利用宽带信号驱动负载的系统和方法专利检索-压缩失真图形技术专利检索查询-专利查询网

利用宽带 信号驱动负载的系统和方法

阅读：3发布：2020-05-11

专利汇可以提供利用宽带信号驱动负载的系统和方法专利检索，专利查询，专利分析的服务。并且本公开涉及超宽带数字预失真。一种数字预失真系统，可以对系统的功率放大器逆向建模以使发射器线性化。对于超宽带电缆电视应用，基于窄带信号设定的数字预失真的复数基带模型不能工作。预失真可以使用包括实数值基础项的真宽带模型，实数值基础项从实数值信号获得。当升幂时，奇数和偶数谐波或者或其他奇数和偶数非线性项被表述并且可以引起负频折叠。可以应用Hilbert变换。压缩感知技术可以用于减少真实数宽带模型中的基础项的数量以生成稀疏模型。可以增加稀疏均衡以提高数字预失真系统的稳定性。，下面是利用宽带信号驱动负载的系统和方法专利的具体信息内容。

权利要求

1.一种利用宽带信号驱动有线负载的系统，该系统包括：
数字预失真DPD电路，包括接收DPD输入信号的DPD输入和提供DPD输出信号的DPD输出，基于所述DPD输出信号驱动功率放大器PA电路，以使PA输出信号传播到有线负载上，其中DPD电路构造成根据所述PA电路的逆向模型运行；以及
调度电路；
所述PA电路的逆向模型包括实数值基础项，以捕获奇数和偶数谐波或其他奇数和偶数非线性项，其中所述DPD电路能够构造为动态地仅接通与实数值基础项中选择的一组减少基础项对应的硬件电路或单元，而关闭已经取消的不需要的硬件电路或单元；
所述调度电路被构造为执行包括以下项的操作：
调度使用实数值基础项建立逆向模型；以及
通过提供符合消除冗余或不活动基础项的至少一种规则的经测试基础项来将所述逆向模型压缩为稀疏逆向模型。
2.根据权利要求1所述的系统，其中，所述稀疏逆向模型不包括不符合消除冗余或不活动基础项的至少一种规则的经测试基础项。
3.根据权利要求1或2中任一项所述的系统，其中所述稀疏逆向模型包括已经利用正交匹配追踪算法0MP技术测试的经测试基础项。
4.根据权利要求1所述的系统，其中所述实数值基础项包括经Hilbert变换的实数值基础项。
5.根据权利要求1所述的系统，所述系统还包括：
发射器电路，所述发射器电路包括所述PA电路，所述发射器电路在所述DPD电路与PA电路之间还包括数模转换器DAC电路，
均衡器电路，位于所述DPD电路与所述发射器电路之间；以及
观测接收器电路，经由所述PA电路的逆向模型将信号从所述PA电路的下游反馈到所述DPD电路。
6.根据权利要求1所述的系统，其中所述PA电路的逆向模型不包括复数值基础项，而只包括实数值基础项。
7.一种利用宽带信号驱动有线负载的方法，所述方法包括：
生成功率放大器PA的逆向模型，所述逆向模型包括实数值基础项，以捕获奇数和偶数谐波或其他奇数和偶数非线性项；
将数字预失真DPD电路布置为动态地仅接通与实数值基础项中选择的一组减少基础项对应的硬件电路或单元，而关闭已经取消的不需要的硬件电路或单元；
调度使用实数值基础项建立逆向模型；以及
通过提供符合消除冗余或不活动基础项的至少一种规则的经测试基础项来将所述逆向模型压缩为稀疏逆向模型。
8.根据权利要求7所述的方法，其中所述稀疏逆向模型包括符合消除冗余或不活动基础项的至少一种规则的经测试基础项，而不包括不符合消除冗余或不活动基础项的至少一种规则的经测试基础项。
9.根据权利要求7或8任一项所述的方法，还包括从稀疏逆向模型中排除不符合来自稀疏逆向模型的所述至少一种规则的经测试基础项。
10.根据权利要求9所述的方法，包括：利用正交匹配追踪算法0MP技术来生成所述稀疏逆向模型。
11.根据权利要求9所述的方法，包括：与生成所述稀疏逆向模型相独立地调度建立所述逆向模型。
12.根据权利要求7所述的方法，包括：将使用Hilbert变换的实数值基础项作为在所述PA的逆向模型中的实数值基础项。
13.根据权利要求7所述的方法，包括：
使预失真信号均衡，以产生均衡信号；
利用数模转换将均衡信号转换为将要提供至所述PA的输入的模拟信号；以及反馈从所述PA下游观测到的信号。
14.根据权利要求13所述的方法，其中反馈从所述PA下游观测到的信号用于形成或调整所述逆向模型。

说明书全文

利用宽带信号驱动负载的系统和方法

技术领域

[0001] 本发明涉及集成电路领域，具体地说，涉及实现超宽带数字预失真的电路。

背景技术

[0002] 数字预失真系统可以用于蜂窝系统以改进射频发射器的线性度。数字预失真系统反过来对射频功率放大器的非线性特征建模，以改进放大器的线性杜并且降低失真。这种预失真能够允许从现有放大器中使用更多功率，而不必使用更大，功率更强并且耗能的放大器。

发明内容

[0003] 数字预失真系统反过来对蜂窝系统的功率放大器建模以使发射器线性化。常规复数基带模型通常用于数字预失真，常规复数基带模型方便地基于以下假设：信号为窄带信号，例如相对于100MHz的载波频率占用几十MegaHertz的蜂窝系统。电缆发射器通常具有占用1G赫兹或更大连续频谱的超宽带宽。这种宽带宽要求使得功率放大器的常规复数基带模型不能工作。适合超宽带应用的新的功率放大器模型涉及将常规复数基带模型替换为真实数宽带模型。可以应用Hilbert变换来获得解析式。可以使用压缩感知技术可以用来减少在真实数宽带模型中的基础项的数量。可以增加稀疏均衡来改进数字预失真系统的稳定性。附图说明

[0004] 为了更完整地理解本发明及其特征和优点，结合附图对以下描述进行参考，其中相同的附图标记表示相同的部件，附图中：

[0005] 图1示出用于数字预失真的常规复数基带模型；

[0006] 图2示出通过观测接收器看到的失真和谐波；

[0007] 图3示出发射器系统和窄带信号建模；

[0008] 图4示出过滤掉带失真；

[0009] 图5示出超宽带系统和超宽带非线性度；

[0010] 图6示出位于DC附近的负折叠效应的实例；

[0011] 图7示出位于DC附近的负折叠效应的特定实例；

[0012] 图8示出真实数宽带模型；

[0013] 图9示出通过宽带观测接收器观看到的失真项和谐波；

[0014] 图10示出稀疏数字预失真系统；

[0015] 图11示出稀疏数字预失真适配处理器的系统组件；

[0016] 图12示出与稀疏数字预失真适配处理器一起工作的数字预失真驱动器的系统组件；

[0017] 图13示出均衡器；

[0018] 图14示出均衡器的训练；

[0019] 图15示出均衡器数字预失真模式；以及

[0020] 图16示出超宽带均衡方法的流程图；以及

[0021] 图17示出超宽带数字预失真方法的流程图。

具体实施方式

[0022] 数字预失真概述

[0023] 发射器系统可以包括发射器和对发射器的输出进行放大的功率放大器。旨在使功率放大器的响应线性化的数字预失真(DPD)系统可以通过以下方式与发射系统整合：例如使用观测接收器对功率放大器的输出进行观测，对非线性建模，并且基于非线性使在正向通路上的输入失真来进行补偿。数字预失真的目标是使朝向发射器的输入失真，使得功率放大器的响应表现得线性。观测到的功率放大器的输出可以用于拟合逆向模型。具体地说，功率放大器的输出可以应用于逆向模型的输入，使得模型的输出可以与发射器的输入尽可能接近地匹配。匹配可以包括均方误差最小化方法。DPD驱动器电路可以使用该模型来使朝向发射器的输入信号数字预失真。

[0024] 理解窄带假设和用于DPD的复数基带模型

[0025] 在一个方法中，DPD模型可以应用于无线蜂窝通讯系统。在这种应用中，DPD模型可以假设所关注的功率放大器非线性遍及窄频通带。在本文以及行业中使用的窄带是指通带带宽明显小于中心(载波)频率，例如小10倍。例如，对于以1GHz为中心的频带而言，频率带宽可以为60MHz。在窄带的假设条件下，例如在无线蜂窝通讯系统中，可以使用复数基带模型对功率放大器建模。

[0026] 图1示出可以用于数字预失真的复数基带模型的实例。在图1中示出了发射器系统102。发射器系统102可以包括发射器(Tx)104、功率放大器(PA)106和观测接收器(Rx)108。
朝向发射器Tx 104的输入信号可以是表述为xbb＝Ix+jQx的复数基带信号。由观测接收器
106产生的输出信号可以是表述为ybb＝Iy+jQy的复数基带信号。两个复数基带信号均可以具有相内分量和正交分量(分别为I和Q)。所示的DPD模型110可以是能够使用所示数学等式表述的复数基带模型。DPD模型110的公式化可以基于以下假设：功率放大器PA 106的响应位于载波频率附近的窄频通带中，其中BW为带宽，fc为载波频率。一旦确定，DPD驱动器电路
112可以利用DPD模型110来生成能够补偿功率放大器PA 106的非线性特征的预失真。这样可以有利地允许PA 106在较宽的动态范围上操作，而不会受到可能以其他方式存在的伴随失真。

[0027] 图2示出例如可以通过观测接收器Rx 108看到的失真和谐波的实例。考虑到以fc为中心的窄带信号，观测接收器Rx 108可以看到窄带信号和位于fc附近的第三、第五次的失真。虽然没有明确示出，但是第七、第九次的失真项(以及较高的奇次的失真)也存在于fc附近。括号示出带宽(BW)或关注带。在这种情况下，带宽为窄带。可以看出，偶次的失真项(第二、第四、第六失真)和谐波(第二谐波、第三谐波等)落在关注带之外。因为该系统假设带宽为窄带，所以在数字预失真模型中忽略落在关注带之外的偶次的失真项和谐波。

[0028] 为了实现复数基带模型，考虑图3和图4所示的实例。图3示出发射器系统300的实例和窄带信号的建模。图4示出过滤掉偶次的失真和谐波。发射器系统300可以包括以复数基带信号xbb作为输入的数-模转换器(DAC)电路302、低通过滤器电路304、向上变频器电路306、具有接收信号x的输入节点和提供信号y的输出节点的功率放大器电路308、向下变频电路308、低通过滤器电路310和模-数转换器(ADC)电路310，例如用于生成观测输出作为复数基带信号ybb。注意到，输入到功率放大器PA 308的实际输入信号x可以以载波频率fc(例如，1GHz)为中心。可以通过以下方式使复数基带模型的公式化：假设窄带信号以零Hertz附近为中心，并且利用观测数字输入和观测数字输出对功率放大器PA 308的输入和输出建模。这些复数基带信号可以用于拟合逆向模型。因此，可以称为复数基带模型。不再需要对以载波频率fc为中心的信号明确建模。从图2和图4可以看出，偶次的失真、第二谐波、第三谐波和第四谐波(等)落在关注带之外。所有带外(00B)非线性或发射(以载波频率的偶数倍或奇数倍)由此可以被带通过率器电路去掉，该带通过率器电路可以位于功率放大器308的输出阶段。因此，出于数字预失真和产生用于数字预失真的逆向模型的目的，可以忽略00B非线性或发射。相反，在这种窄带条件下，功率放大器PA 308的模型及其逆向模型仅需要考虑带内非线性，例如奇次失真项。

[0029] 复数基带模型的细节和缺点

[0030] 如前文所述，如果应用窄带假设，那么只有奇次互相调制失真(IMD)项需要被模型捕获。偶次的IMD项和谐波失真(HD)项落在带之外，因而可以被忽略。为了对带内失真项建模，复数基带模型具有以下形式的基础项：逆向(DPD)模型的和。该公式取复数基带信号矢量或的量值，使该量值增加一定的偶次幂(项2k)，然后将该结果乘以另一个复数基带信号矢量或。m1和m2表示不同的延迟。乘法产生奇数效应，因而仅对奇次的行为建模而没有偶次项。因为在基带中执行，所以模型不会捕获任何谐波效益。

[0031] 对于例如电缆(例如，电缆电视发射器)等带宽在50M赫兹(MHz)-1.2G赫兹(GHz)范围内的超宽带应用来说，这种用于数字预失真的复数基带模型是不够的。该带宽比无线蜂窝窄带场景宽十倍甚至更宽。例如，有线电缆的带宽可以具有大约1GHz或以上的带宽，其中心频率大约为0.5GHz。对于一些应用来说，关注频带向0Hertz(通常称为DC)延伸。在这些超宽带应用中，不再采用窄带假设。以下说明将描述在不采用窄带假设的情况下复数基带模型如何不能用于数字预失真。

[0032] 图5示出超宽带系统和伴随的超宽带非线性度的实例。所示发射器包括DAC电路502、功率放大器电路504和ADC电路506。考虑带宽BW的单个(窄带)信道输入被提供至发射器(即，DAC 502)的输入。输出失真可以扩散到多个“区域”(显示为区域0-5)。偶次项落在偶次谐波失真HD附近，奇次项落在奇次谐波失真HD附近。偶次项2k在(2k x BW)的带宽上落入区域0，2，4，...，2k；奇次项2k+1在((2k+1)x BW)的带宽上落入区域1，3，5，...，2k+1。若输出关注比较宽的带宽，在模型中应当考虑关注带内的所有区域(例如，在本实例中为区域
05)。偶次IMD和HD项不能被忽略。

[0033] 除了不能对偶次IMD项和HD项建模以外，复数基带模型忽略低频带负频失真项折叠效应。当低频带边缘接近零Hertz(通常称为DC)时，出现这种折叠效应。图6示出DC附近的负折叠效应的实例。假设窄带信号内容接近DC，例如50MHz。如前文所述，信号应当具有位于信号基本频率附近的第三和第五次失真。当信号内容的基本频率接近DC时，那些第三和第五次效应可以落在负频之内。当信号在零Hertz处镜像时，落在负频之内的效应折叠到正频，在概念上由在图6中的DC附近的重叠部分示出。

[0034] 图7示出位于DC附近的负折叠效应的特定实例。在该所示实例中，输入信号x被指定为在频率f1和频率f2处的两个单音信号x＝cos2πf1t+cos2πf2t(在频谱上示出为实线箭头)。输入信号x为实数信号，因而输入信号x在-f1和-f2处具有镜像图像(在频谱上示出为虚线箭头)。作为所示实例，该信号的立方生成三次效应。当2f1f2＜0时，三次失真进入负频，而三次失真的镜像图形折叠到正频。当使用复数信号时，信号内容落在正频或者负频之内。因此，复数基带模型忽略镜像图像以及任何折叠效应。这种折叠效应可以落在超宽带场景的关注带之内。

[0035] 对超宽带场景建模

[0036] 为了解决复数基带模型的不足，可以用真“实数”(即，非复数)宽带模型代替复数基带模型。图8示出真实数宽带模型的实例。在该实例中，例如如图9所示，DPD观测接收器(Rx)802为超带宽，并且在整个关注带上观测到完整信号(期望失真与所有不期望失真的乘积)。在一个实例中，真实数宽带模型可以具有以下基础项ybb(n-m1)kybb(n-m1-m2)：对真矢量2k
ybb进行运算的。使复数基带模型对和基础项|ybb(n-m1)| ybb(n-m1-m2)重新使用复数表达式，其中ybb为复数基带信号，也被称为“复数包络(Complex Envelope)”。当用具有y(n-m1)ky(n-m1-m2)形式的项(其中，y为真宽带信号)的真宽带模型代替这些项时，对观测到的带宽上的所有失真项(偶数和奇数)建模。注意到，矢量y(n-m1)同时增加偶次幂和奇次幂(不仅k
增加2k)，即，y(n-m1) ，并且对于偶次行为和奇次行为，该结果均与矢量y(n-m1-m2)相乘。有效的是，基础项同时考虑偶次项和奇次项。

[0037] 使实数分量增加k次幂(同时捕获奇次和偶次行为)，并且该结果乘以矢量的实数分量。

[0038] 在一些情况下，可以对乘积应用Hilbert变换。如前文所述，取复数(基带或通带)矢量，并且取矢量的实数分量(或终止虚数项)。使实数分量增加k次幂(同时捕获奇次和偶次行为)，并且该结果乘以矢量的实数分量。然后，可以对最终结果应用Hilbert变换，从而将实数宽带转换为复数实体。有利的是，Hilbert变换可以将实数宽带矢量转换为分析信号以捕获输入矢量与输出矢量之间的相位偏移。此外，具有单边频谱的分析信号仅占用实数等效信号的带宽的一半。因此，可以使采样率降低一半，并且在获得已有节省的同时仍然满足Nyquist标准。

[0039] 通过应用真实数宽带模型，该模型可以捕获所有偶次和奇次IMD项和HD项，从而使该模型适合于超宽带应用，例如有线电缆通讯发射器。

[0040] 在上面的实例中示出了广义记忆多项式(Generalized Memory Polynomial)。然而，可以使用导致存储效应的非线性行为的其他模型，其中这些模型对信号的实数分量进行运算以受益于真实数宽带效应。例如，可以使用维度比所示GMP公式更高的Volterra系列。一般离散时间Volterra系列的公式可以如下：

[0041]

[0042] 其中，x(t)为输入信号，y(t)为输出信号，而函数hn(τ1，..，τn)被称为第n阶Volterra 内核(作为系统的高阶脉冲响应)。因为本公开的数字预失真可以将信号输出与逆向模型拟合，所以可以使用上面看到的Volterra系列公式的逆向版本。本公开可以预期Volterra系列的限制其维度和/或其存储器的记忆深度的变型(或者导致存储效应的非线性行为的任何模型)，这些变型的用途或简化度可以取决于应用要求。

[0043] 使用真实数宽带模型的复数数字预失真系统实例

[0044] 随着信号带宽的加宽(更大的频率依赖效应)，功率放大器的非线性存储效应变得越来越显著。这些加深记忆效应随着模型复杂度的相应增长而变得日益现实。当应用使用了真实数宽带模型的数字预失真时，尺寸问题显著增加。对于超宽带宽应用来说，具有实数宽带模型的数字预失真由于加深记忆效应而立即变得不实用。求解方式在数值上变得不足，而模型稳健性由于过度拟合而可能会降低。此外，即使发现在数值上稳健的求解方式，资源(例如，逻辑门或其他电路部件的数量、指令的数量)和功耗的成本变得过高。为了解决这个问题，可以实施其中减少模型参数数量的降低复杂性的求解方式。通过应用压缩感知，可以大幅减少项数(例如，系统中方程式的未知数的数量)，从而降低将要由数字预失真解决的问题的复杂性。此外，用于使信号预失真的DPD驱动器电路也可以适用于更少地使用资源。

[0045] 例如，使用(但不限于)实数宽带的广义记忆多项式(Generalized Memory Polynomial，GMP)作为具有在水平或深度上逆溯的存储器而没有压缩感知的DPD结构，数字预失真使用了所有指针，例如，m1＝0，1，2，...，M1。例如，对于M1＝128并且M2＝2，记忆将在130的深度延伸。Kth阶系统包括方程式的系统的求解方式。对于K＝7的上述实例，需要求解具有2709个未知数的方程式系统。在实际中，由于数值不足和过度拟合，因此求解这样的方程式系统是有问题的。此外，DPD驱动器将包括个算术运算(加法和乘法)，由于这些运算必须实时运行并联机传输数据，所以运算是资源和能源紧张的。可以实施在求解DPD系统方程式并实现驱动器方面缓解计算负担的其他方法，以解决这种深度记忆系统的问题。

[0046] 应用压缩感知来减少基础项

[0047] 为了减少基础项的数量，可以应用压缩感知概念，例如，正交匹配追踪算法(OMP)来对空间进行搜索并确定重要的基础项。一旦利用压缩感知系统地识别重要基础项，就可以形成能够用于数字预失真的简化模型。可以大幅地减少用简化模型求解的未知数的数量。可以利用压缩感知来发现DPD方程式系统的“稀疏”求解方式。即使选定数量的参数非零而使余数为零，也可以发现除了“稀疏”求解方式以外的次最佳方案。在一种方法中，逆向模型(DPD)可以表示为矩阵符号，其中Y为测量值或回归量矩阵，由M列1回归量或基矢量组成。例如，在实数GMP模型的情况下，基矩阵可以由形式的基础项或基矢量组成。为未知DPD参数的矢量。在DPD求解方式的一种方法(例如，最小平方法(least squares))中，使用了所有M个基矢量。当应用压缩感知时，改进的DPD求解方式可以将完全回归量矩阵替换为稀疏回归量矩阵，其中选定数量的列矢量或基矢量(例如，与基础项对应的列矢量)可以被替换为零列矢量。然后，逆向模型可以在Least Squares概念中拟合为。然后，稀疏求解方式矢量可以包括减少/最少数量的非零项目，而所有其他项目为零。

[0048] 图10示出稀疏数字预失真系统的实例。可以应用多种压缩感知技术算法之一来适配DPD。作为一种示例性实例，采用下面所述的正交匹配追踪算法(OMP)。OMP可以浏览所有基础项，并且可以进行所有基础项的例如单独一个接一个的与输出的交叉相关，从而以贪吃的方式确定这些基础项中与输出最相关的基础项。OMP可以取最相关的一个基础项并且使用其对输出建模和确定剩余。然后，OMP可以使用剩余找到下一个与输出最相关的基础项以及剩余。可以重复该过程，直到OMP遍历所需要的项数。因为OMP可以最终包括最小平方法步骤而该步骤可以用于代替求解DPD方程式的最小平方法步骤，所以OMP特别适合DPD。OMP还可以提供复杂性与性能之间的合理取舍。从资源的观点看，OMP是合算的。本公开预期可以应用除了OMP以外的其他压缩感知技术来生成稀疏回归量矩阵。

[0049] 首先，可以构造非稀疏的传统回归量或基矩阵Y。可以对非稀疏的稠密回归量或基矩阵Y应用OMP，以便从Y中去掉冗余的或非活动的基础项或基矢量，从而产生稀疏基矩阵。然后，采用Least Squares求解器产生稀疏参数矢量。然后，可以应用于DPD驱动器。应用于DPD的OMP可以包括以下算法或过程：

[0050] 生成所有基础项其为列基矢量的NxM矩阵；

[0051] 压缩基矩阵以获得Ys＝[y1 … ys … yS]，其为列基矢量的NxS(S≤M)矩阵；以及[0052] 求解DPD方程式(例如，使用最小平方法)以获得

[0053] 实施稀疏DPD适配处理器的系统注意事项

[0054] 实施数字预失真的压缩感知技术可以包括考虑各个系统注意事项。图11示出稀疏数字预失真适配处理器电路的系统组件。DPD可以包括求解DPD参数的适配步骤。适配步骤可以由DPD适配处理器电路1102(例如，嵌入式微处理器电路)实施并且可以脱机进行。观测矢量y可以被馈送至构建回归量矩阵1106，以便建立稠密NxM矩阵，如上文所述，该矩阵可以包括多个冗余项。稠密NxM矩阵可以被压缩回归量矩阵电路1108压缩，以便生成稀疏NxS矩阵。然后，最小平方法求解器电路1110可以基于稀疏矩阵求解DPD方程式。适配步骤(例如，在DPD适配处理器1102中)可以引入调度程序组件1104，使得压缩回归量矩阵电路1108和最小平方法求解器电路1110可以单独调度和排序。

[0055] 为了实现节能，构建回归量矩阵电路1106可以以较低重复率运行。例如，可以更少频率地(例如，在启动和响应主系统变化时，主系统变化例如为功率放大器电路的偏压条件变化、超过阈值的温度变化等)评估完全占据或者稠密的矩阵Y的列项目。在生成稠密矩阵Y之后，压缩回归量矩阵组件1108可以运行例如一次，以便识别重要基础项(例如，列矢量)，从而生成稀疏NxS矩阵。在压缩回归量矩阵组件1108运行之后，构建回归量矩阵组件1106可以运行，以便仅评估稀疏(非重要)列矢量Y。

[0056] 构建回归量矩阵组件1106和识别非零回归量矢量s的指针或位置的压缩回归量矩阵组件1108可以以不同于最小平方法求解器(不经常运行)的速率运行。最小平方法求解器组件1110可以以较高的重复频率偶尔或定期运行，以便追踪到功率放大器非线性行为的预期的暂时变化(例如，由于PA的偏压或温度条件的变化)。在PA行为的主变化之后，压缩例程更加不经常运行。例如，压缩回归量矩阵组件1106可以在以下情况下运行压缩算法：启动，或者响应负载、温度和偏压的主变化，或者响应可能需要重新校准的发射器中的均方根(RMS)幂阶的变化。

[0057] 实施稀疏DPD驱动器的系统注意事项

[0058] 虽然DPD适配步骤可以脱机进行，但是在正向通路中的DPD驱动器实时并且联机运行，因而可以加强一些系统注意事项。对于数字输入信号的实时联机修改，可以提供芯片上的专用电路硬件，以使数字信号失真。专用硬件可以包括几个或许多电路，这些电路能够生成DPD驱动器必须提供的所有可能的回归量项(例如，如果不知道哪一个基础项可以被压缩回归量矩阵组件1108去除)。

[0059] 图12示出与稀疏数字预失真适配处理器一起工作的数字预失真驱动器1112的系统组件的实例。为了节能，DPD驱动器1112的改进构造可以与DPD适配处理器1102一起工作。例如，压缩回归量矩阵组件1108可以运行，使得DPD驱动器1112可以动态适配，从而仅打开与简化回归量矩阵中的一组简化基础项对应的硬件电路或单元，而关闭已经由压缩回归量矩阵模块1108取消的不需要的硬件电路或单元。再次参考图11和图12的DPD驱动器1112，该DPD驱动器可以包括用于形式的所有基础项的电路或单元(视为基础生成器1202)和形成与内积的电路。在基础生成器中的电路或单元可以包括使数量增加kth幂并且包括大量乘法运算。形成内积的电路或单元也可以包括大量乘法运算。然而，现有由于参数矢量是稀疏的，因此只需要评估与的非零项目相关的项(这样可以节能)。不需要评估与的零项目相关的基础项和内积。因此，可以关闭与的零项目相关的那些基础项和内积的相应电路或单元。因为活动和非活动组件的指针或分布是动态的(每当执行压缩算法时，可能存在随机的或者不可预测的变化)，所以驱动器构造也可以是动态的，从而可以根据需要启动和关闭必要生成器运算。可以基于动态地进行DPD驱动器1112的自构，例如，以响应压缩算法的执行(例如，每当压缩算法运行时进行响应)。DPD驱动器1112可以启动和关闭在基础生成器中的不同电路/单元

[0060] 超宽带传输均衡器

[0061] 图13示出均衡器电路1304的实例。对于理想操作，观测发射器的DPD 1302想要看到从DPD 1302到功率放大器1310的平线性增益响应和恒定群延迟或线性相位响应。在实际中，功率放大器1310的带通响应可能具有波纹，因此增益可能在穿过通带时变化。DAC重构过滤器1308尤其在其带边缘附近会具有一些增益起伏。DAC 1306可以具有带sinx/x响应的DAC转出。在从DPD 1302到功率放大器1310的某些位置处还可能具有不期望的相位响应。因此，DAC sinx/x、在带边缘附近的过滤和功率放大器带过滤器转出、带内增益起伏和非线性相位响应是对非平线性增益响应和非恒定群延迟或非线性相位响应的各种参与者，它们会对DPD性能产生不利影响。为了解决该问题，在DPD与发射器之间可以包括线性)均衡器电路1304。均衡器1304可以平衡增益和相位响应。因此，当DPD观测均衡器时，线性响应DPD在带和恒定群延迟或线性相位响应上看到平增益。可以需要训练均衡器1304并将均衡器1304与真实数宽带DPD耦合的方案(还可能实施压缩感知)。

[0062] 不经常，例如在启动时或者在怀疑传输线性响应偏离原始启动训练方案时进行均衡器的训练。图14示出出均衡器的训练的实例。可以放弃功率放大器1402以对其线性区域进行运算(例如，从而存在可忽略的失真并且该回路线性运行)，然后可以应用宽带激励1404。参照模型，即参照收发(Tx-Rx)模型1406和间接学习构架可以用于提取或训练宽带宽(BW)线性稀疏均衡器1408。参照模型(例如，参照收发(Tx-Rx)模型1406)可以提供例如在关注带上具有平增益和线性相位响应的所需Tx-Rx线性响应。参照模型(例如，参照收发(Tx-Rx)模型1406)可以包括有限脉冲过滤器(FIR)电路。该FIR过滤器可以向带边缘提供平增益并且向带边缘提供线性相位或恒定群延迟。宽带宽(BW)线性(稀疏)逆向模型1410可以仅包括线性项(例如，可以省略非线性项)。该模型不必对信号的实数分量进行运算。在一些情况下，优选的是，可以对信号应用Hilbert变换，从而对复杂相位和振幅信息建模以提高均衡度(这针对平增益和线性相位)。

[0063] 为了训练均衡器电路1304例如以便使用宽带宽(BW)线性(稀疏)逆向模型1410，输入x可以被参照模型(参照收发(Tx-Rx)模型1406)过滤，而输出y可以用于拟合线性逆向模型1410以使逆向输出等于参照输出z。当训练收敛时，对参数求解，其中参数可以使逆向输出等于参照输出z。因为输出信号y是宽带信号，所以稀疏适配组件1412可以应用压缩感知以帮助减少基础项和参数的数量，从而使线性逆向模型1410称为线性稀疏逆向模型1410。在这种情况下，用于均衡的基础项是线性的(注意，用于DPD的基础项是非线性的)。

[0064] 在训练均衡器电路1304之后，可以使均衡器1304应用于DPD 132的输出。图15示出在数字预失真(DPD)模型中运行的均衡器1304的实例。在该实例中，如图所示，宽带宽(BW)线性稀疏均衡器1408可以位于宽带宽(BW)稀疏DPD驱动器1504的输出与发射器1510的输入之间。可以根据例如在图14中的示例来训练宽带宽(BW)线性稀疏均衡器1408，其中已经确定了参数。宽带宽(BW)线性稀疏均衡器1408可以取DPD输出信号并且可以产生均衡器输出信号。参照Tx-Rx模型1406可以取DPD输出信号作为其输入，以生成参照信号z。参照信号z可以用于DPD的训练(示出为稀疏适配组件1412和宽带宽(BW)非线性稀疏逆向模型1506)。

[0065] 稀疏均衡方法

[0066] 图16示出超宽带均衡方法1600的实例的流程图。在1602，该方法1600可以包括将逆向线性响应建模成以下形式基础项的线性总和：。基础项可以是线性的(例如，没有任何非线性项)。y表示实数功率放大器输出信号。其复数基带或通带等式为。为实数分量。{ }为Hilbert变换。虽然应用{ }不是必须的，但是应用{ }可以改进相位和振幅建模，从而提高均衡度。在1604，该方法1600可以包括对基础项应用压缩感知，从而确定哪些基础项比其他基础项更重要并且生成一组简化基础项。在1606，例如，可以通过拟合逆向模型来训练均衡器，例如如图14所述，可以包括基于发射器电路输出信号y(例如，由基础项或该组简化基础项建模)和参照信号z(可以由处理输入信号x的参照Tx-Rx模型生成)对参数求解。在训练均衡器之后，系统可以训练DPD模型。在操作过程中，如图14所示，参数可以被应用于DPD输出的线性(稀疏)均衡器所使用。具体地说，均衡器(如果使用)可以应用于预失真信号(在图15中示出为x)，以便生成用作发射器输入的其他信号(在图15中示出为xe)。

[0067] 图17示出超宽带数字预失真方法1700的实例的流程图。可以与适当均衡求解方式结合应用DPD，其中适当均衡求解方式可以用于改进运行，例如，DPD的稳定性。本文描述适当均衡求解方式的实例。在1702，超宽带数字预失真方法1700可以包括将逆向功率放大器行为建模成以下形式基础项的线性总和：。基础项可以包括非线性项。y为实数功率放大器输出信号。其复数基带或通带等式为实数分量。{ }为Hilbert变换。对实数信号分量进行运算将会生成重要的多区项，从而获得宽带效应(例如，在图5中示出)。复数基带模型可以仅生成位于基础或区域1附近的项。此外，使用实数分量对负频折叠行为(在图6-7中示出和描述)建模。虽然应用Hilbert变换是可选的，但是Hilbert变换可以将信号转换为分析信号并且可以允许信号例如根据其瞬时振幅和相位而被处理成复数包络。因此，当利用分析信号建模时，可以有利于振幅和相位同时建模并且更好地获得振幅和相位精度。在1704，方法1700可以包括将压缩感知应用于基础项以生成简化回归量矩阵。在1706，例如，可以通过拟合PA的逆向模型来训练DPD。例如如图15所述，这可以包括基于发射器输出信号y(由回归量矩阵或压缩/稀疏回归量矩阵建模)或参照信号z(可以由处理输入信号x的参照Tx-Rx模型生成)对参数求解。在操作过程中，如图11、12、13和15所示，参数(或其稀疏版本)可以被DPD驱动器使用并且被应用于数字输入以生成预失真的输入。在预失真信号提供至发射器之前，该信号可以提供至均衡器以进行均衡。

[0068] 一般来说，在DPD的训练和和/或参数的确定之前进行均衡模型的训练和参数的确定。在对模型求解(首先对均衡模型求解，然后对DPD模型求解)之后，可以在正向通路中应用均衡和/或数字预失真。例如，数字预失真应用于原始数字输入信号(在图15中示出为r)以生成预失真的信号(在图15中示出为x)。均衡应用于预失真信号，并且均衡器的输出作为发射器的输入。

[0069] 示例性特征

[0070] 本公开描述了超宽带(例如，≥1GHz连续的)数字预失真。一些多带DPD求解方式可能包括超过100MHz的累加带宽，但是累加带宽是不连续的。在超宽带DPD中，因为宽带IMD和HD项不能被复数基带模型捕获，所以窄带、通带PA假设失效。此外，如果带朝向DC延伸，那么负频项会被折叠到带中并且同样不能被复数基带模型捕获。本公开将复数基带模型公式(假定窄通带PA响应)替换为能够捕获宽带IMD和HD行为(不仅区域1)和DC附近的负频折叠效应的真实数宽带模型。

[0071] 此外，为了加宽带宽，功率放大器记忆效应变得更加明显，从而导致非常复杂和资源紧张的DPD求解方式以及或许不可求解的DPD方程式(尤其在对所有偶次和奇次项建模时)。可以利用例如压缩感知技术来实施简化或稀疏求解方式(减少DPD方程式中的未知数的数量)。将适配步骤分为压缩步骤和求解器步骤是有帮助的，因为压缩步骤和求解器步骤可以单独调度和排序以降低资源消耗。此外，实时运行的DPD驱动器可以动态适配，从而基于简化回归量矩阵进一步降低功耗。

[0072] DPD在理想情况下想要看到平线性增益和线性相位传输响应(否则，必须多余地开销额外DPD资源来均衡传输响应，或者在一些情况下DPD甚至会失效(例如，由于变得不稳定))。在超宽带情况下，确保平的线性增益和线性的相位并不是指定的，因此数字均衡器可以位于DPD与发射器之间。为了降低随带宽而迅速增加的成本，可以实施稀疏均衡器。

[0073] 变型和实施方式

[0074] 一般来说，功率放大器的线性化可以有助于提高功率放大器的效率。提高功率放大器的效率可以使功率放大器占用更少的功率。降低功耗并提高效率可以降低操作和固定设备的成本。此外，降低功耗意味着功率预算中的更多瓦特(Watts)可以被系统的其他组件使用，例如，用于传输信号的数字前端处理的处理器(例如，场效应可编程门阵列)。除了数字预失真以外，也可以实施其他技术(例如，包络跟踪)来提高功率放大器的效率。在诸如本文所述的适配处理器和DPD驱动器中实施节能技术，可以进一步提供节能。

[0075] 用于提供超宽带数字预失真和均衡的各个系统的组件可以包括用于实现本文所述功能的电子电路。在一些情况下，电路的一部分或几部分可以由专门构造成实现本文所述功能的处理器电路提供。例如，处理器可以包括一个或多个应用特定组件，或者可以包括能够构造成实现本文所述功能的可编程逻辑门。电路可以在模拟域、数字域或混合信号域中运行。在一些情况下，处理器可以构造成通过执行存储在非易失计算机介质上的一条或多条指令来实现本文所述功能。

[0076] 在一个实例中，附图所示的电路可以实施为独立模块(例如，具有构造成实现特定应用或功能的有关组件和电路的装置)或者实施为插入到电子装置的应用特定硬件中的插件模块。应当注意，本公开的实施例容易部分地或者整体地包含在芯片上系统(SOC)封装中。SOC表示将计算机或其他电子系统的组件集成到单个芯片中的IC。它可以具有数字、模拟和混合信号功能，所有这些都可以提供在单个芯片基板上。其他实施例可以包括多芯片模块(MCM)，其中多个独立IC位于单个电子封装之内并且构造成通过该电子封装彼此紧密地相互作用。在各个其他实施例中，可以在应用特定集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)和其他半导体芯片的一个或多个硅内核中实施功能性。

[0077] 还需要注意的是，仅出于实例和教导的目的提供本文所概述的所有规格、尺寸和关系(例如，处理器的数量、逻辑运算等)。在不脱离本公开和所附权利要求的范围的情况下，这些信息可能会明显变化。规格仅应用于一个非限制性实例，因而应当如此解释。在前面的描述中，已经参考具体处理器和/或组件配置描述了示例性实施例。在不脱离所附权利要求的范围的情况下可以进行各种修改和变化。因此，应当以示例行而非限制性的含义理解说明书和附图。

[0078] 应当注意的是，利用本文提供的多个实例，可以以两个、三个、四个或更多电气组件的措辞来描述相互作用。然而，仅出于清楚和实例的目的进行了描述。应当意识到，系统可以以任何适当方式加固。由于相似设计替换方案的缘故，附图所示的任何组件、模块和元件都可以结合到各种可能的构造中，所有这些都清楚地落入本说明书的广义范围之内。在一些情况下，只参考有限数量的电器元件，更容易描述一组给定流程的一个或多个功能。应当意识到，附图的电路及其教导容易扩展并且可以适应大量组件以及更复杂/精致的配置和构造。因此，所提供的实例不应当限制范围或者约束电路的广义教导，正如可能应用于无数其他构架。

[0079] 应当注意的是，在本说明书中，在“一个实施例”、“示例性实施例”、“实施例”、“另一个实施例”、“一些实施例”、“各个实施例”、“其他实施例”、“替换实施例”等中包括的各个特征(例如，元件、结构、模块、组件、步骤、操作、特性等)的参考指的是任何这些特征包括在本公开的一个或多个实施例中，但是可能或者可能不一定组合在相同的实施例中。

[0080] 还需要注意的是，与超宽带数字预失真和均衡相关的功能仅示出了可以通过附图所示系统或者在附图所示系统之中执行的一些可能的功能。如果合适，可以删除或者去掉这些操作中的一部分，或者在不脱离本公开范围的情况下可以大幅修改或改变这些操作。另外，可以大幅更改这些操作的时机。出于实例和论述的目的，已经提供了前述操作流程。
由于在不脱离本公开的教导的情况下可以提供任何适当排列、纪年、配置和计时机构，因此本文所述的实施例提供了大量的灵活性。

[0081] 本领域技术人员可以确定多种其他变化、替换、变型、变更和修改，并且本公开旨在涵盖落入所附权利要求范围之内的所有这些变化、替换、变型、变更和修改。应当注意的是，上述装置的所有可选特征也可以用本文所述的方法和过程实施，并且实例中的细节可以用于一个或多个实施例中的任何位置。

标题	发布/更新时间	阅读量
基于视觉显著性的HEVC优化算法	2020-05-08	670
基于形心跟踪和缝宽控制的预制装配式构件张拉方法	2020-05-12	302
有损压缩编码数据方法和设备及相应重构数据方法和设备	2020-05-13	35
预制装配式构件接触面摩擦力反演方法	2020-05-13	855
有损压缩编码数据方法和设备及相应重构数据方法和设备	2020-05-13	79
一种合成图片的检测方法及装置	2020-05-13	157
一种海上风电叶片健康监测系统及其数据处理方法	2020-05-11	60
一种智能远程书法数字化学习评价信息处理系统及方法	2020-05-14	615
一种APP视频清晰度的测试方法	2020-05-12	663
一种车载LVDS信号解析系统	2020-05-11	275

利用宽带信号驱动负载的系统和方法

利用宽带信号驱动负载的系统和方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：