当前位置:文档之家› 射频功率放大器数字预失真技术及其发展趋势_沈小虎

射频功率放大器数字预失真技术及其发展趋势_沈小虎

3G 无线通信系统对功率放大器的设计提出了更加严格的要求。为了有效地利用宝贵的频谱资源,功

率放大器既要保证高线性度以减小带外发射功率以及误码率,又要有较高的效率以减少电源消耗。在众多功放线性化高效率技术中,数字预失真技术被认为是最有效的解决方案,受到越来越多的关注。本文对数字预失真技术作了详细介绍,结合实例分析了当前主要的几种预失真模型和对应的预失真方案,并展望了Doherty 放大器技术与数字预失真结合的应用方向。

关键词

数字预失真;Doherty 功率放大器;记忆效应;非线性效应

射频功率放大器数字预失真技术及其发展趋势*

沈小虎,金

浩,王德苗

(浙江大学杭州310027)

摘要

研究与开发

*浙江省教育厅科研资助项目(No.Y200805433)

1引言

功率放大器作为现代通信系统中必不可少的部分,其

特性对收发机的整体性能有重要影响。WiMAX (worldwide

interoperability for microwave access ,全球微波互联接入)、WCDMA (wideband code division multiple access ,宽带码分

多址)等现代高速无线通信系统的广泛应用,对设计高效宽带发射机提出了更高要求,这些宽带通信系统使用的非恒包络调制方案一般都具有高峰均功率比。为了对这些信号进行放大而不至于失真,功率放大器不得不采用较大的回退来保持放大信号的线性。然而,这么做的结果是造成放大器的功率效率低下。另外,放大器的输出还与之前的输入有关,这种记忆效应的存在也是导致信号失真的重要因素[1]。

为了使工作在非线性区域的功率放大器仍能满足通信系统对线性化的要求,各种线性化技术被提出并应用于

发送机上,如前馈[2~3]、反馈[4~5]和预失真[6]。鉴于良好的可控性和灵活性,数字预失真技术在这些技术中脱颖而出。由于采用了数字化的实现方式,预失真操作易于管理和操控,有良好的适应性,对温度、电压甚至器件的改变不敏感。数字预失真技术能从数字集成电路技术的不断发展中受益,不仅预失真器的成本可以降低,一些原来难以实现的复杂功放模型和自适应算法变为可能。因此,数字预失真技术是最有前景的功放线性化技术。

此外,3G 通信市场的发展要求基站技术进一步改进。

3G 移动网络经过几年的发展,网络规模越来越大、网络的

可靠性要求越来越高、网络部署的难度越来越大。市场发展特点要求3G 基站具有体积更小、更省电、成本更低、可靠性更高的特点。

基站功率放大器线性化程度更高,可以降低功耗,减少成本并提高可靠性。数字预失真处理技术(DPD)成功用于WCDMA 基站,使得功放效率从传统基站功放效率的

9%提高到19%。更高效率的Doherty 功放技术在WCDMA

基站应用方面已经获得突破,Doherty 功率放大器采用载

波放大器和峰值放大器分别对宽带信号的载波部分和峰值部分放大,可以把功放效率提高27.6%[7]。

目前,国内对这一领域的研究较少,一般是单独对

DPD 算法的改进和仿真[8],或者Doherty 放大器的设计[9],

未见有把两者结合的应用。

本文对目前功率放大器数字预失真技术和Doherty 放大器的研究成果作一个总结,介绍了各种放大器预失真结构,并针对不同的非线性模型,讨论了各种模型的应用以及对应的自适应方法,同时分析了两者结合的发展趋势。

2数字预失真器基础

预失真系统基本结构如图1所示,预失真器在功率放

大器之前对输入信号先做预处理,它的传输特性刚好是放大器特性的反函数,这样最后由放大器输出的信号就只有线性的增益了。这一过程在图2中已画出,其中图2(b )中间曲线表示了放大器的传输曲线,而图2(a )是预失真器的传输曲线,两个模块组合的结果刚好把非线性部分抵消,于是最后整个系统的特性曲线是一条直线。

在实际应用中,预失真线性化技术可分为射频/中频预失真技术和数字预失真技术两种,其主要区别在于前者的预失真器在射频或中频电路中实现,后者的预失真器在数字电路中实现。因为DPD 不但具有更好的校正精准度、更低的成本,而且数字信号处理相比射频信号处理具有更大的灵活性,所以这里仅讨论数字预失真技术。

为了适应不同的放大器模型和自适应算法的需求,自适应预失真的结构一般分成两种:间接学习结构(indirect

learning architecture )和直接学习结构(direct learning architecture )。2.1间接学习结构

间接学习结构如图3所示,它被现在的自适应记忆预

失真器广泛采用[10,11],这种结构最先被用在消除扬声器的非线性上。在这种结构中,我们首先提取出后置滤波器的系数,这个滤波器作为非线性放大器模型的反函数,因此通常被称为后置反向滤波器(post -inverse filter )。然后,这一系数被直接复制到前置的预失真滤波器。Schetzen 在参考文献[12]中阐述了这一结构的理论基础。

这种结构的缺点是输出检测y (n )容易受到噪声的影响,导致收敛结果存在偏差。

2.2直接学习结构

为了克服间接学习结构的缺点,人们提出了直接学习

结构,它的结构如图4所示,在这种结构中,预失真器的系数由基于输入信号和差别信号的自适应算法更新,这样就解决了因为直接检测输出而引起的偏差。这一结构可以提

高预失真系统的性能,但同时也导致了收敛缓慢,计算复杂等问题[13,14]。

3非线性预失真模型

对数字预失真技术的早期研究多集中在不考虑记忆

效应的非线性模型上,其中比较有代表性的有以下几种。

3.1无记忆非线性模型

(1)多项式模型

这是所有模型中最简单的一种,计算时简单高效,能较好地表示高次项谐波引起的失真,但是对于其他更复杂的失真无能为力。

图2预失真系统的函数曲线

图1

预失真系统示意

图3

间接学习结构

图4

直接学习结构

用x(t)和y(t)分别表示功率放大器的输入和输出,这一模型可以表述为式(1):

y(t)=

K

k=0

Σb k,x k(t)(1)其中b k为系数。

在实际中,由于奇次项对信号失真影响较大,经常简化成与输入信号幅度有关的形式[15]:

y(t)=

K

k=0

Σb k|x(t)|2k x(t)(2)基于这一模型的预失真放大器结构如图5所示。

在图中,Vm是预失真前的信号,Vd是预失真输出信号,Vo是放大器的输出信号。预失真器的工作主要分成两个方面:一方面,模型参数提取并根据模型计算更新LUT (look up table,查询表);另一方面,根据|Vm|值查表对输入信号进行预失真。

在功放特征提取时,一般把式中的实部与虚部分别计算,或者幅度与相位分开计算[16]。根据放大器输出Vo和放大器输入Vd,采用迭代的方法逐步求出多项式模型的系数。

在参考文献[15]中,实验测试结果ACPR(adjacent channel power ratio,邻信道功率比)改善达到10dB。

(2)Saleh函数模型[17]

在这一模型中,放大器的AM/AM和AM/PM特性分别用式(3)和式(4)加以描述:

A(r)=αa r

1+βa r2

(3)

Φ(r)=αΦr2

1+βΦr2

(4)其中αa、βa、αΦ、βΦ是常数,r是输入信号的包络。

它能很好地表示在信号带宽上的频率无关特性,而且由于把幅度和相位分开计算,实现也相对简单。随着放大器非线性的加大,Saleh函数模型的准确性也会下降。因此,Saleh模型适用于非线性较弱的准线性放大器。

通过把α、β扩展成关于频率的函数,Saleh模型还可以用于考虑记忆非线性系统。

3.2记忆非线性模型

在现代宽带通信系统中,记忆效应的影响变得越来越明显,因此在预失真系统设计时考虑记忆效应成为必然趋势。

(1)Volterra级数模型

Volterra级数是描述带有记忆性的非线性系统时最常用的模型,已经有相当多的研究[18~20]。Volterra级数可以看成是线性卷积与非线性幂级数的组合,它描述了一个带有记忆性的非线性时不变因果系统。

离散时间的Volterra级数如下:

y(n)=

K

k=0

Σy k(n)(5)其中

y k(n)=

M-1

m1=0

Σ…M-1

m k=0

Σh k(m1,…,m k)k

l=1

仪x(n-m l)(6)

h k称为Volterra kernel,x(n)和y(n)分别表示输入和输出信号,k表示Volterra级数的阶数。这就是记忆长度为M 的Volterra级数的一般形式。

这一模型的项数非常多,直接应用自适应计算比较困难。因此,在实际中经常使用各种简化的方法。使用这种模型的数字预失真放大器一般采用实现相对简单的间接学习结构(indirect learning architecture)[10];另外,V矢量代数[21]的方法也被应用于加快收敛速度[22]。

由于这种模型本身的复杂性,对于高阶系统,计算量大,难于实现。

(2)Wiener模型

Wiener模型对Volterra级数进行了简化[23]。它由一个线性时不变系统和一个无记忆非线性系统组合而成,如图6所示,我们用LTI表示线性时不变系统,用NL表示无记忆非线性系统。

y(n)=

K

k=1

Σa k M-1

m-1

Σh(m)x(n-m

仪仪)k(7)

可以看出,Wiener模型简单地把记忆效应和非线性效应组合起来。它的输出与h(m)有着非线性的关系,这使得计算时比较麻烦。参考文献[23]和[24]研究了Wiener模型的提取方法。

图5多项式模型预失真结构

图8改进的Hammerstein 模型

图9Wiener -Hammerstein 模型

图10并联Wiener 模型

(3)Hammerstein 模型

与Wiener 模型类似,Hammerstein 模型采用先无记忆非线性系统后线性时不变系统的组合,如图7所示,表达式如下:

y (n )=M -1

m =0

Σg (m )K

k =1

Σa k x k (n -m )

(8)

在参考文献[25]中,提出了改进的Hammerstein 模型的预失真器,如图8所示。它由两个模块组成:第一部分是无记忆非线性的静态系统,采用LUT 的形式实现,用于消除强非线性,其中LUT 是预先测得的,这种做法主要是为了减小系统的复杂性;第二部分是一个动态的弱非线性记忆系统,分成两路并行的FIR 滤波器,其中的第二组滤波器输入预先乘以|x (n )|是为了产生偶数阶的失真。因为在第二部分中加入了具有弱非线性的二次项,这种改进有效地消除了因为偏置电路电阻变化和晶体管温度漂移所引起的失真,弥补了第一部分非线性系统静态的缺点。

(4)Wiener -Hammerstein 模型

它把Wiener 模型和Hammerstein 模型结合在一起,尽管它比Wiener 和Hammerstein 模型更具有通用性,但是这也导致了模型过于复杂[26],如图9所示。

y (n )=M -1

m 2=0

Σg (m 2)K

k =1

Σa k ×

M -1

m 1=0

Σh (m 1

)x (n-m 1

-m 2

ΣΣ

)k

(9)

(5)并联Wiener 模型

并联Wiener 模型如图10所示,它把多个Wiener 模型

的输出叠加在一起。参考文献[27]中,提出了一种并联

Wiener 模型,并且分别在低功率放大器(手持设备)和高功

率放大器(基站)上验证了模型的准确性,同时可以看出在高功率情况下记忆效应尤其明显,普通无记忆预失真已经不适用。

(6)Memory Polynomial 模型

在Hammerstein 模型的基础上,如果我们为不同的阶数k 选择不同的g (m )值,可以得到式(10)[28]:

y (n )=K -1

k =0ΣM -1

m =0

Σa km x (n -m )|x (n -m )|k

(10)

这一模型在Volterra 模型的基础上作了很多简化,在保持了记忆效应的同时兼顾计算的复杂性,用于实际功率放大器的预失真取得了明显的性能改善,在很多文献中被实验验证[20]。

3.3神经网络模型

还有一种用于放大器预失真的模型是神经网络模型,这种方法灵活,适应性强,其结构如图11所示,已经被用

图6

Wiener 模型

图7Hammerstein 模型

图11神经网络模型

图13Doherty 放大器两管工作状态曲线

图12Doherty 放大器的原理在无记忆非线性放大器预失真。在参考文献[29]中,输入v in 在经过一个一入二出的多层感知神经网络后计算得到幅度r pd 和Φpd 相位,而多层感知函数通过一个后向传播算法更新。实测结果线性度改善达到25dB 。在多载波WCDMA 信号上应用基于神经网络的自适应预失真器[30],取得20dB 的ACPR 改善和20%的功率效率。

4数字预失真放大器的最新发展

4.1Doherty 放大器简介

近年来,Doherty 放大器受到越来越多的关注,它应用

在无线通信系统的基站中,可以取得比一般功率放大器高得多的效率,如图12所示,它通常由两个放大管组成:一个主放大器,工作在线性状态,即AB 类工作模式;另一个为辅助放大器,配置为非线性工作状态,即C 类工作模式。动态负载牵引技术(active load -pull technique )的引入,使得主放大器的输出电压在后半区域始终保持最大值,如图13所示。这样在较小的功率回退条件下获得比一般放大器高的功率效率[31]。

4.2基于数字预失真的Doherty 功率放大器

可以看到,效率与线性度的矛盾仍然存在于Doherty 放大器中,因为其中的主放大器采用了较小的功率回退,整体的线性度会下降,IM3(the 3rd intermodulation ,三阶互调失真)会比通常的放大器高出6dB 。参考文献[32]把数

字预失真技术应用到Doherty 放大器的线性化中预示了良好的前景,可以兼得高效率和良好的线性度。在参考文献[33]中,把记忆多项式模型应用到基于GaN 的Doherty 放大器,在OPBO(output power back -off ,输出功率回退)等于PAR (peak average ratio ,峰均比)的情况下,对于单载波和四载波WCDMA 信号,分别得到了-63dB 和-53dB 的

ACPR 。参考文献[34]把这种技术应用到基于IEEE802.16e

标准的两路载波OFDM (orthogonal frequency division

multiplexing ,正交频分复用技术)信号上,在36dBm 平均

功率下ACPR 为41.74dBc ,PAE 为13.74%。

5结束语

随着通信系统带宽的增加,功率放大器的记忆效应对

性能的影响越来越大,改善记忆效应已经成为功率放大器预失真研究的热点。然而,复杂的记忆模型又导致自适应方法实现困难,目前的研究大多采用记忆多项式的形式以简化实现。在以后的发展中,寻找简单、有效的预失真模型

和易于实现的自适应算法将是研究的重点。同时,与其他线性化高效率技术结合使用也将会有广阔的前景。

参考文献

1Bosch W,Gatti G.Measurement and simulation of memory effects in predistortion linearizers.IEEE Transactions on Microwave Theory and Techniques,1989,37(12):1885~1890

2Yapici A C,Ciflikli C.Reducing the intermodulation distortion in OFDM systems by feedforward linearization technique.In: International IEEE Conference Devoted to the150-Anniversary of Alexander S Popov,St Petersburg,2009

3Eid E E,Ghannouchi F M,Beauregard F.Optimal feedforward linearization system-design.Microwave Journal,1995,38(11): 78

4Pipilos S,Papananos Y,Naskas N,et al.A transmitter IC for TETRA systems based on a cartesian feedback foop linearization technique.IEEE Journal of Solid-State Circuits,2005,40(3): 707~718

5Moazzam M R,Aitchison C S.A low third order intermodulation amplifier with harmonic feedback circuitry.In:IEEE MTT-S International Microwave Symposium,San Francisco,1996

6Jinseong J,Donald F K,Myoungbo K,et al.Wideband envelope tracking power amplifiers with reduced bandwidth power supply waveforms and adaptive digital predistortion techniques.IEEE Transactions on Microwave Theory and Techniques,2009,57

(12):7

7新一代WCDMA基站渐成主流.华为技术,2006

8曹新容,黄联芬,赵毅峰.一种基于Hammerstein模型的数字预失真算法.厦门大学学报自然科学版,2009,48(1):47~50 9宋汉斌,陈晓光.基于Doherty技术的RF高效率大功率放大电路的设计与分析.电路与系统学报,2008,13(6):6

10Eun C,Powers E J.A new volterra predistorter based on the indirect learning architecture.IEEE Transactions on Signal Processing,1997,45(1):223~227

11Hong S C,Woo Y Y,Kim J,et al.Weighted polynomial digital predistortion for low memory effect doherty power amplifier.

IEEE Transactions on Microwave Theory and Techniques,2007, 55(5):925~931

12Schetzen M.Theory of pth-order inverses of nonlinear-systems.

IEEE Transactions on Circuits and Systems,1976,23(5):285~ 291

13Kang H W,Cho Y S,Youn D H.On compensating nonlinear distortions of an OFDM system using an efficient adaptive predistorter.IEEE Transactions on Communications,1999,47(4): 522~526

14Lim Y H,Cho Y S,Cha I W,et al.An adaptive nonlinear prefilter for compensation of distortion in nonlinear Systems.

IEEE Transactions on Signal Processing,1998,46(6):1726~ 1730

15Han J H,Chung T,Nam S.Adaptive predistorter for power amplifier based on real-time estimation of envelope transfer characteristics.Electronics Letters,1999,35(25):2167~2168

16Besbes H,Le-Ngoc T,Lin H.A fast adaptive polynomial predistorter for power amplifiers.In:IEEE Global Telecommunications Conference,San Antonio,2001

17Saleh A A M.Frequency-independent and frequency-dependent non-linear models of TWT amplifiers.IEEE Transactions on Communications,1981,29(11):1715~1720

18Schetzen M.The volterra and wiener theories of nonlinear systems.Krieger Publishing Co,2006

19Jin Z,Zhou Y W,Song Z H.Behavioral modeling of RF power amplifiers using modified volterra series.Journal of Circuits Systems and Computers,2009,18(2):351~359

20Ku H C,Kenney J S.Behavioral modeling of nonlinear RF power amplifiers considering memory effects.IEEE Transactions on Microwave Theory and Techniques,2003,51(12):2495~2504 21Carini A,Mumolo E,Sicuranza G L.V-vector algebra and its application to volterra-adaptive filtering.IEEE Transactions on Circuits and Systems II-Analog and Digital Signal Processing, 1999,46(5):585~598

22Zhu A D,Brazil T J.Adaptive volterra-based predistorter design for RF high power amplifiers.High Frequency Postgraduate Student Colloquium,2001:100~105

23Celka P,Bershad N J,Vesin J M.Stochastic gradient identification of polynomial Wiener systems:analysis and application.IEEE Transactions on Signal Processing,2001,49

(2):301~313

24Cousseau J E,Figueroa J L,Werner S,et al.Efficient nonlinear Wiener model identification using a complex-valued simplicial canonical piecewise linear filter.IEEE Transactions on Signal Processing,2007,55(5):1780~1792

25Liu T J,Boumaiza S,Ghannouchi F M.Augmented Hammerstein predistorter for linearization of broad-band wireless transmitters.

IEEE Transactions on Microwave Theory and Techniques,2006, 54(4):1340~1349

26Bershad N J,Celka P,McLaughlin S.Analysis of stochastic gradient identification of Wiener-Hammerstein systems for nonlinearities with hermite polynomial expansions.IEEE Transactions on Signal Processing,2001,49(5):1060~1072

27Ku H C,McKinley M D,Kenney J S.Quantifying memory effects in RF power amplifiers.IEEE Transactions on Microwave Theory and Techniques,2002,50(12):2843~2849

28Kim J,Konstantinou K.Digital predistortion of wideband signals based on power amplifier model with memory.Electronics Letters,2001,37(23):1417~1418

Digital Predistortion Technique and Its Development

Shen Xiaohu,Jin Hao,Wang Demiao

(Zhejiang University,Hangzhou 310027,China)

Abstract

In today ’s mobile communication systems,the design of power amplifier is becoming more challenging because the

modulated RF signal high PAR(peak average ratio)must be amplified linearly so as to lower ACPR(adjacent channel power ratio)and EBR(error bit rate).In addition,the power consumption needs to be reduced to minimum.The digital predistortion technique is becoming an increasingly attractive solution to these problems,due to its excellent linearization capability and flexible application.In this paper,the basic concepts of DPD are illustrated,including the models and corresponding implementations.We believe the application of DPD to Doherty PA will be the most promising technique.Key words

digital predistortion,doherty power amplifier,memory effect,non -linear effect

(收稿日期:2010-05-31)

29Naskas

N,

Papananos

Y.

Neural -network -based

adaptive

baseband predistortion method for RF power amplifiers.IEEE Transactions on Circuits and Systems Ii -Express Briefs,2004,51(11):619~623

30Rawat M,Rawat K,Ghannouchi F M.Adaptive digital predistortion

of wireless power amplifiers/transmitters using dynamic real -valued focused time -delay line neural networks.IEEE Transactions on Microwave Theory and Techniques,2010,58(1):95~104

31Cripps S C.Advanced techniques in RF power amplifier design.

Artech House,2002

32Cripps S C.RF power amplifiers for wireless communications.

Artech House,1999

33Sung -Chan J,Oualid H,Fadhel M G.Design optimization and

DPD linearization of GaN -based unsymmetrical Doherty power amplifiers for 3G multicarrier applications.IEEE Transaction on Microwave Theory and Techniques,2009,57(9):2105~211334Jeong J,Van J,Cho J,et al .Linearization of a 3.7GHz multi -carrier GaN HEMT doherty power amplifier using digital predistortion method.Microwave and Optical Technology Letters,2010,52(3):634~638

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

·简讯·

TriVector Services 使用MathWorks

产品验证Ares I 火箭的时延

MathWorks 日前宣布TriVector Services 通过采用基于

模型的设计,将美国航天总署(NASA )Ares I 火箭通信总线设计的验证时间缩短了一年多。TriVector 使用MathWorks 产品建立系统模型,以用作整个开发过程中的可执行规范。该模型用于在硬件开发之前分析时序性能和验证系统要求,从而将时序分析的总体任务时长减少60%。

TriVector 工程师们使用Simulink 、Stateflow 和SimEvents

来开发Ares I 内部通信系统的系统级模型。仿真这些系统

使工程师们能够追踪每个数据包从来源到目的地的过程,以验证包的传送时间是否处于要求的时间范围内,从而评估出端到端的时延。

然后,该团队使用MATLAB 对仿真结果进行后续处理,绘制数据包时延图,并且轻松地将结果可视化并交流结果。该团队已对Ares I 一级和更高级火箭中超过12个通信总线完成了初步时序分析。

由于可以在硬件开发之前的仿真过程中对系统进行建模和测试,验证时间缩短了一年多。同时,采用基于模拟的方法更易发现问题,而如果使用基于电子表格的传统方法,这些问题要难以发现得多。

相关主题
相关文档 最新文档