在現(xiàn)代移動通信系統(tǒng)中,多帶射頻發(fā)射機憑借其高效的頻譜利用率和簡潔的實現(xiàn)結(jié)構(gòu)得到了越來越廣泛的應用。隨著電路設(shè)計和制造技術(shù)的發(fā)展,發(fā)射機中小信號處理電路的性能越來越理想,但功率放大器仍然會對輸入信號造成不可避免的非線性失真。對于多帶發(fā)射機而言,不同頻段的信號同時作用于單一功率放大器,將導致比傳統(tǒng)單帶發(fā)射機更加嚴重的非線性失真。為了滿足通信標準對發(fā)射機線性度的要求,多帶射頻發(fā)射機需要更加有效的線性化技術(shù)。目前來看,發(fā)射機線性化技術(shù)主要分為以下兩類:一是采用外部輔助手段補償發(fā)射機中存在的非線性失真,典型代表為數(shù)字預失真技術(shù);二是通過改進信號放大過程提高發(fā)射機自身的輸出線性度。圍繞上述兩條線性化技術(shù)路線,本文一方面對數(shù)字預失真技術(shù)在多帶并發(fā)場景下的行為模型、參數(shù)學習算法和預失真實現(xiàn)結(jié)構(gòu)進行了研究。另一方面采用數(shù)模聯(lián)合設(shè)計的思想對雙輸入Doherty發(fā)射機架構(gòu)進行優(yōu)化,充分挖掘了該結(jié)構(gòu)的輸出線性度提升潛力。本文的主要創(chuàng)新點如下:1、提出了一種由功率放大器射頻非線性模型推導基帶等效雙帶行為模型的方法。根據(jù)功放在雙帶并發(fā)信號激勵下的射頻非線性特征,該方法利用射頻信號和基帶信號的對應關(guān)系,推導出了描述功放非線性特征的低通等效表達式,在此基礎(chǔ)上結(jié)合功放的物理特性對低通等效表達式進行簡化,得到了一種具有動態(tài)記憶深度的基帶等效雙帶沃特拉級數(shù)模型。為了折中模型的復雜度和建模精度,本文通過對模型內(nèi)核的動態(tài)階次分級和引入偶數(shù)階非線性,給出了上述模型的六種演進形式。相比于傳統(tǒng)的基帶等效多帶行為模型,本文所提出的模型對不同通帶信號間的相互作用關(guān)系描述更加嚴謹,能更加準確地模擬雙帶并發(fā)功放的輸出特征。對一個工作在3.0 GHz和3.5 GHz的雙帶并發(fā)功放進行預失真實驗,結(jié)果顯示:當基帶信號帶寬分別為20 MHz和40 MHz時,本文所提出的模型可以將輸出信號領(lǐng)信道功率比分別改善至-51.2 dBc和-47.9 dBc。2、對單輸入條件和非單輸入條件下的預失真參數(shù)識別算法進行了對比,明確了參數(shù)求解算法在兩類場景下的可共用性,在此基礎(chǔ)上對參數(shù)稀疏化在多帶預失真參數(shù)辨識中的合理性和必要性進行了分析,提出了基于稀疏貝葉斯學習和基于稀疏表示理論的稀疏參數(shù)識別算法。基于稀疏貝葉斯學習的稀疏參數(shù)識別算法從概率的角度出發(fā)看待參數(shù)求解問題,將所求參數(shù)的先驗分布設(shè)置為高斯分布以迫使最終得到的模型參數(shù)具有稀疏特性。預設(shè)參數(shù)先驗分布的另一個好處在于可以縮減參數(shù)解的可選擇范圍,從而降低參數(shù)辨識所需的采樣數(shù)據(jù)長度。預失真實驗表明,該算法能夠在大部分情況下將預失真器中的參數(shù)個數(shù)減少50%以上,且不降低預失真效果�；谙∈璞硎纠碚摰南∈鑵�(shù)識別算法以貪婪算法的思想進行模型內(nèi)核選擇,以內(nèi)核向量在殘差中投影值的大小為模型內(nèi)核價值的衡量標準,以迭代計算的方式避免矩陣求逆運算。使用該算法對含有75個參數(shù)的記憶多項式模型進行參數(shù)估計,在僅使用10.6%和24%模型內(nèi)核的條件下,建模精度分別可以達到完整模型建模精度的88.4%和98.9%。3、提出了一種采用基帶拼接技術(shù)的等效單輸入單輸出多帶預失真結(jié)構(gòu),并在該結(jié)構(gòu)的提出過程中明確了預失真系統(tǒng)設(shè)計時的一項重要準則:反饋信號帶寬和模型描述帶寬相匹配。對一個工作在3.3 GHz和3.8 GHz的雙帶并發(fā)功放進行預失真實驗,結(jié)果顯示:等效單輸入結(jié)構(gòu)能夠在硬件資源消耗和預失真結(jié)果與傳統(tǒng)的多輸入多輸出結(jié)構(gòu)接近的情況下,將所需預失真參數(shù)個數(shù)減少77.8%。4、為了提高多帶發(fā)射機在建模和預失真時的準確度,提出了一種采用帶間信號相關(guān)性增強技術(shù)的帶間信號對齊算法。該算法能夠在線辨識出不同通帶信號間的整數(shù)時間和分數(shù)時間延時量。對一個工作在2.9 GHz和3.3 GHz的雙帶并發(fā)功放進行預失真實驗,結(jié)果顯示:在不進行帶間信號延時補償,使用傳統(tǒng)離線方法進行延時補償和使用本文所提出的在線延時補償三種條件下,預失真后輸出信號領(lǐng)信道功率比分別為-35 dBc、-48.7 dBc和-50.1 dBc。5、分析了信號預處理與末級功率放大器聯(lián)合設(shè)計在發(fā)射機結(jié)構(gòu)優(yōu)化中的含義與價值,提出了一種基于最優(yōu)效率和恒定增益條件下的雙輸入Doherty發(fā)射機設(shè)計方法。對雙輸入Doherty發(fā)射機結(jié)構(gòu)在實際使用時所產(chǎn)生的非線性失真進行了分析,在此基礎(chǔ)上提出了一種通過優(yōu)化信號分離函數(shù)提高輸出線性度的方法。通過上述設(shè)計和優(yōu)化方法得到的雙輸入Doherty發(fā)射機在實驗中體現(xiàn)出了良好的輸出線性度,結(jié)果顯示:在10 MHz寬帶調(diào)制信號輸入時,雙輸入Doherty發(fā)射機能夠在不使用外部輔助線性化手段的前提下,將輸出信號的鄰信道功率比控制在-45 dBc以下。
【學位單位】：電子科技大學
【學位級別】：博士
【學位年份】：2019
【中圖分類】：TN838
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 多帶發(fā)射機的發(fā)展概況
    1.3 線性化技術(shù)的發(fā)展概況
        1.3.1 發(fā)射機結(jié)構(gòu)優(yōu)化
        1.3.2 外部輔助線性化技術(shù)
    1.4 數(shù)字預失真線性化技術(shù)的研究動態(tài)
        1.4.1 數(shù)字預失真的基本原理
        1.4.2 單帶數(shù)字預失真技術(shù)的研究動態(tài)
        1.4.3 多帶數(shù)字預失真技術(shù)的研究動態(tài)
    1.5 本文的研究路線和內(nèi)容安排
第二章 雙帶數(shù)字預失真基帶等效行為模型研究
    2.1 雙帶并發(fā)功率放大器非線性失真
        2.1.1 非線性失真類型
        2.1.2 非線性失真特征
    2.2 具有動態(tài)記憶深度的基帶等效雙帶沃特拉級數(shù)模型
        2.2.1 雙帶沃特拉級數(shù)模型的射頻與基帶等效表達式
        2.2.2 具有動態(tài)記憶深度的基帶等效雙帶沃特拉級數(shù)模型的基本形式
        2.2.3 具有動態(tài)記憶深度的基帶等效雙帶沃特拉級數(shù)模型的演進形式
    2.3 具有動態(tài)記憶深度的基帶等效雙帶沃特拉級數(shù)模型的性能評估
        2.3.1 實驗平臺與非線性評價指標介紹
        2.3.2 建模性能評估
        2.3.3 預失真性能評估
    2.4 本章小結(jié)
第三章 預失真稀疏參數(shù)識別算法研究
    3.1 單帶預失真與多帶預失真的參數(shù)辨識過程對比
        3.1.1 直接學習結(jié)構(gòu)中的參數(shù)辨識
        3.1.2 間接學習結(jié)構(gòu)中的參數(shù)辨識
    3.2 基于稀疏貝葉斯學習的稀疏參數(shù)識別算法
        3.2.1 稀疏假設(shè)前提下的模型參數(shù)求解問題
        3.2.2 稀疏貝葉斯學習算法
        3.2.3 稀疏貝葉斯學習算法的優(yōu)勢分析
        3.2.4 稀疏貝葉斯學習算法的預失真性能評估
    3.3 基于稀疏表示理論的稀疏參數(shù)識別算法
        3.3.1 從稀疏表示的角度求解模型參數(shù)
        3.3.2 模型參數(shù)求解中的內(nèi)核選擇
        3.3.3 利用分塊矩陣特征避免矩陣求逆運算
        3.3.4 算法性能驗證
    3.4 本章小結(jié)
第四章 等效單輸入單輸出多帶預失真結(jié)構(gòu)
    4.1 單輸入單輸出多帶預失真與多輸入單輸出多帶預失真
    4.2 使用基帶拼接技術(shù)的等效單輸入單輸出多帶預失真結(jié)構(gòu)
        4.2.1 等效單輸入單輸出多帶預失真的基本結(jié)構(gòu)
        4.2.2 等效單輸入結(jié)構(gòu)的帶寬匹配問題
        4.2.3 采用基帶拼接技術(shù)降低系統(tǒng)采樣率
        4.2.4 具有動態(tài)記憶深度的簡化沃特拉級數(shù)模型
        4.2.5 等效單輸入結(jié)構(gòu)的預失真性能測試
    4.3 多帶預失真結(jié)構(gòu)中的自適應帶間信號對齊算法
        4.3.1 帶間信號對齊的含義
        4.3.2 帶間信號的相關(guān)性增強技術(shù)
        4.3.3 帶間信號的整數(shù)時間延時對齊和分數(shù)時間延時對齊
        4.3.4 帶間信號對齊算法的性能評估
    4.4 本章小結(jié)
第五章 基于結(jié)構(gòu)優(yōu)化的發(fā)射機線性度提升技術(shù)研究
    5.1 數(shù)模聯(lián)合設(shè)計在發(fā)射機結(jié)構(gòu)優(yōu)化中的含義
    5.2 雙輸入DOHERTY發(fā)射機設(shè)計
        5.2.1 基本結(jié)構(gòu)
        5.2.2 設(shè)計思路
        5.2.3 電路設(shè)計與特征提取
        5.2.4 基于最優(yōu)效率和最優(yōu)線性條件下的信號分離標準
        5.2.5 分離函數(shù)綜合
    5.3 雙輸入DOHERTY發(fā)射機非線性失真分析
        5.3.1 靜態(tài)非線性失真
        5.3.2 動態(tài)非線性失真
    5.4 采用自適應信號分離算法優(yōu)化雙輸入DOHERTY發(fā)射機線性度
        5.4.1 算法的基本原理
        5.4.2 算法中效率字典的含義與作用
        5.4.3 算法對發(fā)射機線性度的優(yōu)化效果評估
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本論文工作總結(jié)
    6.2 線性化技術(shù)研究展望
致謝
參考文獻
攻讀博士學位期間取得的成果

【參考文獻】

相關(guān)期刊論文 前7條

1 吳淘鎖;鄔海峰;;無線通信技術(shù)的發(fā)展歷程與趨勢[J];信息技術(shù)與信息化;2015年10期

2 夏建明;楊俊安;陳功;;參數(shù)自適應調(diào)整的稀疏貝葉斯重構(gòu)算法[J];電子與信息學報;2014年06期

3 李少嵐;延波;李晨飛;謝小強;;采用二極管的模擬預失真毫米波功放線性化器[J];微波學報;2012年01期

4 郭榮新;李國剛;;基于IP核的數(shù)字中頻預失真系統(tǒng)設(shè)計[J];吉林師范大學學報(自然科學版);2011年04期

5 楊國鵬;周欣;余旭初;;稀疏貝葉斯模型與相關(guān)向量機學習研究[J];計算機科學;2010年07期

6 雷震洲;;蜂窩移動通信技術(shù)演進歷程回顧及未來發(fā)展趨勢[J];移動通信;2008年24期

7 張煦;無線移動通信技術(shù)快速發(fā)展歷程和趨向[J];移動通信;2000年06期

相關(guān)博士學位論文 前2條

1 段青;基于稀疏貝葉斯學習方法的回歸與分類在電力系統(tǒng)中的預測研究[D];山東大學;2010年

2 劉輝;射頻功率放大器線性化技術(shù)研究[D];西安電子科技大學;2005年

相關(guān)碩士學位論文 前6條

1 張文韜;基于貝葉斯的壓縮感知重構(gòu)算法研究[D];安徽大學;2014年

2 張媛;貝葉斯壓縮感知在無線網(wǎng)絡定位中的應用研究[D];浙江大學;2013年

3 曹萍;基于矢量信號處理的射頻功放預失真技術(shù)研究[D];電子科技大學;2012年

4 王晶;稀疏貝葉斯學習理論及應用研究[D];西安電子科技大學;2012年

5 曹林林;K波段空間行波管線性化器技術(shù)研究[D];電子科技大學;2011年

6 李培;毫米波功率放大器的線性化技術(shù)[D];電子科技大學;2010年

本文編號：2843961