用于数字预失真器的正交基函数集转让专利
申请号 : CN201080071096.0
文献号 : CN103299542B
文献日 : 2016-03-23
发明人 : 白春龙
申请人 : 瑞典爱立信有限公司
摘要 :
权利要求 :
1.一种补偿电子器件造成输入信号的失真的方法,其中所述电子器件在所述输入信号上操作以产生输出信号,所述方法包括:基于预确定的采样间隔内的输入信号样本的集合,为基函数集的二维点阵预测模型计算模型系数的集合,其中所述点阵预测模型将预失真器基函数集中的基函数表示为幂基函数的不同组合;
从模型系数的所述集合确定预失真器连接系数的对应集合;
从输入信号和幂基函数的所述集合计算幂基函数输出信号的集合;
将预失真器连接系数的所述集合应用到所述幂基函数输出信号以用于组合所述幂基函数输出信号以产生基函数输出信号的集合;以及组合所述基函数输出信号以产生来自所述输入信号的预失真的输入信号。
2.如权利要求1所述的方法,其中从输入信号样本的集合计算模型系数的集合包括:为每个输入信号样本计算幂基函数输出信号的模型集合;
通过将所述幂基函数输出信号乘以对应归一化因数,归一化幂基函数输出信号的所述模型集合;以及从幂基函数输出信号的所述归一化模型集合计算模型系数的所述集合。
3.如权利要求2所述的方法,其中从幂基函数输出信号的所述归一化模型集合计算模型系数的所述集合包括:从幂基函数输出信号的所述归一化模型集合为所述点阵预测模型中的模型连接节点计算前向和后向预测误差;以及归一化所述前向和后向预测误差,使得所述前向和后向预测误差具有预确定的方差;
以及
从所述归一化前向和后向预测误差为所述模型连接节点计算所述模型系数。
4.如权利要求1所述的方法,其中所述预失真器应用所述点阵预测模型以产生所述基函数输出信号,以及其中所述预失真器连接系数包括用于所述点阵预测模型的所述模型系数。
5.如权利要求1所述的方法,其中所述预失真器应用线性模型以从所述预失真器输入信号产生所述基函数输出信号,以及其中从所述模型系数计算所述预失真器连接系数。
6.如权利要求5所述的方法,其中将所述预失真器连接系数计算为所述模型系数乘以用于所述预失真器连接节点的对应归一化因数的积。
7.如权利要求1所述的方法,其中计算幂基函数输出信号的集合包括从单个输入信号样本和幂基函数的所述集合为多个采样时刻的每个时刻计算基函数输出信号的集合。
8.一种用于补偿输入信号由电子器件造成的失真的电路,其中所述电子器件在输入信号上操作以产生输出信号,所述电路包括:基函数建模电路,配置成:
基于预确定的采样间隔内输入信号样本的集合,为基函数集的二维点阵预测模型计算模型系数的集合,其中所述点阵预测模型将预失真器基函数集中的基函数表示为幂基函数的集合中幂基函数的不同组合;
从模型系数的所述集合确定预失真器连接系数的对应集合;
预失真器,配置成:
从输入信号和幂基函数的所述集合计算幂基函数输出信号的集合;
将预失真器连接系数的所述集合应用到所述幂基函数输出信号以用于组合所述幂基函数输出信号以产生基函数输出信号的集合;以及组合所述基函数输出信号以产生来自所述输入信号的预失真的输入信号。
9.如权利要求8所述的电路,其中所述基函数建模电路配置成通过以下操作计算模型系数的集合:为每个输入信号样本计算幂基函数输出信号的模型集合;
通过将所述幂基函数输出信号乘以对应归一化因数,归一化幂基函数输出信号的所述模型集合;
从幂基函数输出信号的所述归一化模型集合计算模型系数的所述集合。
10.如权利要求9所述的电路,其中所述基函数建模电路配置成通过以下操作从幂基函数输出信号的所述归一化模型集合计算模型系数的所述集合:从幂基函数输出信号的所述归一化模型集合为所述点阵预测模型中的模型连接节点计算前向和后向预测误差;以及归一化所述前向和后向预测误差,使得所述前向和后向预测误差具有预确定的方差;
以及
从所述归一化前向和后向预测误差为所述模型连接节点计算所述模型系数。
11.如权利要求8所述的电路,其中所述预失真器配置成应用所述点阵预测模型以产生所述基函数输出信号,以及其中所述预失真器连接系数包括用于所述点阵预测模型的所述模型系数。
12.如权利要求8所述的电路,其中所述预失真器配置成应用线性模型以从所述预失真器输入信号产生所述基函数输出信号,以及其中从所述模型系数计算所述预失真器连接系数。
13.如权利要求12所述的电路,其中所述预失真器配置成将所述预失真器连接系数计算为所述模型系数乘以用于所述预失真器连接节点的相应归一化因数的积。
14.如权利要求8所述的电路,其中所述预失真器配置成从单个输入信号样本和幂基函数的所述集合为多个采样时刻的每个时刻计算基函数输出信号的集合。
说明书 :
用于数字预失真器的正交基函数集
背景技术
线性的。一般而言,在高效率范围中操作时,功率放大器的响应展示非线性和记忆效应。
整输入信号,使得输出信号大部分不是失真产物。通常,在基带频率,即在将信号上变频到
射频之前以数字方式应用预失真到信号。
可用性,功率放大器可根据在其它情况下将可允许的更宽松的线性要求进行设计,由此可
能降低总体系统的成本。
发明内容
预失真器的输出被建模为来自通过对应加权系数加权的正交基函数的输出信号之和。描述
了用于根据输入信号的分布,使基函数输出信号正交化的技术。
输入信号样本的集合为基函数集的二维点阵预测模型计算模型系数的集合。点阵预测模型
将预失真器基函数集中的基函数表示为幂基函数的不同组合。从模型系数确定预失真器连
接系数的对应集合,以便组合幂基函数输出信号以生成基函数输出信号。从输入信号和幂
基函数的集合计算幂基函数输出信号的集合。预失真器连接系数的集合被应用到幂基函数
输出信号以产生基函数输出信号的集合,并且基函数输出信号被组合以产生来自输入信号
的预失真的输入信号。
路和预失真器。基函数建模电路在预确定的采样间隔内从输入信号样本的集合为基函数集
的二维点阵预测模型计算模型系数的集合。点阵预测模型将预失真器基函数集中的基函数
表示为幂基函数集中幂基函数的不同组合。随后,基函数建模电路从模型系数的集合确定
预失真器连接系数的对应集合以便将来自幂基函数的幂基函数输出信号组合以生成正交
化的基函数输出信号。基函数建模电路计算的模型系数用于配置预失真器。预失真器从输
入信号和幂基函数的集合计算幂基函数输出信号的集合。预失真器随后将预失真器连接系
数的集合应用到幂基函数输出信号以产生基函数输出信号的集合,并且组合基函数输出信
号以产生来自输入信号的预失真的输入信号。
数据信号能够用于构建良态矩阵,这有益于评估预失真器加权系数。
附图说明
具体实施方式
器120的非线性响应造成带外发射,并且降低了通信系统中的谱效率。预失真器110可用
于通过使到功率放大器120的输入信号失真,以补偿功率放大器120造成的非线性失真,改
进功率放大器效率和线性。预失真器110和功率放大器120的级联改进了输出信号的线性
并因此允许功率放大器120更有效地操作。虽然预失真在本文中所述电路和系统中用于线
性化功率放大器120的输出,但本领域技术人员将领会的是,所述技术更普遍适用于线性
化任何类型的非线性电子器件的输出。
真器110产生的预失真的输入信号z(n)随后被应用到功率放大器120的输入。功率放大器
120将预失真的输入信号z(n)放大以产生输出信号y(n)。如果预失真器110经适当设计
和配置,则输出信号y(n)包含比单独使用功率放大器120时更少的失真产物和带外发射。
函数的适当模型。两种不同方案可能推导此非线性传递函数。第一方案利用如图1所示的
间接学习体系结构,并且第二方案使用图2的直接学习体系结构。在两种情况中,输入到功
率放大器120的信号z(n)和放大器输出信号y(n)的缩放版本均应用到失真建模电路130。
图1和2中示为衰减器140的缩放反映从预失真器110和功率放大器120的组合需要的净
线性增益G。按G的倒数缩放输出信号 y(n)允许使对功率放大器120造成的非线性的分析
独立于其增益。
评估电路160以根据用于预失真器的预确定的非线性模型评估放大器输入信号z(n)和放
大器输出信号y(n)/G,以确定要由预失真器110应用的加权系数的集合。此过程在下面进
一步详细描述。通过此间接方案,未得出用于功率放大器120的模型。相反,通过抵消功率
放大器120造成的失真所必需的预失真的建模,间接学习功率放大器120的非线性特性。
和功率放大器输出信号y(n)/G的系数评估电路160。随后,由系数推导电路170使用使功
率放大器的非线性特性与在方框120中的功率放大器模型最佳拟合的加权系数,生成用于
配置预失真器110的权重。
数分解成不那么复杂的基函数的集合,并且将失真函数的输出计算为基函数输出的加权
和。用于为失真函数建模的基函数的集合在本文中称为基函数集。
模型系数评估单元160所建模的)预失真器的预失真传递函数造成的失真。任一情况
下,失真模型200包括对应于所需基函数集的结构210。模型结构210包括P个抽头,
其中,每个抽头对应于一个基函数。应注意的是,在一些实施例中,多个抽头可对应于
相同的基函数。模型结构210在输入信号x(n)上操作以产生在相应抽头的数据信号 。失真模型200随后计算数据信号 的加
权和以获得失真的输入信号d(n)。更具体地说,数据信号 乘以对
应加权系数 ,并且结果积相加在一起以获得d(n)。
通过拟合u的多次观察与对应的所需输出 d(n),能够了解在某个时间期内使向量u与所需
输出d(n)最佳拟合的加权系数w。对于在N个采样时刻内的观察的集合,能够将图2中给
出的对应线性等式表示为:
且行对应于不同的采样时刻。等式3能够根据熟知的技术进行评估(例如,以最小化诸如最
小二乘误差准则等准则),以查找为放大器120或预失真器110的失真最佳建模的权重w。
之一。为方便起见,第k个分支310对应于第 k阶基函数。输入信号样本 x(n)通过每个分
支310,并且由基函数320操作以生成数据样本uk(n),该数据样本也可在此模型中更明确
称为基函数输出信号。对于每个输入信号样本x(n),分支310生成基函数输出信号uk(n)
的对应集合。用于第k个分支310的基函数输出信号 uk(n)能够表示为:
乘以对应的加权系数 ,并且将结果积
相加以获得失真输入信号d(n)。
无记忆模型300中给定采样时刻n内输出的基函数输出信号 对应
于在一般失真模型200中的数据样本 。因此,图4的模型能够视
为图3的失真模型200的特殊情况,其中,K = P。
为放大器120或预失真器110的失真最佳建模的权重w,例如,通过拟合基函数集的输出的
N次观察的矩阵与所需输出信号向量d。由于失真模型300未计及记忆效应,因此,相对于
给定功率放大器120的实际失真函数,此模型的准确度可受到限制。
硬件或通过处理电路实现。基函数结构400由表示为 的K个幂基函数构成,其
中,下标k指示第 k阶幂基函数,并且对应于失真模型400中的 K个分支之一。输入信号样
本x(n)通过每个幂基函数 。对于每个输入信号样本,幂基函数生成幂基函数
输出信号 的对应集合。使用幂基函数时,能够将数据样本uk(n)表示为:
能没有大的影响。例如,多项式模型可通过只忽略幂项而获得,并且可实现为多分支模型,
其中,幂函数用作基函数,并且指派到基函数结构400的相应分支410。
有利的,这是因为它能够在用于评估失真模型的加权系数的矩阵数学期间提供更佳的数值
稳定性。正交基函数集能够作为幂基函数的加权相加构成。正交基函数集能够在许多应用
中是有利的,这是因为它能够在用于评估失真模型的加权系数的矩阵数学期间提供更佳的
数值稳定性。
点530的连接网络520。每个根节点510实现相应的幂基函数。在根节点510与幂基函数
之间存在一一对应关系。输入信号x(n)通过每个根节点510,并且用于每个根节点510的
幂基函数生成对应的幂基函数输出信号 。幂基函数输出信号形成到连接
网络520的输入信号。
且索引k指示对应的正交基函数。到Nodek,h的输入是用于第 h个根节点510的幂基函数
的输出。每个连接节点530将输入乘以在本文中称为连接系数的对应加权因数 。就k
大于h的情况下的连接节点530而言,连接节点530将加权的幂基函数输出信号相加。连
接网络520的每行对应于一个正交基函数。每行中最后(最右)连接节点530的输出包括来
自正交幂基函数之一的输出信号 。
polynomials for power amplifier modeling and predistorter design," IEEE
Transactions on Vehicular Technology, vol. 53, no. 5, pp.1468-1479, Sept.
2004)中得出对几种常见输入信号分布表现良好的一种设计。
个分支610包括基函数620,之后是对应记忆模型630。基函数620如前面所述可以是幂
基函数或正交基函数之一。在此模型600中,对应于每个基函数的记忆效应被建模为带
有Q个抽头的抽头延迟线,其中,Q是记忆模型630的记忆长度。本领域技术人员将领会
的是,诸如点阵预测器记忆模型等其它记忆模型也能够使用。每个分支610的输出信号
是在包括当前采样时刻和Q-1个以前采样时刻的Q个采样时刻内对应基函数产生的基函
数输出信号的加权和。例如,如果用于分支k的基函数是 ,并且输入信号是x(n),则
分支k的输出是 、 、 等的加权和。在时间n从记忆模型抽
头输出的数据信号 乘以对应的加权系数
,并且结果积被相加以产生k个分支输
出信号。随后,将来自K个分支610的 K个输出相加以形成所需的失真信号 d(n)。
头的总数KQ等于在一般模型200中的抽头数量 P。还应注意的是,KQ个数据信号
对应于在一般模型200中模型结构210输
出的P个数据样本 。
此,通过记录KQ个样本的输出的N次观察以形成矩阵U,并且根据等式3和特定优化准则拟
合矩阵U与所需输出信号向量d,再次能够估计权重w(在此情况下为 向量)。如果有
适当的基函数集和足够深度的记忆模型,结果失真通常将比无记忆模型提供现实世界器件
失真的更佳模型。
信号的延迟版本的元素。因此, 的一些元素可对应于x(n-1)、x(n-2)等的函数。注意,在
等式7中且如本文中通常使用的一样, 表示转置, 表示共轭转置,P是模型中系数的
数量, 向量u(n)表示在给定时间索引n模型中的所有数据样本, 向量w表示失真模
型中的所有系数,以及d(n)是对于时刻n模型的所需输出。
示为:
时,d(n)对应于z(n),到功率放大器120的输入。到失真模型的输入信号在图3-7中表示
为x(n),对应于功率放大器120的缩放输出y(n)/G。因此,对于任何给定模型结构,为N个
采样时刻的每个时刻取来自功率放大器120的输出的样本,并且将其应用到基函数的集合
以产生矩阵U。根据等式8将此矩阵U与所需输出向量d拟合,其中,d是在用于形成矩阵
U的相同 N个采样时刻所取的到功率放大器的输入的样本的向量。
出y(n)/G。到模型的输入x(n)对应于功率放大器的输入信号。因此,对于任何给定模型结
构,为N个采样时刻的每个时刻取来自功率放大器120的输入的样本,并且将其应用到基函
数的集合以产生矩阵U。根据等式8将此矩阵U与所需输出向量d拟合,其中,d是在用于
形成矩阵U的相同 N个采样时刻所取的来自功率放大器的缩放输出的样本的向量。
的系数评估的中心。为解决此估计问题,要求使用某一形式的数据矩阵U的逆或 。矩
阵对诸如矩阵逆等数字操作的灵敏度的熟知度量是所谓的条件数,其定义为矩阵的最大本
征值与其最小本征值的比率。条件数接近1的矩阵可以说是良态的。
的计算复杂性),具有尽可能接近1的条件数(高数值稳定性)并且如果有特定优化准则,则
同时也尽可能确切地为功率放大器或预失真器的物理性状建模的数据矩阵 。用于为
失真模型推导基函数集的输入信号的分布与应用到预失真器110的实际数据的分布之间
的差别可产生带有大条件数的数据矩阵 。
增大,有时高达10倍。在带记忆的自适应数字预失真系统中,此问题能够相当严重,这是因
为在此类系统中的参数要“快速”适应以跟踪功率放大器随着时间的过去的失真特性。影
响这些高条件数的一个因数是在现实世界的信号的信号分布与用于推导正交基函数集的
信号的信号分布之间的不匹配。因此,鉴于特定预期输入信号分布形成的正交基函数集不
能提供从直接应用到实际信号的正交化的基函数输出。
因此,从基函数输出信号形成的矩阵 将具有使矩阵 更适合用于系数评估的低条
件数。
8中的行和列。假设到正交基函数生成器700的输入是N个输入信号样本的有限序列而不
是持续流。由于到正交基函数生成器700的输入是有限序列,因此,如下文所述,二维点阵
结构用于正交化基函数输出信号。
归一化以生成分别由 和 表示的归一化的前向和后向预测误差。就根
节点710而言,归一化前向预测误差 等于归一化后向预测误差 。如下面将更
详细描述的一样,在采样时刻期间到根节点710的唯一输入是单输入信号样本x(n)。相同
的输入信号样本x(n)被应用到每个根节点710。连接节点730每个具有两个输入,这些输
入是来自 的归一化前向预测误差 和来自 的归一化后向
预测误差 。来自 的归一化后向预测误差 表示在图8的最右列中
的节点710、730,是可表示如下的第k阶正交基函数的输出:
基函数740在输入信号样本x(n)上操作以生成用于根节点710的前向和后向预测误差。
也就是说,用于根节点710的前向和后向预测误差 和 等于幂基函数输出信号
。归一化电路750将幂基函数输出信号 归一化到预确定的
值,以生成用于根节点710的归一化的前向和后向预测误差 和 。更具体地
说,归一化电路750将幂基函数输出信号 乘以对应的归一化因数 ,以生
成可表示如下的归一化的前向和后向预测误差 和 :
包括来自 的归一化的前向预测误差 和来自 的最一化的后
向预测误差 。连接节点730的输出是分别由 和 表示的归一化前
向和后向预测误差的修正估计。就沿 的对角的节点而言,未使用归一化的前向
预测误差 ,并且因此能够省略有关的电路。
乘以反射系数 ,并且将结果积与后向预测误差 相加以生成修正的
后向预测误差 。类似地,将输入到连接节点730的后向预测误差 乘以表
示为 的反射系数的共轭,并且将结果积与前向预测误码 相加以生成新的前
向预测误差 。为便于此应用,反射系数 及其共轭 被认为是用于点阵预测器
模型的连接系数。修正的前向和后向预测误差表示为:
测误差等于幂基函数输出信号。项α是变化的所需平方根,并且通常是静态的。对于大多
数应用,所需方差可设为等于1以得到良好的性能。
接节点730的反射系数 。如果输入信号x(n)是广义平稳,则能够基于N个连续输入样
本x(n)的序列评估反射系数 、 和归一化因数 。随后,能够为预失真器110静
态配置计算的归一化因数 和反射系数 。如果输入信号不是广义平稳,则可需要定
期重新评估归一化因数 和反射系数 。在此情况下,可监视输入信号的统计,并且可
定期更新连接系数。输入信号的统计可在时间期内保持静态并且随后更改。因此,一旦连
接系数已计算,连接系数便可用于使输入信号预失真,直至输入信号的统计指示需要新连
接系数。如前面所述,预失真器110的点阵模型中的反射系数 被认为是连接系数。
失真器模型计算的反射系数 、 和归一化因数 能够用于推导用于网络结构500
中连接节点530的连接系数。
建模的正交基函数集的连接系数。基于输入信号样本,系数评估电路计算用于基函数集的
二维点阵预测模型的模型系数的集合(方框810)。点阵预测模型将预失真器基函数集中的
基函数表示为如图10所示幂基函数的不同组合。在一个实施例中,模型系数包括用于如图
10所示正交基函数的点阵预测器模型的反射系数。可根据等式17计算模型系数。随后,系
数评估电路从模型系数的集合确定预失真器连接系数的对应集合,以便将来自幂基函数的
幂基函数输出信号组合以生成正交基函数输出信号(方框820)。在一个示范实施例中,预
失真器110基于与系数评估电路相同的用于基函数集的点阵预测模型。在此情况下,模型
系数(例如,反射系数)能够用作预失真器连接系数,这是因为两个模型是相同的。在此情况
下,将也必需为每个连接节点530定期评估归一化因数。在本发明的其它实施例中,预失真
器110可实现用于如图6所示基函数集的等效模型,其中,正交基函数被建模为由相应连接
系数加权的幂基函数输出信号之和。在此情况下,可从为点阵预测模型推导的模型系数和
对应归一化因数计算预失真器连接系数。随后,为预失真器110配置在820计算的连接系
数。
应用幂基函数的集合到输入信号样本,计算幂基函数输出信号的集合(方框830)。随后,将
在方框820中计算的预失真器连接系数的集合应用到幂基函数输出信号以产生正交基函
数输出信号的集合(方框840)。基函数输出信号又通过相应加权系数进行加权,并且进行
组合以生成预失真的输入信号以便输入到功率放大器(方框850)。应注意的是,在方框830
到850中预失真的输入信号样本无需与在方框810和820中用于推导连接系数的样本相
同。实际上,可监视输入信号的统计,并且可定期更新连接系数。输入信号的统计可在时间
期内保持静态并且随后更改。因此,一旦连接系统已计算,连接系数便可用于使输入信号预
失真,直至输入信号的统计指示需要新连接系数。
模电路960。输入信号x(n)被应用到预失真器910。预失真器910包括基函数生成器920
和组合器930。基函数生成器使用图4和8所示模型之一,从输入信号样本产生正交基函数
输出信号的集合。组合器930将由相应加权系数加权的基函数输出信号相加以产生预失真
的输入信号z(n)。功率放大器940将预失真的输入信号z(n)放大以产生输出信号y(n)。
功率放大器可在非线性模式中操作以有效地放大预失真的输入信号。预失真器应用的预失
真补偿由功率放大器造成的失真,使得预失真器和功率放大器的级联接近线性。
器的失真建模而计算加权系数。通常,失真建模电路使用使预失真的信号z(n)与输出信号
y(n)最佳拟合的用于功率放大器(直接方案)或预失真器(间接方案)的失真模型,计算加权
系数的集合。与本申请同时提交,题为“带有可变抽头延迟线路以便在功率放大器数字预失
真中使用的联合过程估计器”(Joint Process Estimator with Variable Tap Delay Line
for use in Power Amplifier Digital Predistortion)、“用于非线性建模的可配置基函
数生成”(Configurable Basis-Function Generation for Nonlinear Modeling)及“带有
抽头输出归一化的非线性模型”(Non-Linear Model with Tap Output Normalization)的
共同待定申请描述了用于计算加权系数的另外技术。这些共同待定申请通过引用整体结合
于本文中。
连接系数。因此,由预失真器910应用到输入信号的基函数集取决于输入信号的分布。通
过匹配正交基函数集和输入信号的分布,大幅降低了从正交基函数集产生的矩阵 的
条件数。正交基函数集能够使用图8或图8所示结构实现。图6所示结构与幂基函数集后
向兼容。
条件数。例如,模拟显示,条件数从大约108降低到大约1.0018。基函数建模电路能够使用
图6所示正交基函数模型实现,该模型是通用结构,并且与幂基函数集后向兼容。
且在随附权利要求书的意义和等同物范围内的所有更改要涵盖在其中。