在現(xiàn)代移動(dòng)通信系統(tǒng)中,多帶射頻發(fā)射機(jī)憑借其高效的頻譜利用率和簡(jiǎn)潔的實(shí)現(xiàn)結(jié)構(gòu)得到了越來(lái)越廣泛的應(yīng)用。隨著電路設(shè)計(jì)和制造技術(shù)的發(fā)展,發(fā)射機(jī)中小信號(hào)處理電路的性能越來(lái)越理想,但功率放大器仍然會(huì)對(duì)輸入信號(hào)造成不可避免的非線(xiàn)性失真。對(duì)于多帶發(fā)射機(jī)而言,不同頻段的信號(hào)同時(shí)作用于單一功率放大器,將導(dǎo)致比傳統(tǒng)單帶發(fā)射機(jī)更加嚴(yán)重的非線(xiàn)性失真。為了滿(mǎn)足通信標(biāo)準(zhǔn)對(duì)發(fā)射機(jī)線(xiàn)性度的要求,多帶射頻發(fā)射機(jī)需要更加有效的線(xiàn)性化技術(shù)。目前來(lái)看,發(fā)射機(jī)線(xiàn)性化技術(shù)主要分為以下兩類(lèi):一是采用外部輔助手段補(bǔ)償發(fā)射機(jī)中存在的非線(xiàn)性失真,典型代表為數(shù)字預(yù)失真技術(shù);二是通過(guò)改進(jìn)信號(hào)放大過(guò)程提高發(fā)射機(jī)自身的輸出線(xiàn)性度。圍繞上述兩條線(xiàn)性化技術(shù)路線(xiàn),本文一方面對(duì)數(shù)字預(yù)失真技術(shù)在多帶并發(fā)場(chǎng)景下的行為模型、參數(shù)學(xué)習(xí)算法和預(yù)失真實(shí)現(xiàn)結(jié)構(gòu)進(jìn)行了研究。另一方面采用數(shù)模聯(lián)合設(shè)計(jì)的思想對(duì)雙輸入Doherty發(fā)射機(jī)架構(gòu)進(jìn)行優(yōu)化,充分挖掘了該結(jié)構(gòu)的輸出線(xiàn)性度提升潛力。本文的主要?jiǎng)?chuàng)新點(diǎn)如下:1、提出了一種由功率放大器射頻非線(xiàn)性模型推導(dǎo)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(hào)激勵(lì)下的射頻非線(xiàn)性特征,該方法利用射頻信號(hào)和基帶信號(hào)的對(duì)應(yīng)關(guān)系,推導(dǎo)出了描述功放非線(xiàn)性特征的低通等效表達(dá)式,在此基礎(chǔ)上結(jié)合功放的物理特性對(duì)低通等效表達(dá)式進(jìn)行簡(jiǎn)化,得到了一種具有動(dòng)態(tài)記憶深度的基帶等效雙帶沃特拉級(jí)數(shù)模型。為了折中模型的復(fù)雜度和建模精度,本文通過(guò)對(duì)模型內(nèi)核的動(dòng)態(tài)階次分級(jí)和引入偶數(shù)階非線(xiàn)性,給出了上述模型的六種演進(jìn)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(duì)不同通帶信號(hào)間的相互作用關(guān)系描述更加嚴(yán)謹(jǐn),能更加準(zhǔn)確地模擬雙帶并發(fā)功放的輸出特征。對(duì)一個(gè)工作在3.0 GHz和3.5 GHz的雙帶并發(fā)功放進(jìn)行預(yù)失真實(shí)驗(yàn),結(jié)果顯示:當(dāng)基帶信號(hào)帶寬分別為20 MHz和40 MHz時(shí),本文所提出的模型可以將輸出信號(hào)領(lǐng)信道功率比分別改善至-51.2 dBc和-47.9 dBc。2、對(duì)單輸入條件和非單輸入條件下的預(yù)失真參數(shù)識(shí)別算法進(jìn)行了對(duì)比,明確了參數(shù)求解算法在兩類(lèi)場(chǎng)景下的可共用性,在此基礎(chǔ)上對(duì)參數(shù)稀疏化在多帶預(yù)失真參數(shù)辨識(shí)中的合理性和必要性進(jìn)行了分析,提出了基于稀疏貝葉斯學(xué)習(xí)和基于稀疏表示理論的稀疏參數(shù)識(shí)別算法。基于稀疏貝葉斯學(xué)習(xí)的稀疏參數(shù)識(shí)別算法從概率的角度出發(fā)看待參數(shù)求解問(wèn)題,將所求參數(shù)的先驗(yàn)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(yù)設(shè)參數(shù)先驗(yàn)分布的另一個(gè)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(shí)所需的采樣數(shù)據(jù)長(zhǎng)度。預(yù)失真實(shí)驗(yàn)表明,該算法能夠在大部分情況下將預(yù)失真器中的參數(shù)個(gè)數(shù)減少50%以上,且不降低預(yù)失真效果。基于稀疏表示理論的稀疏參數(shù)識(shí)別算法以貪婪算法的思想進(jìn)行模型內(nèi)核選擇,以?xún)?nèi)核向量在殘差中投影值的大小為模型內(nèi)核價(jià)值的衡量標(biāo)準(zhǔn),以迭代計(jì)算的方式避免矩陣求逆運(yùn)算。使用該算法對(duì)含有75個(gè)參數(shù)的記憶多項(xiàng)式模型進(jìn)行參數(shù)估計(jì),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(dá)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(yù)失真結(jié)構(gòu),并在該結(jié)構(gòu)的提出過(guò)程中明確了預(yù)失真系統(tǒng)設(shè)計(jì)時(shí)的一項(xiàng)重要準(zhǔn)則:反饋信號(hào)帶寬和模型描述帶寬相匹配。對(duì)一個(gè)工作在3.3 GHz和3.8 GHz的雙帶并發(fā)功放進(jìn)行預(yù)失真實(shí)驗(yàn),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(yù)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(yù)失真參數(shù)個(gè)數(shù)減少77.8%。4、為了提高多帶發(fā)射機(jī)在建模和預(yù)失真時(shí)的準(zhǔn)確度,提出了一種采用帶間信號(hào)相關(guān)性增強(qiáng)技術(shù)的帶間信號(hào)對(duì)齊算法。該算法能夠在線(xiàn)辨識(shí)出不同通帶信號(hào)間的整數(shù)時(shí)間和分?jǐn)?shù)時(shí)間延時(shí)量。對(duì)一個(gè)工作在2.9 GHz和3.3 GHz的雙帶并發(fā)功放進(jìn)行預(yù)失真實(shí)驗(yàn),結(jié)果顯示:在不進(jìn)行帶間信號(hào)延時(shí)補(bǔ)償,使用傳統(tǒng)離線(xiàn)方法進(jìn)行延時(shí)補(bǔ)償和使用本文所提出的在線(xiàn)延時(shí)補(bǔ)償三種條件下,預(yù)失真后輸出信號(hào)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(hào)預(yù)處理與末級(jí)功率放大器聯(lián)合設(shè)計(jì)在發(fā)射機(jī)結(jié)構(gòu)優(yōu)化中的含義與價(jià)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(jī)設(shè)計(jì)方法。對(duì)雙輸入Doherty發(fā)射機(jī)結(jié)構(gòu)在實(shí)際使用時(shí)所產(chǎn)生的非線(xiàn)性失真進(jìn)行了分析,在此基礎(chǔ)上提出了一種通過(guò)優(yōu)化信號(hào)分離函數(shù)提高輸出線(xiàn)性度的方法。通過(guò)上述設(shè)計(jì)和優(yōu)化方法得到的雙輸入Doherty發(fā)射機(jī)在實(shí)驗(yàn)中體現(xiàn)出了良好的輸出線(xiàn)性度,結(jié)果顯示:在10 MHz寬帶調(diào)制信號(hào)輸入時(shí),雙輸入Doherty發(fā)射機(jī)能夠在不使用外部輔助線(xiàn)性化手段的前提下,將輸出信號(hào)的鄰信道功率比控制在-45 dBc以下。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類(lèi)】：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(jī)的發(fā)展概況
    1.3 線(xiàn)性化技術(shù)的發(fā)展概況
        1.3.1 發(fā)射機(jī)結(jié)構(gòu)優(yōu)化
        1.3.2 外部輔助線(xiàn)性化技術(shù)
    1.4 數(shù)字預(yù)失真線(xiàn)性化技術(shù)的研究動(dòng)態(tài)
        1.4.1 數(shù)字預(yù)失真的基本原理
        1.4.2 單帶數(shù)字預(yù)失真技術(shù)的研究動(dòng)態(tài)
        1.4.3 多帶數(shù)字預(yù)失真技術(shù)的研究動(dòng)態(tài)
    1.5 本文的研究路線(xiàn)和內(nèi)容安排
第二章 雙帶數(shù)字預(yù)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(xiàn)性失真
        2.1.1 非線(xiàn)性失真類(lèi)型
        2.1.2 非線(xiàn)性失真特征
    2.2 具有動(dòng)態(tài)記憶深度的基帶等效雙帶沃特拉級(jí)數(shù)模型
        2.2.1 雙帶沃特拉級(jí)數(shù)模型的射頻與基帶等效表達(dá)式
        2.2.2 具有動(dòng)態(tài)記憶深度的基帶等效雙帶沃特拉級(jí)數(shù)模型的基本形式
        2.2.3 具有動(dòng)態(tài)記憶深度的基帶等效雙帶沃特拉級(jí)數(shù)模型的演進(jìn)形式
    2.3 具有動(dòng)態(tài)記憶深度的基帶等效雙帶沃特拉級(jí)數(shù)模型的性能評(píng)估
        2.3.1 實(shí)驗(yàn)平臺(tái)與非線(xiàn)性評(píng)價(jià)指標(biāo)介紹
        2.3.2 建模性能評(píng)估
        2.3.3 預(yù)失真性能評(píng)估
    2.4 本章小結(jié)
第三章 預(yù)失真稀疏參數(shù)識(shí)別算法研究
    3.1 單帶預(yù)失真與多帶預(yù)失真的參數(shù)辨識(shí)過(guò)程對(duì)比
        3.1.1 直接學(xué)習(xí)結(jié)構(gòu)中的參數(shù)辨識(shí)
        3.1.2 間接學(xué)習(xí)結(jié)構(gòu)中的參數(shù)辨識(shí)
    3.2 基于稀疏貝葉斯學(xué)習(xí)的稀疏參數(shù)識(shí)別算法
        3.2.1 稀疏假設(shè)前提下的模型參數(shù)求解問(wèn)題
        3.2.2 稀疏貝葉斯學(xué)習(xí)算法
        3.2.3 稀疏貝葉斯學(xué)習(xí)算法的優(yōu)勢(shì)分析
        3.2.4 稀疏貝葉斯學(xué)習(xí)算法的預(yù)失真性能評(píng)估
    3.3 基于稀疏表示理論的稀疏參數(shù)識(shí)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(yùn)算
        3.3.4 算法性能驗(yàn)證
    3.4 本章小結(jié)
第四章 等效單輸入單輸出多帶預(yù)失真結(jié)構(gòu)
    4.1 單輸入單輸出多帶預(yù)失真與多輸入單輸出多帶預(yù)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(yù)失真結(jié)構(gòu)
        4.2.1 等效單輸入單輸出多帶預(yù)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(wèn)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(dòng)態(tài)記憶深度的簡(jiǎn)化沃特拉級(jí)數(shù)模型
        4.2.5 等效單輸入結(jié)構(gòu)的預(yù)失真性能測(cè)試
    4.3 多帶預(yù)失真結(jié)構(gòu)中的自適應(yīng)帶間信號(hào)對(duì)齊算法
        4.3.1 帶間信號(hào)對(duì)齊的含義
        4.3.2 帶間信號(hào)的相關(guān)性增強(qiáng)技術(shù)
        4.3.3 帶間信號(hào)的整數(shù)時(shí)間延時(shí)對(duì)齊和分?jǐn)?shù)時(shí)間延時(shí)對(duì)齊
        4.3.4 帶間信號(hào)對(duì)齊算法的性能評(píng)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(jī)線(xiàn)性度提升技術(shù)研究
    5.1 數(shù)模聯(lián)合設(shè)計(jì)在發(fā)射機(jī)結(jié)構(gòu)優(yōu)化中的含義
    5.2 雙輸入DOHERTY發(fā)射機(jī)設(shè)計(jì)
        5.2.1 基本結(jié)構(gòu)
        5.2.2 設(shè)計(jì)思路
        5.2.3 電路設(shè)計(jì)與特征提取
        5.2.4 基于最優(yōu)效率和最優(yōu)線(xiàn)性條件下的信號(hào)分離標(biāo)準(zhǔn)
        5.2.5 分離函數(shù)綜合
    5.3 雙輸入DOHERTY發(fā)射機(jī)非線(xiàn)性失真分析
        5.3.1 靜態(tài)非線(xiàn)性失真
        5.3.2 動(dòng)態(tài)非線(xiàn)性失真
    5.4 采用自適應(yīng)信號(hào)分離算法優(yōu)化雙輸入DOHERTY發(fā)射機(jī)線(xiàn)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(duì)發(fā)射機(jī)線(xiàn)性度的優(yōu)化效果評(píng)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(xiàn)性化技術(shù)研究展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 吳淘鎖;鄔海峰;;無(wú)線(xiàn)通信技術(shù)的發(fā)展歷程與趨勢(shì)[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(yīng)調(diào)整的稀疏貝葉斯重構(gòu)算法[J];電子與信息學(xué)報(bào);2014年06期

3 李少嵐;延波;李晨飛;謝小強(qiáng);;采用二極管的模擬預(yù)失真毫米波功放線(xiàn)性化器[J];微波學(xué)報(bào);2012年01期

4 郭榮新;李國(guó)剛;;基于IP核的數(shù)字中頻預(yù)失真系統(tǒng)設(shè)計(jì)[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

5 楊國(guó)鵬;周欣;余旭初;;稀疏貝葉斯模型與相關(guān)向量機(jī)學(xué)習(xí)研究[J];計(jì)算機(jī)科學(xué);2010年07期

6 雷震洲;;蜂窩移動(dòng)通信技術(shù)演進(jìn)歷程回顧及未來(lái)發(fā)展趨勢(shì)[J];移動(dòng)通信;2008年24期

7 張煦;無(wú)線(xiàn)移動(dòng)通信技術(shù)快速發(fā)展歷程和趨向[J];移動(dòng)通信;2000年06期

相關(guān)博士學(xué)位論文 前2條

1 段青;基于稀疏貝葉斯學(xué)習(xí)方法的回歸與分類(lèi)在電力系統(tǒng)中的預(yù)測(cè)研究[D];山東大學(xué);2010年

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

相關(guān)碩士學(xué)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(xué);2014年

2 張媛;貝葉斯壓縮感知在無(wú)線(xiàn)網(wǎng)絡(luò)定位中的應(yīng)用研究[D];浙江大學(xué);2013年

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

4 王晶;稀疏貝葉斯學(xué)習(xí)理論及應(yīng)用研究[D];西安電子科技大學(xué);2012年

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

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

本文編號(hào)：2843961