預(yù)失真后對(duì)應(yīng)的子信號(hào)為

(4)

式中:xs(n)和zs(n)分別表示子信號(hào)的輸入和輸出,將其表示為矩陣形式如下

ZS=XSAS

(5)

最終的輸出是

z(n)=z1(n)+z2(n)

(6)

表示為矩陣形式則為

(7)

系數(shù)的提取用最小二乘法,最小二乘解為

A=(XHX)-1XHZ

(8)

根據(jù)上述LS算法可以求出預(yù)失真器系數(shù)A=[A1,A2]T,然后可以得到矢量閾值分解后的輸入信號(hào)經(jīng)過(guò)數(shù)字預(yù)失真后的輸出信號(hào)z(n),計(jì)算出限幅閾值,對(duì)其進(jìn)行直接限幅。由于限幅閾值th2≥分解閾值th1,超出限幅閾值部分的信號(hào)Cclip只會(huì)與經(jīng)過(guò)矢量閾值分解后的大信號(hào)x2(n)有關(guān),即MCFR模塊的系數(shù)提取是以矢量閾值分解的第二組信號(hào)x2(n)為輸入,以經(jīng)過(guò)預(yù)失真后信號(hào)超出限幅閾值部分的信號(hào)Cclip為輸出而進(jìn)行的,假設(shè)其提取到的系數(shù)矩陣為B,那么最終分段后得到的聯(lián)合CFR-DPD模塊的系數(shù)θ=[A1,A2-B]T。

將輸入信號(hào)分成兩段后,基于矢量閾值分解的新型MCFR-DPD方案實(shí)現(xiàn)流程如下:

(1)基于原始輸入信號(hào),進(jìn)行矢量閾值分解,得到x1(n),x2(n);

(2)設(shè)置合適的非線性階數(shù)K,記憶深度Q,基于式(7)和式(8)得到每一段輸入對(duì)應(yīng)的預(yù)失真系數(shù)A1,A2;

(3)分段后的輸入信號(hào)經(jīng)過(guò)預(yù)失真器,得到其對(duì)應(yīng)的輸出z1(n),z2(n),預(yù)失真后整體的信號(hào)z(n)=z1(n)+z2(n),根據(jù)DPD模塊特性計(jì)算出限幅閾值th2;

(4)對(duì)預(yù)失真后的整體信號(hào)z(n)進(jìn)行直接限幅;

(5)根據(jù)限幅前后的信號(hào)計(jì)算得到Cclip;

(6)基于分段后的第二段輸入信號(hào)x2(n)與Cclip提取出MCFR的系數(shù)B;

(7)計(jì)算出聯(lián)合CFR-DPD模塊的系數(shù)θ=[A1,A2-B]T;

3 仿真結(jié)果對(duì)比分析

3.1 仿真參數(shù)設(shè)置

為了評(píng)估本文所提出的基于矢量閾值分解的新型CFR-DPD方案的性能,在MATLAB中對(duì)其進(jìn)行仿真分析,測(cè)試輸入信號(hào)選擇帶寬為10 MHz、采樣頻率為122.88 MHz的LTE信號(hào),信號(hào)的峰均比為6.62 dB,用6個(gè)抽頭的線性濾波器和Saleh模型級(jí)聯(lián)而成的Hammerstein模型模擬待測(cè)的功率放大器,選用非線性階數(shù)為5,記憶深度為3的MP模型作為預(yù)失真器模型?；谑噶块撝捣纸饧夹g(shù),將信號(hào)分成兩段進(jìn)行處理,取0.8為歸一化輸入信號(hào)幅度的分界點(diǎn),對(duì)預(yù)失真器進(jìn)行建模。

3.2 削峰效果對(duì)比

建模后對(duì)輸入信號(hào)進(jìn)行預(yù)失真,預(yù)失真后信號(hào)的PAPR變大,變?yōu)?0.07 dB。選取限幅比CR=2.5,對(duì)預(yù)失真后的信號(hào)進(jìn)行限幅,即目標(biāo)PAPR=7.96 dB。按照2.3節(jié)基于矢量閾值分解的新型MCFR-DPD方案的實(shí)現(xiàn)流程,得到聯(lián)合CFR-DPD模塊的輸出,也即功放的輸入信號(hào)的PAPR為8.33 dB,削峰后信號(hào)的峰均比降低了1.74 dB。而傳統(tǒng)MCFR-DPD方案,未對(duì)預(yù)失真后的信號(hào)進(jìn)行削峰時(shí)PAPR為10.22 dB。同樣的,選取限幅比CR=2.5,削峰后的信號(hào),也即功放的輸入信號(hào)的PAPR為9.06 dB,信號(hào)的峰均比降低了1.16 dB。

為了能夠清晰直觀地看出兩種方案下削峰效果的對(duì)比,現(xiàn)將兩種方案經(jīng)過(guò)聯(lián)合CFR-DPD模塊處理過(guò)的時(shí)域信號(hào)在一張圖上表示,如圖9所示,為了方便觀察,只選取了5 100到5 500時(shí)刻的時(shí)域信號(hào)。

圖9 削峰效果時(shí)域?qū)Ρ葓D

圖中綠色的曲線表示基于矢量閾值分解技術(shù)僅對(duì)輸入信號(hào)進(jìn)行預(yù)失真處理,預(yù)失真后的信號(hào)在時(shí)域上的幅值,藍(lán)色的曲線表示采用基于矢量閾值分解的新型MCFR-DPD方案預(yù)失真信號(hào)削峰后在時(shí)域上的幅值,紅色的曲線表示傳統(tǒng)MCFR-DPD方案預(yù)失真信號(hào)削峰后在時(shí)域上的幅值。從圖中可以看出新方案的削峰性能最好,峰值下降最明顯。但由于PMP模型無(wú)法完美擬合CFR過(guò)程,放大峰值區(qū)域可看到削峰后仍剩余小幅波動(dòng),從后續(xù)DPD效果對(duì)比可以看出,這類(lèi)局部區(qū)域的不光滑現(xiàn)象并不影響整體CFR-DPD的效果,可以忽略。

另一方面,采用互補(bǔ)累積分布函數(shù)(Complementary cumulative distribution function,CCDF)去衡量峰均比分布情況,如圖10所示。

圖10中紫色的曲線是輸入信號(hào)峰均比分布情況,經(jīng)過(guò)DPD之后信號(hào)的PAPR會(huì)增大,綠色的曲線即表示基于矢量閾值分解技術(shù)對(duì)輸入信號(hào)進(jìn)行DPD處理后的信號(hào)峰均比分布情況,預(yù)失真后信號(hào)的峰均比變?yōu)?0.07 dB;藍(lán)色的曲線表示采用基于矢量閾值分解的新型MCFR-DPD方案預(yù)失真信號(hào)削峰后峰均比分布情況,預(yù)失真信號(hào)削峰后信號(hào)峰均比變?yōu)?.33 dB;紅色的曲線表示傳統(tǒng)MCFR-DPD方案預(yù)失真信號(hào)削峰后峰均比分布情況,預(yù)失真信號(hào)削峰后信號(hào)峰均比變?yōu)?.06 dB。從圖9、圖10中可以清晰地發(fā)現(xiàn)基于矢量閾值分解的新型MCFR-DPD方案在削峰有效性方面優(yōu)于傳統(tǒng)MCFR-DPD方案。這是因?yàn)镃FR-DPD聯(lián)合模塊化技術(shù)對(duì)MCFR模塊進(jìn)行系數(shù)提取時(shí)輸出信號(hào)是預(yù)失真后信號(hào)的削峰噪聲Cclip,當(dāng)輸入信號(hào)為全部信號(hào)時(shí),PMP模型無(wú)法精準(zhǔn)擬合CFR模塊的特性,而本文所提的分段方案中,模型輸入信號(hào)經(jīng)過(guò)矢量閾值分解后,大部分為零值,僅小部分為有效信號(hào),這與模塊輸出的削峰噪聲實(shí)際情況相吻合,PMP模型的擬合精度得以大幅提高,因此基于矢量閾值分解的新型MCFR-DPD方案與傳統(tǒng)的MCFR-DPD方案相比削峰效果有顯著提高。

圖10 兩種方案下削峰性能對(duì)比圖

3.3 線性化效果對(duì)比

以上分析了基于矢量閾值分解的新型MCFR-DPD方案的削峰效果,下面對(duì)其線性化效果進(jìn)行評(píng)估。根據(jù)2.3節(jié)方案實(shí)現(xiàn)流程,經(jīng)過(guò)步驟3)得到未經(jīng)削峰僅經(jīng)過(guò)預(yù)失真處理的功放輸出信號(hào)的ACPR,高頻處(Upper)為-42.10 dBc、低頻處(Lower)為-41.21 dBc;經(jīng)過(guò)步驟(9)得到基于矢量閾值分解的新型MCFR-DPD方案功放輸出信號(hào)的ACPR,高頻處(Upper)為-39.79 dBc、低頻處(Lower)為-40.06 dBc,與傳統(tǒng)MCFR-DPD方案相比,系統(tǒng)線性化性能得到大幅改善,功放輸出信號(hào)的ACPR在高頻處(Upper)改善了5.98 dB、低頻處(Lower)改善了6.17 dB。即使與不削峰僅做DPD處理的方案相比,新型MCFR-DPD方案的線性化效果依然可觀,說(shuō)明新型MCFR-DPD方案有效降低了削峰對(duì)系統(tǒng)DPD效果的抑制影響。預(yù)失真過(guò)程中功放輸出信號(hào)的功率譜密度如圖11所示。

圖11 預(yù)失真效果對(duì)比圖

此處需要說(shuō)明的是,圖11中綠色曲線表示的是基于矢量閾值分解技術(shù)僅對(duì)輸入信號(hào)經(jīng)過(guò)預(yù)失真處理,功放輸出信號(hào)功率譜密度,黑色的曲線表示原始輸入信號(hào)經(jīng)過(guò)功放后輸出信號(hào)功率譜密度,藍(lán)色的曲線代表采用基于矢量閾值分解的新型MCFR-DPD方案功放輸出信號(hào)功率譜密度,紅色的曲線代表傳統(tǒng)MCFR-DPD方案功放輸出信號(hào)功率譜密度,從圖上可看出新型MCFR-DPD方案功放輸出信號(hào)的線性度比僅DPD的方案略差一些,但與傳統(tǒng)MCFR-DPD方案相比,線性化效果有大幅提升。

3.4 不同限幅比對(duì)方案的影響

此外,本文考慮了不同限幅比對(duì)基于矢量閾值分解的新型MCFR-DPD方案的影響,選擇限幅比CR=2,測(cè)試基于矢量閾值分解的新型MCFR-DPD方案的削峰效果以及線性化效果,并與前面限幅比CR=2.5時(shí)進(jìn)行對(duì)比,具體數(shù)值對(duì)比如表1、表2所示。

表1 選取不同限幅比CR時(shí),基于矢量閾值分解的新型MCFR-DPD方案削峰效果比較

表2 選取不同限幅比CR時(shí),基于矢量閾值分解的新型MCFR-DPD方案線性化效果比較

通過(guò)表1、表2中的數(shù)值比較不難發(fā)現(xiàn),限幅比不同,那么最終的削峰效果以及線性化效果也就不同,并且限幅比選取越小,也即限幅程度越大,信號(hào)的峰均比降得越多,但同時(shí)線性化效果變差,實(shí)際應(yīng)用時(shí)需要結(jié)合具體情況權(quán)衡線性化效果與削峰效果選擇合適的限幅比CR。

通過(guò)對(duì)比不同情況下MCFR-DPD聯(lián)合方案最終的削峰效果與線性化效果,可以發(fā)現(xiàn)基于矢量閾值分解的新型MCFR-DPD方案不論是削峰效果還是線性化效果都要優(yōu)于傳統(tǒng)MCFR-DPD方案。實(shí)際應(yīng)用基于矢量閾值分解的新型MCFR-DPD方案可以通過(guò)選擇不同的限幅比CR來(lái)實(shí)現(xiàn)削峰效果以及線性化效果的權(quán)衡。

4 結(jié)論

本文對(duì)數(shù)字預(yù)失真技術(shù)與峰均比降低技術(shù)的結(jié)合進(jìn)行了研究。傳統(tǒng)的數(shù)字預(yù)失真技術(shù)與峰均比降低技術(shù)結(jié)合方案一般都是在DPD模塊之后附加包絡(luò)削波模塊,這樣做不僅增加了系統(tǒng)復(fù)雜度,而且可能導(dǎo)致使用自適應(yīng)濾波算法來(lái)提取預(yù)失真器系數(shù)時(shí)出現(xiàn)不收斂的情況。針對(duì)傳統(tǒng)結(jié)合方案中存在的問(wèn)題,出現(xiàn)了CFR-DPD聯(lián)合模塊化技術(shù),通過(guò)引入多項(xiàng)式模型化的CFR模塊并將其應(yīng)用于DPD模塊的輸出,來(lái)實(shí)現(xiàn)將CFR模塊與DPD模塊的整合使用。本文引入閾值分解技術(shù)對(duì)CFR-DPD聯(lián)合模塊的建模采用分段MP模型,提出了基于矢量閾值分解的新型MCFR-DPD方案,僅對(duì)小信號(hào)進(jìn)行模塊化CFR處理,以降低聯(lián)合模塊中CFR對(duì)DPD線性效果的影響。仿真結(jié)果表明,與傳統(tǒng)未經(jīng)分段的MCFR-DPD方案相比基于矢量閾值分解的新型MCFR-DPD方案有著更好的削峰效果以及線性化效果。