針對(duì)雙頻功放預(yù)失真系統(tǒng)采樣率過高的問題,提出一種基于壓縮感知的自適應(yīng)稀疏預(yù)失真結(jié)構(gòu),先通過基于分段多項(xiàng)式模型的記憶效應(yīng)補(bǔ)償器,再將信號(hào)融合理解為壓縮感知采樣重構(gòu)問題,即在預(yù)失真反饋回路,利用自適應(yīng)稀疏算法高精度重構(gòu)遺失的五階及高階交調(diào)信號(hào),使系數(shù)權(quán)值的最小均方解逼近最優(yōu),降低采集誤差提升線性化效果。實(shí)驗(yàn)結(jié)果表明,在提高系統(tǒng)穩(wěn)定性的同時(shí),NMSE顯示較2D-MP、2D-CPWL提高了約2～3 dB,ACPR大約改善了20 dBc。對(duì)降低雙頻帶預(yù)失真采樣率同時(shí)提升功放線性度具有重大意義。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 功放模型與五階等高階交調(diào)頻譜分析
    1.1 功放非線性函數(shù)模型
    1.2 非線性系統(tǒng)結(jié)構(gòu)及五階交調(diào)信號(hào)
2 雙頻功放的自適應(yīng)融合欠采樣預(yù)失真
    2.1 新型欠采樣預(yù)失真模型結(jié)構(gòu)
    2.2 信號(hào)融合及自適應(yīng)稀疏信號(hào)重構(gòu)
        2.2.1 信號(hào)融合
        2.2.2 自適應(yīng)稀疏信號(hào)重構(gòu)
3 硬件平臺(tái)實(shí)驗(yàn)結(jié)果與分析
4 自適應(yīng)稀疏算法重構(gòu)性能
    4.1 五階及高階信號(hào)重建精度
    4.2 基于壓縮感知的自適應(yīng)重構(gòu)雙頻預(yù)失真效果
5 結(jié)束語



本文編號(hào)：3815262