用于正交频分复用系统的预失真器和其操作方法
专利汇可以提供用于正交频分复用系统的预失真器和其操作方法专利检索，专利查询，专利分析的服务。并且一种预失真器和功率 放大器 在通信系统中组合。 功率放大器 的目的是提供尽可能大的功率到正由高功率放大器传送到通信系统的 正交 频分复用(OFDM) 信号 。预失真器反转放大器的非线性，以便预失真器和高功率放大器的组合在高功率放大器的正常线性范围之外展现线性特性。预失真器基于用于预失真器的输入输出特性描述的准确解析表述，该输入输出特性基于功率放大器的解析模型。混合计算－解析方法包括补偿即使是具有随时间变化特性的高功率放大器中的非线性失真。这导致预失真器稀疏而准确的表达，它具有有效 跟踪 功率放大器任何快速随时间变化行为的能 力 。，下面是用于正交频分复用系统的预失真器和其操作方法专利的具体信息内容。
1.一种在通信系统中与高功率放大器组合的预失真器，包括正 交频分复用(OFDM)信号的数字非线性信号处理设备，所述设备放 置在所述高功率放大器之前，所述高功率放大器为正由所述高功率放 大器传递至所述通信系统的OFDM信号提供尽可能大的功率，
其中所述功率放大器具有一正常线性范围，在所述正常线性范围 之外所述功率放大器为非线性，并且
所述预失真器反转所述功率放大器的非线性，以便所述预失真器 和高功率放大器的组合在超出所述高功率放大器的正常线性范围之外 共同地展现线性特性，
所述预失真器的特征在于，基于用于所述高功率放大器的解析模 型，对所述预失真器的输入输出特性的描述的准确解析表达。
2.根据权利要求1的预失真器，其中所述高功率放大器包括具 有随时间变化特性的行波管放大器或具有随时间变化特性的固态功率 放大器，其中所述预失真器的特征在于，用于补偿所述功率放大器的 非线性失真的混合计算/解析算法。
3.根据权利要求2的预失真器，其中所述用于高功率放大器的 解析模型为Saleh行波管放大器模型，并且
所述用于补偿非线性失真的计算/解析算法包括与非线性参数估 计算法结合的、用于解析反转的算法，以提供所述预失真器的稀疏而 准确的表示，其具备有效跟踪所述高功率放大器的任何快速随时间变 化行为的能力。
4.根据权利要求2的预失真器，其中所述用于高功率放大器的 解析模型为Rapp的固态功率放大器模型，并且
所述用于补偿非线性失真的计算/解析算法包括与非线性参数估 计算法结合的、用于解析反转的算法，以提供所述预失真器的稀疏而 准确的表达，其具备有效跟踪所述高功率放大器的任何快速随时间变 化行为的能力。
5.根据权利要求3的预失真器，其中所述Saleh行波管放大器模 型基于用于所述行波管放大器的解析模型，提供用于仅借助几个参数 表示的所述放大器模型的反转的严格封闭式表达，以得出用于估计的 预失真器I的令人信服的算法。
6.根据权利要求4的预失真器，其中所述Rapp的固态功率放大 器模型基于用于所述固态功率放大器的解析模型，提供用于仅借助几 个参数表示的所述放大器模型的反转的严格封闭式表达，以得出用于 估计的预失真器II的令人信服的算法。
7.根据权利要求1的预失真器，其中所述预失真器和所述功率 放大器均为非线性零记忆设备，并且所述预失真器预先计算并消除在 所述功率放大器中出现的非线性失真。
8.根据权利要求5的预失真器，其中所述Saleh行波管放大器模 型被表示为
其中u为幅度响应，Φ为相位响应，r为所述行波管放大器的输 入幅度，而α，β，γ和ε为四个可调节参数。
9.根据权利要求6的预失真器，其中Rapp的固态功率放大器模 型被表示为
Φ[r]≈0
其中r为固态功率放大器的输入幅度，A0为最大输出幅度，而p 为影响所述转换的平滑度的参数。
10.根据权利要求1的预失真器，其中所述功率放大器和因此所 述预失真器的特征在于参数α，β，γ和ε，并且其中q和u分别代表 所述预失真器和高功率放大器的非线性零记忆输入和输出映射，而 xl(n)代表所述预失真器的输入，yl(n)代表所述预失真器的输出，它也 是到所述高功率放大器的输入，而z(t)代表所述高功率放大器的输出， 以便对于任何给定功率放大器，所述预失真器的操作由所述输入输出 映射特征化：
u[q(xl(n))]＝k xl(n)
其中k为所期望的预指定的线性放大常数，并且
其中所述功率放大器为行波管，而其中行波管放大器的输入和输 出为
y(t)＝q[r(t)]cos(ωct+φ(t)+θ[r(t)])
z(t)＝u[q[r(t)]]cos(ωct+φ(t)+θ[r(t)]+Φ[q(t)])
其中
其中满足以下关系
rβq2-αq+r＝0
以生成
其中参数α，β，γ和ε随时间变化以便
其中E为关于β的期望值，而且
以便
进行数值解算，得到β的估计值并且随后在
并且还根据类似的方式估计γ和ε，
使用如下公式获得β的最优估计：
其中最优系数满足
它是为最小化如下定义的MSE(均方差)而确定的
其中J为要被最小化的成本函数，而E为关于β的期望值
使用如下公式得到J对于β的导数
其中
使用如下所表示的LMS(最小均方)算法
在得到β的估计值之后，从
11.根据权利要求1的预失真器，其中所述功率放大器的特征在 于参数α，β，γ和ε，并且还包括在所述功率放大器和所述预失真器 之间连接的数字信号处理器，用于生成所述功率放大器的估计参数 和以按照随时间变化的方式控制所述预失真器。
12.根据权利要求1的预失真器，其中所述预失真器由至少两个 参数表征，而且还包括在所述功率放大器和所述预失真器之间连接的 数字信号处理器，用于生成所述预失真器的至少两个估计参数，以响 应所述随时间变化的功率放大器，以随时间变化的方式控制所述预失 真器。
13.根据权利要求10的预失真器，其中获得零相位失真 θ(r)+Φ(q)＝0
以便
14.根据权利要求1的预失真器，其中q和u分别代表所述预失 真器和高功率放大器的非线性零记忆输入和输出映射，而xI(n)代表所 述预失真器的输入，yI(n)代表所述预失真器的输出，它也是到所述高 功率放大器的输入，而z(t)代表所述高功率放大器的输出，以便对于 任何给定功率放大器，所述预失真器的操作由所述输入输出映射特征 化
u[q(xl(n))]＝k xl(n)
其中k为期望的预指定线性放大常数，并且
其中所述功率放大器为固态功率放大器，它由随时间变化的参数 A0和p特征化，
其中所述预失真器的输入表示为q(n)，而所述预失真器的输出表 示为u(n)，
其中在训练阶段，假设所述预失真器关闭以便所述预失真器的输 入和输出相同，r(n)＝q(n)，
其中应用了对LMS(最小均差)算法的MSE(均方差)以产生 A0和p，其中
以便给定p，A0通过发送两个训练符号而作为时间的函数生成， 以提供已知输入q到高功率放大器并得到高功率放大器的输出幅度u， 以生成A0的两个不同估计值，即A01和A02：
其中，q1，u1为各自用于第一训练符号的所述预失真器和高功率 放大器的输出幅度，而q2，u2为各自用于第二训练符号的所述预失真 器和高功率放大器的输出幅度，以使用以下公式估计未知的A0和p
其中为最优估计值而且生成A0的估计值以便LMA(最小 均方)算法跟踪p的时间变化，并为了最小化由以下定义的MSE(均 方差)标准确定最优系数
J(p)＝E(A01(p)-A02(p))2
而对估计p的LMS算法表示为
其中为LMS算法的步长。
15.根据权利要求1的预失真器，其中q和u分别代表所述预失 真器和高功率放大器的非线性零记忆输入和输出映射，而xl(n)代表所 述预失真器的输入，yl(n)代表所述预失真器的输出，它也是到所述高 功率放大器的输入，而z(t)代表所述高功率放大器的输出，以便对于 任何给定功率放大器，所述预失真器的操作由所述输入输出映射特征 化
u[q(xl(n))]＝k xl(n)
其中k为期望的预指定线性放大常数，并且
其中所述功率放大器为固态功率放大器，它由随时间变化的参数 A0和p特征化，其中所述预失真器的输入表示为q(n)，而所述预失真 器的输出表示为u(n)，
其中在训练阶段，假设所述预失真器关闭以便所述预失真器的输 入和输出相同，r(n)＝q(n)，
其中应用了对于LMS(最小均方)算法的MSE(均方差)以生 成A0和p，其中
以便对于给定p生成A0，其中A0和p随时间变化，
其中两个训练符号被发送到所述预失真器，以便所述高功率放大 器的输入幅度q和输出幅度u为已知，
其中对应于两个不同的训练符号，生成A0的两个不同估计值， 即A01和A02，
其中选择所述高功率放大器中在所述训练期间接近常值的p，A0 的所述两个不同估计值，即A01和A02，具有几乎相同的值，或由于 步长具有非常接近的值，以便能够找到用于p的值，它生成两个估计 的A0之间的最小距离，即Dmin＝|A01-A02|2，并且从p的估计值，来自 最小距离Dmin＝|A01-A02|2的
16.一种操作通信系统中放置于高功率放大器之前的预失真器 的方法，其中所述功率放大器具有正常的线性范围，在所述线性范围 之外所述功率放大器为非线性的，所述方法包括：
提供正交频分多址(OFDM)信号；
通过如由所述功率放大器的非线性所确定的那样反转OFDM信 号，借助所述预失真器来预失真所述OFDM信号，其中所述预失真器 的操作的特征在于，基于所述高功率放大器的解析模型，用于所述预 失真器的输入输出特性的描述的精确解析表达；而且利用所述功率放 大器放大预失真的所述OFDM信号到尽可能大的功率，用于由所述功 率放大器传送至所述通信系统的所述OFDM信号，以便所述预失真器 和高功率放大器的组合在所述高功率放大器的正常线性范围之外共同 展现线性特性。
17.根据权利要求16的方法，其中所述高功率放大器包括具有 随时间变化特性的行波管放大器或具有随时间变化特性的固态功率放 大器，并且
借助所述预失真器来预失真所述OFDM信号包括使用混合的计 算/解析算法，用以所述功率放大器非线性失真的补偿。
18.根据权利要求17的方法，其中所述用于高功率放大器的解 析模型为Saleh行波管放大器模型，并且
使用混合计算/解析算法包括解析反转和使用非线性参数估计算 法，以提供所述预失真器的稀疏而准确的表示，其具备有效跟踪所述 高功率放大器的任何快速随时间变化行为的能力。
19.根据权利要求17的方法，其中所述用于高功率放大器的解 析模型为Rapp的固态功率放大器模型，并且
使用混合计算/解析算法包括解析反转和使用非线性参数估计算 法，以提供所述预失真器的稀疏而准确的表示，其具备有效跟踪所述 高功率放大器的任何快速随时间变化行为的能力。
20.根据权利要求18的方法，还包括使用Saleh行波管放大器模 型，基于用于行波管放大器的解析模型，以提供严格封闭式表达，用 以仅借助几个参数表示的所述放大器模型的反转，以得出用于估计的 预失真器I的令人信服的算法。
21.根据权利要求19的方法，还包括使用Rapp的固态功率放大 器模型，基于用于固态功率放大器的解析模型，以提供严格封闭式表 达，用以仅借助几个参数表示的所述放大器模型的反转，以得出用于 估计的预失真器II的令人信服的算法。
22.根据权利要求16的方法，其中所述预失真器和功率放大器 均为非线性零记忆设备，
其中借助所述预失真器来预失真所述OFDM信号包括：预先计 算并消除所述功率放大器中出现的非线性失真。
23.根据权利要求20的方法，其中使用Saleh行波管放大器模型 包括使用以下公式模拟所述功率放大器：
其中u为幅度响应，Φ为相位响应，r为所述行波管放大器的输 入幅度，而α，β，γ和ε是四个可调节参数。
24.根据权利要求21的方法，其中使用Rapp的固态功率放大器 模型包括使用以下公式模拟所述功率放大器：
Φ[r]≈0
其中r为固态功率放大器的输入幅度，A0为最大输出幅度，而p 为影响所述过渡的平滑度的参数。
25.根据权利要求16的方法，其中借助所述预失真器来预失真 所述OFDM信号包括：
由参数α，β，γ和ε特征化所述功率放大器并且从而特征化所述 预失真器，并且其中q和u分别代表所述预失真器和高功率放大器的 非线性零记忆输入和输出映射，而xl(n)代表所述预失真器的输入，yl(n) 代表所述预失真器的输出，它也是到所述高功率放大器的输入，而z(t) 代表所述高功率放大器的输出，以便对于任何给定功率放大器，根据 所述输入输出映射操作所述预失真器：
u[q(xl(n))]＝k xl(n)
其中k为期望的预指定线性放大常数，并且
其中所述功率放大器为行波管，并且操作所述行波管放大器以便 行波管放大器的所述输入输出为
y(t)＝q[r(t)]cos(ωct+φ(t)+θ[r(t)])
z(t)＝u[q[r(t)]]cos(ωct+φ(t)+θ[r(t)]+Φ[q(t)])
其中
其中满足以下关系
rβq2-αq+r＝0
以生成
其中参数α，β，γ和ε随时间变化以便
其中E为关于β的期望值，而且
以便
数值解算用于β的估计值并且随后在
并且还以类似的方式估计γ和ε，
使用以下公式获得β的最优估计值，
其中所述最优系数满足
其中J为要被最小化的成本函数，而E为关于β的期望值。 得到J对于β的导数
其中
使用如下所表示的LMS(最小均方)算法
以得到β的估计值，
从
26.根据权利要求16的方法，其中借助所述预失真器来预失真 OFDM信号包括：
由随时间变化的参数α，β，γ和ε特征化所述功率放大器，并生 成所述功率放大器的估计参数 和以按照随时间变化的方 式控制所述预失真器。
27.根据权利要求16的方法，其中借助所述预失真器来预失真 所述OFDM信号包括：
由至少两个随时间变化的参数特征化所述功率放大器，并生成所 述功率放大器的至少两个估计参数，以按照随时间变化的方式控制所 述预失真器。
28.根据权利要求25的方法，其中借助所述预失真器来预失真 所述OFDM信号包括提供零相位失真以便
θ(r)+Φ(q)＝0
和
29.根据权利要求16的方法，其中借助所述预失真器来预失真 所述OFDM信号包括：
使用q和u分别代表所述预失真器和高功率放大器的非线性零记 忆输入和输出映射，而使用xl(n)代表所述预失真器的输入，yl(n)代表 所述预失真器的输出，它也是到所述高功率放大器的输入，并使用z(t) 代表所述高功率放大器的输出，以便对于任何给定功率放大器，根据 所述输入输出映射运行所述预失真器
u[q(xl(n))]＝k xl(n)
其中k为期望的预指定线性放大常数，并且由随时间变化的参数 A0和p特征化所述功率放大器为固态功率放大器，
其中所述预失真器的输入表示为q(n)，而所述预失真器的输出表 示为u(n)，提供训练阶段，在此期间假设所述预失真器关闭，以便所 述预失真器的输入和输出相同，r(n)＝q(n)，
使用对于LMS(最小均方)算法的MSE(均方差)以产生A0 和p，其中
以便给定p，A0通过发送两个训练符号作为时间的函数而被生成， 以提供已知的输入q到所述高功率放大器，并得到所述功率放大器的 输出幅度u，以生成A0的两个不同估计值，即A01和A02。
其中，q1，u1各自为用于第一训练符号的所述预失真器和高功率 放大器的输出幅度，而q2，u2各自为用于第二训练符号的所述预失真 器和高功率放大器的输出幅度，
使用以下公式估计未知的A0和p
其中为最优估计值并生成估计值A0，使用LMS(最小均 方)算法跟踪p的随时间变化情况，并为了最小化由以下公式定义的 MSE(均方差)准则而确定最优系数
J(p)＝E(A01(p)-A02(p))2
而且借助以下公式使用LMS算法估计p
其中为LMS算法的步长。
30.根据权利要求16的方法，其中借助所述预失真器来预失真 所述OFDM信号包括：
使用q和u分别代表所述预失真器和高功率放大器的非线性零记 忆输入和输出映射，而使用xI(n)代表所述预失真器的输入，yI(n)代表 所述预失真器的输出，它也是到所述高功率放大器的输入，而使用z(t) 代表所述高功率放大器的输出，以便对于任何给定功率放大器，根据 所述输入输出映射运行所述预失真器
u[q(xl(n))]＝k xl(n)
其中k为期望的预指定线性放大常数，并且使用随时间变化的参 数A0和p特征化所述功率放大器为固态功率放大器，
其中所述预失真器的输入表示为q(n)，而所述预失真器的输出表 示为u(n)，提供训练阶段，在此期间，假设所述预失真器关闭以便所 述预失真器的输入和输出相同，r(n)＝q(n)，使用对于LMS(最小均方) 算法的MSE(均方差)生成A0和p，其中
以便对于给定p，生成A0，其中A0和p都随时间变化
发送两个训练符号到所述预失真器，以便所述高功率放大器的输 入幅度q和输出幅度u为已知，
生成对应于两个不同训练符号的A0的两个不同估计值，即A01和 A02，
选择所述高功率放大器中在所述训练期间接近常值的p，A0的所 述两个不同估计值，即A01和A02，具有几乎相同的值，或由于步长 具有非常接近的值，和
找到用于p的值，它生成两个估计值A0之间的最小距离，即 Dmin＝|A01-A02|2，并且从p的估计值，
技术领域
本发明涉及在使用功率放大器的通信系统中的预失真器领域，其 中功率放大器的信号相关和随时间变化的参数借助预失真器而线性 化。
背景技术
正交频分复用(OFDM)具有几个所希望的属性，诸如对符号间 干扰的高抗扰性，关于多径衰落的健壮性，和对于高数据率的能力。 这些特征正使OFDM被结合到类似于IEEE802.11a WLAN和ETSI 地面广播的新兴无线标准中。然而，由OFDM造成的一个主要问题是 其高的峰值对平均功率比(PAPR)，由于高的峰值对平均功率比引 起了非线性失真，这严重限制了高功率放大器(HPA)的功效。这种 失真构成了对RF系统设计团体主要关心的源头。
用于减小这种非线性失真的最有前途的方法之一是使用预失真 器，它在OFDM信号进入到高功率放大器之前应用于该信号。在最大 程度上，前面基于预失真器的方法包括：(1)使用查询表(LUT)并 通过最小均方(LMS)差估计更新该表；(2)两阶段估计，使用Wiener 型系统建模用于高功率放大器，和使用Hammerstein系统建模用于预 失真器；(3)简化的基于Volterra的建模用于高功率放大器非线性 的补偿；和(4)这种非线性的多项式近似法。
然而，所有的这些技术都基于用于非线性系统的通用近似格式， 而非开发出于物理设备考虑而搜集的专用格式。
在查询表的情况下，它由自适应算法更新。这具有由查询表的受 限大小而引起的固有量化噪音和在估计了高功率放大器之后查询表更 新中所包含的较长时间的缺点。
在两阶段估计的情况下，该估计过程被用来估算Wiener系统的 参数以首先估计高功率放大器，然后使用用于高功率放大器的参数信 息估计用于预失真器的参数。这具有要求大量时间用于收敛参数估计 的缺点。
在使用基于Volterra的预失真器的情况下，这种方法利用了直接 和间接的学习结构以更为有效地训练系数。这具有在建模和Volterra 系列估计中复杂的缺点。
在使用多项式近似法用于高功率放大器和预失真器的情况下，该 算法是通用的，但是它具有由多项式近似法导致的复杂性的缺点。
在使用行波管放大器的精确反转模型的情况下，这具有不适合 随时间变化高功率放大器系统的缺点。
以上所述的所有这些技术都基于非线性系统的通用近似格式，而 非开发出于物理设备考虑而搜集的专用格式。
发明内容
本发明为预失真器。该预失真器是电子非线性信号处理设备，它 被放置在依次连接到无线通信系统的传输天线的高功率放大器之前。 高功率放大器的目的是给由该高功率放大器发送至传输天线的 OFDM信号提供尽可能大的功率。然而，功率中大的增加会迫使高功 率放大器中的信号超出该高功率放大器的线性范围。为了实现高功率 放大器输出功率中的这种增加，同时使失真最小化，在放大器之前插 入了预失真器。该预失真器反转放大器的非线性，以便预失真器和高 功率放大器的组合在超出高功率放大器的正常线性范围之外展现线性 特性。这个过程被称为线性化。
所示例发明的特定特征在于，预失真器的设计是基于用于预失真 器输入-输出特性描述的精确解析表达，该输入输出特性是基于用于高 功率放大器的解析模型。这允许了由OFDM信号传输系统所完成的以 上线性化任务的执行中的准确性和效率。
指导本申请的基本原理是正交频分复用具有几个所希望的特征， 这使得它成为许多新兴无线通信标准，例如，IEEE802.11a和g WLAM和ETSI地面广播的主要候选。然而，OFDM信号引发的主要 问题之一是其高峰值对平均功率比，这由于高峰值对平均功率比所产 生的非线性失真而严重限制了高功率放大器的效率。
示例实施例提供了新的混合计算-解析方法，用于在该高功率放 大器为具有随时间变化特性的行波管放大器(TWTA)或固态功率放 大器(SSPA)的情况下，对这种非线性失真的补偿。在数字卫星频道 的情况下，当要求高传输功率时在无线通信系统中使用行波管放大器， 而固态功率放大器用于基于地面的移动无线通信系统。与前面基于查 询表或自适应方案的预失真器技术相比较，该示例实施例依靠与非线 性参数估计算法组合的Saleh行波管放大器模型和Rapp的固态功率 放大器模型的解析反转。这导致预失真器稀疏但准确的表示，具有有 效跟踪高功率放大器的任何快速随时间变化行为的能力。计算机仿真 结果举例说明并验证了所介绍的方法。
在示例实施例中，我们通过使用Saleh行波管放大器模型和Rapp 的固态功率放大器模型用于这些设备，而对预失真器描述了新的方法 用于高功率放大器，并诉诸依靠仅有几个参数表示的严格封闭式表达 用于其反转。这种方法避免了普通近似表达(类似于多项式近似法) 会要求精确表示的大量参数。
在示例方法中，我们利用了用于固态功率放大器和行波管放大器 的解析模型，以给分别标注为预失真器I和预失真器II的两个预失真 器推到出令人信服的算法。预失真器I算法适用于固态功率放大器， 而预失真器I算法适用于行波管放大器。
我们使用这两种类型的高功率放大器的理由是，这两种类型对于 今天的无线通信系统非常重要。行波管放大器通常用于卫星通信，而 固态功率放大器用于移动通信系统。因为行波管放大器严重的非线性， 已经在失真补偿方面对这种类型放大器做了相当可观的工作。然而， 希望OFDM以与码分多址(CDMA)组合的形式，即，多载波码分 多址(MC-CDMA)或多载波直接序列码分多址(MC-DS-CDMA)， 成为用于下一代蜂窝系统的标准。码分多址是一种使用扩展频谱技术 的数字蜂窝技术。与竞争系统不同，CDMA不为每个用户分配指定的 频率。而是，每个信道都使用完整的可用频谱。单独会话使用伪随机 数字序列编码。CDMA一贯提供比其他的商业移动技术更好的性能用 于语音和数据通信，允许更多的用户在任何给定时间连接。多载波 (MC)CDMA是直接序列(DS)CDMA(码分多址)与OFDM技 术的组合技术。它在频域内使用了扩频序列。
因此，固态功率放大器的重要性就会比现在大得多。由于这个原 因，我们也使用固态功率放大器作为高功率放大器。虽然用于Saleh 模型反转的封闭式表达已知，在其中高功率放大器特性是随时间变化 的示例实施例中，这种反转没有在其预失真器的实现中使用。我们将 用于高功率放大器特性反转的封闭式表达与连续非线性参数估计算法 相结合，它允许预失真器的稀疏实施和对高功率放大器随时间变化行 为的准确跟踪或者适应。
与以上提及的其它现有技术方法比较，通过以下描述的计算机仿 真示范并验证，我们的算法是快速的，准确的，并且具有低复杂度。
虽然已经或者将为具有功能性解释的合乎语法的变通性而描述 该装置与方法，应当清楚理解，除非是在35USC112下明确阐述，权 利要求书不被理解为必须以任何方式由“方法”或“步骤”限制的结构所 限制，而要符合在等同物的公正宗旨之下根据由权利要求书所提供定 义的方法或等价物的整个范围，并且在权利要求书在35USC112下明 确阐述的情况下，要符合35USC112之下的完整法定等价物。本发明 可以通过现在求助于以下图示而更好地形象化，其中相同的单元用相 同的附图标记表示。
附图说明
图2为显示作为归一化输入的函数的归一化输出的Saleh的行波 管放大器模型的非线性幅度和相位转移函数的图示。
图3为显示作为归一化输入的函数的归一化输出的Rapp的固态 功率放大器模型的非线性幅度转移函数的图示。
图4为显示作为归一化输入的函数的归一化输出的具有预失真器 的Saleh的行波管放大器模型的幅度补偿效应图示。
图5为与随时间变化的高功率放大器结合的预失真器的简化框 图。
图6a为显示作为归一化输入的函数的归一化输出的使用预失真 器的Rapp的固态功率放大器模型的补偿效应图示。
图6b为显示作为归一化输入的函数的归一化输出的使用预失真 器的Rapp的固态功率放大器模型的补偿与削波效应图示。
图7a为显示I信道对比Q信道，有行波管放大器，无预失真器 的所接收OFDM信号构象的图示。
图7b为显示I信道对比Q信道，有行波管放大器，有预失真器 的所接收OFDM信号构象的图示。
图8为显示在具有随时间变化的行波管放大器的OFDM系统中， 有和没有预失真器的误比特率(BER)输出性能的图示，它显示BER 作为以db为单位的输入Eb/N0比率的函数，其中Eb是每比特的信号 能量，而N0是噪声功率谱密度。那就是Eb/N0＝SNR(信噪比)。
图9a为显示作为归一化输入的函数的归一化输出的饱和条件下 的信号幅度图示，其中超过1的归一化信号被削波。
图9b为饱和条件下信号相位的图示。这个图显示了归一化输入 幅度对比输出相位失真，因为输出相位失真是归一化输入幅度的函数。
图10为显示具有在参数均匀分布，IBO(输入补偿)＝6dB的随 时间变化的行波管放大器的OFDM系统中，有和无预失真器的BER 输出性能的图示，其中给和不给预失真器提供跟踪，图示显示BER作 为以db为单位的输入Eb/N0比率的函数，其中Eb是每比特的信号能 量，而N0是噪声功率谱密度。那就是Eb/N0＝SNR(信噪比)。
图11为显示具有在参数均匀分布，IBO＝7dB的随时间变化的行 波管放大器的OFDM系统中，有和无预失真器的BER输出性能的图 示，其中给和不给预失真器提供跟踪，图示显示BER作为以db为单 位的输入Eb/N0比率的函数，其中Eb是每比特的信号能量，而N0是 噪声功率谱密度。那就是Eb/N0＝SNR(信噪比)。
图12a为显示I信道对比Q信道，有固态功率放大器，无预失真 器的所接收OFDM信号构象的图示。
图12b为显示I信道对比Q信道，有固态功率放大器，有预失真 器的所接收OFDM信号构象的图示。
图13为具有不随时间变化的固态功率放大器的OFDM系统中预 失真器的BER性能的图示，当A0＝p＝1时显示BER作为以db为单位 的输入Eb/N0的函数，其中Eb是每比特的信号能量，而N0是噪声功 率谱密度。那就是Eb/N0＝SNR(信噪比)。
图14为预失真器的BER性能的图示，当参数在1≤A0≤1.5，1≤p≤1.5 的范围内均匀分布，IBO＝6dB时，显示BER作为输入Et/N0比率(以 db为单位)的函数，其中Eb为比特差错数而N0为输入比特的总数。
图15为预失真器的BER性能的图示，当参数在1≤A0≤2，1≤p≤2 的范围内均匀分布，IBO＝6dB时，显示BER作为输入Eb/N0的函数， 其中Eb是每比特的信号能量，而N0是噪声功率谱密度。那就是 Eb/N0＝SNR(信噪比)。
图16为预失真器的BER性能的图示，当参数在1≤A0≤2，1≤p≤2 的范围内均匀分布，IBO＝7dB时，显示BER作为输入Eb/N0的函数， 其中Eb是每比特的信号能量，而N0是噪声功率谱密度。那就是 Eb/N0＝SNR(信噪比)。
图17显示了Saleh的TWTA模型中具有高斯和均匀分布的两个 变化参数，β，ε的收敛情况。
图18为显示具有在参数为高斯和均匀两种分布，IBO(输入补 偿)＝6dB的随时间变化的行波管放大器的OFDM系统中，有和无预 失真器的BER输出性能的图示，其中给和不给预失真器提供跟踪，图 示显示BER作为以db为单位的输入Eb/N0比率的函数，其中Eb是每 比特的信号能量，而N0是噪声功率谱密度。那就是Eb/N0＝SNR(信 噪比)。
图19为显示具有在参数为高斯和均匀两种分布，IBO(输入补 偿)＝7dB的随时间变化的行波管放大器的OFDM系统中，有和无预 失真器的BER输出性能的图示，其中给和不给预失真器提供跟踪，图 示显示BER作为以db为单位的输入Eb/N0比率的函数，其中Eb是每 比特的信号能量，而N0是噪声功率谱密度。那就是Eb/N0＝SNR(信 噪比)。
图20显示了Rapp的SSPA模型中具有高斯分布的A0，p的两个 变化参数的收敛情况。
图21为当参数为高斯分布时预失真器的BER性能图示，方差 ＝0.1，IBO＝6dB，图示显示BER作为以db为单位的输入Eb/N0比率 的函数，其中Eb是每比特的信号能量，而N0是噪声功率谱密度。那 就是Eb/N0＝SNR(信噪比)。
图22为当参数为高斯分布时预失真器的BER性能图示，方差 ＝0.1，IBO＝7dB，图示显示BER作为以db为单位的输入Eb/N0比率 的函数，其中Eb是每比特的信号能量，而N0是噪声功率谱密度。那 就是Eb/N0＝SNR(信噪比)。
本发明及其各种实施例现在可以通过求助于以下优选实施例的 详细描述而得到更好的理解，优选实施例作为在权利要求书中定义的 本发明示例实例提出。应当清楚的理解，如权利要求书所定义的本发 明可以比以下所描述的示例实施例更为广泛。
具体实施方式
图1为显示系统结构的本发明的简化框图，总体表示为附图标记 10，用于OFDM系统高功率放大器非线性的补偿。OFDM基带模块 12生成OFDM格式的信号到预失真器14，其数字输出被数模转换器 16转换为模拟格式以产生相移QAM输出到乘法器18和20，它们在 加法器22处组合并相加，并且输入到功率放大器24用于发送到无线 或有线通信系统。必须理解，图1中的硬件可以按照很多种等价方式 实现。例如，预失真器14是数字电路，它可以是使用硬件和/或软硬 件的组合的专用数字信号处理器，或者可以是具有适合信号接口的计 算机，它由软件进行计算机排列或配置，以如本发明教导的那样处理 数字信息。在可以实现预失真器14的指定技术方面没有限制，而且明 确预期所有现在已知的或以后设计的方法在本发明的范围之内。
通常，OFDM信号x(t)可以如下解析表示：
其中X[k]代表正交幅度调制(QAM)符号，N为子载波的数量， 而fk为第k个子载波频率，它可以如下表示：
其中，Ts为x(t)的采样周期。QAM是将两种幅度调制(AM)信 号组合到信号信道中的方法，从而使有效带宽加倍。QAM在数字系 统中，尤其在无线应用中用于脉冲幅度调制(PAM)。在QAM信号 中具有两种载波，每种具有相同频率但是相位相差90度(四分之一周 期，从其中出现求积分项)。一种信号被称为I信号，而另外一种被 称为Q信号。从数学上说，信号中的一个可以用正弦波表示，而另外 一个用余弦波表示。这两个调制载波在发送的源头处被组合起来。在 目的地处，该载波分离开，数据从彼此中抽出，并且随后该数据被组 合为原始调制信息。
通过在t＝nTs处将x(t)离散化，我们有以下公式：
预失真器14是预先计算并消除跟随预失真器14之后的零记忆高 功率放大器24中出现的非线性失真的非线性零记忆设备。
行波管放大器模型
作为高功率放大器模型，我们展示了Saleh的建立得很好的行波 管放大器模型。在这个模型中，行波管放大器的AM/FM和AM/PM 转换可以如下表示：
其中，u为幅度响应，Φ为相位响应，r为行波管放大器的输入 幅度，而α，β，γ和ε是四个可调节参数。公式(4)和(5)的行为 在图2的图示中举例说明，其中行波管放大器的归一化输出作为归一 化输入的函数显示。在图2中，我们使用α＝1.9638；β＝0.9945；γ＝2.5293； 和ε＝2.8168，如同在Saleh的原著中一样。无预失真器14的行波管放 大器24的输出z(t)可以如下表示：
z(t)＝u[r]cos(ωct+φ(t)+Φ[r])
(6)
其中(t)为输入信号的相位，而ωc为载波频率。
固态功率放大器模型
对于固态功率放大器模型24，我们使用归一化的Rapp的模型。 在这个模型中，我们假设AM/PM转换足够小，以便它可以被忽略。 接着，固态功率放大器的AM/AM和AM/PM转换可以如下表示：
Φ[r]≈0 (7)，(8)
其中，r为固态功率放大器24的输入幅度，A0为最大输出幅度， 而p为影响该转移的平滑度的参数。公式(7)的行为在图3的图示中 举例说明，其中归一化输出作为归一化输入的函数显示。无预失真器 14的固态功率放大器24的输出z(t)可以如下表示：
z(t)＝u[r]cos(ωct+φ(t))
(9)
其中(t)为输入信号的相位。
预失真器
现在根据本发明对行波管放大器24和固态功率放大器24二者都 考虑预失真器14。使q和u分别代表预失真器14和高功率放大器24 的非线性零记忆输入和输出映射，而xl(n)代表预失真器14的输入， yl(n)代表预失真器14的输出，它也是到高功率放大器24的输入，而 zl(n)代表如图1中所示的高功率放大器24的输出。那么对任何给定的 高功率放大器24，根据本发明的理想预失真器14是输入输出映射满 足以下公式的一个：
u[q(xl(n))]＝kxl(n) (10)
其中，k为期望的预先指定的线性放大常数。在这个例子中，我 们假设k＝1。
用于行波管放大器的预失真器
不随时间变化的情况
在行波管放大器24中，用于预失真器14的输入xl(n)和输出yl(n) 的通用基带(等效的低通信号)表达式为：
xl(n)＝r(n)ejφ(n)
yl(n)＝q[r(n)]ej(φ(n)+0[r(n)])
(11)，(12)
其中函数q和要通过要求满足公式(10)确定。根据公式(4) 和(5)，行波管放大器24的输入和输出为：
y(t)＝q[r(t)]cos(ωct+φ(t)+θ[r(t)])
z(t)＝u[q[r(t))]cos(ωct+φ(t)+θ[r(t)]+φ{q(t)])
(13)，(14)
其中
(15)，(16)
为了满足(10)，必须具备以下条件：
(17)，(18)
从公式(17)
rβq2-αq+r＝0
(19)
可以求解这个公式得到q以产生：
同时对零相位失真，我们必须要：
0(r)+Φ(q)＝0
(21)
或
如果r＞1，公式(20)无解。根据图4的描述，这对应于信号的 削波，图4中归一化输出显示为对于具有预失真器14的行波管放大器 24的归一化输入的函数。公式(20)，(22)的解析解以前已经由 Brajal和Chouly获得。
随时间变化的自适应情况
我们如下将这种解法扩展到随时间变化的情况。作为随时间变化 的模型，我们假设四个参数α，β，γ和ε随时间变化。我们表达：
其中J为应当被最小化的成本函数，E为关于α，β的期望值。 对于α部分求微分并使结果等于0，我们得到：
(24)，(25)
对于β与之类似继续进行，我们得到：
或
为简单起见，让我们定义以下公式：
(28)，(29)，(30)，(31)
根据公式(25)，(28)和(29)
而根据公式(27)，(30)，(31)，(32)
这样，我们的方法为：在图5中所示的估计器26中数值解算公 式(33)以求解它是β的估计值，并且随后在公式(32)中代替 以获得α的估计值公式(28)，(29)，(30)，(31)中的期 望值可以使用以下公式估计：
(34)，(35)，(36)，(37)
γ和ε也可以按照如上所述的相同方式准确估计。这种方法在图 5的框图中举例说明，图5显示了用于随时间变化的高功率放大器的 预失真器14，其中提供参数估计器26以从高功率放大器24取得参数， 并将它们提供给估计器26以产生参数估计用于预失真器14。
为了从(33)获取β的最优估计值，我们使用以下公式：
为了最小化由以下公式定义的均方差(MSE)，定义了满足(38) 的最优系数
其中J为要被最小化的成本函数，而E为关于β的期望值。
然后，J对于β求导
其中
(41)(42)(43)(44)
此后，LMS(最小均方)算法可以如下表示：
其中为LMS算法的步长。
一旦我们得到β的估计值，我们就很容易从(32)得到α的估计 值。γ和ε可以用如上所述的相同方式获得。
用于固态功率放大器的预失真器
不随时间变化的情况
正如在行波管放大器24中那样，用于固态功率放大器24的预失 真器14的输入xl(n)和输出yl(n)的通用基带(等同于低通信号)表达 式为：
(46)，(47)
其中函数q和要通过要求满足公式(10)确定。由于我们假设 忽略相位失真，我们不必考虑相位前置补偿。根据公式(7)和(8)， 固态功率放大器24的输入和输出为：
yc(t)＝q[r(t)]cos(ωct+φ(t))
z(t)＝u[q[r(t)]]cos(ωct+φ(t))
(48)，(49)
其中
根据公式(50)，公式(10)隐含：
因此，在一些代数处理之后，我们能够找到用于预失真器特性q(r) 的准确表达：
补偿效应的示例在图6中展示。当r＞A0时，公式(52)无解。 在这种情况下，我们如图6中那样削减输入信号。
随时间变化可调节的情况
由于高功率放大器24是随时间变化的系统，作为随时间变化的 模型，我们假设固态功率放大器模型中的参数A0和p随时间变化。为 了跟踪两个参数A0和p，我们使用了训练符号。通过使用训练符号， 我们获得预失真器14的输入q(n)和预失真器14的输出u(n)。在训练 阶段内，我们假设预失真器14是关闭的。那就是说，预失真器14的 输入和输出会相同(r(n)＝q(n))。
为了估计参数A0和p，首先，我们如下改变公式(50)：
为了归纳算法，如果我们知道p的话，我们可以轻易地从公式(53) 获得A0。然而，我们假设A0和p二者都随时间变化。首先，发送两 个训练符号，然后我们知道高功率放大器24的输入幅度q和输出幅度 u。随后从公式(53)，对应两个不同的训练符号，我们可以获得A0 的两个不同估计值，如以下公式(54)和(55)所给出的名为A01和 A02。如果我们选择了正确的p，它在训练时间内对高功率放大器24 相同，即A01和A02的A0的两个不同值具有几乎相同的值，或者由于 步长，具有非常接近的值。我们可以找到用于这一点的p，它具有两 个估计值A0之间的最小距离，即Dmin＝|A01-A02|2。那么，从公式(53) 和p的估计值，我们从最小距离Dmin＝|A01-A02|2得到
该算法的简要描述
作为一种更实用的方式，如果我们知道了p，我们可以很容易从 公式(53)得到A0。然而，我们假设A0和p二者都随时间变化。在 这种情况下，我们建议遵循算法。首先，发送两个训练符号，然后我 们知道高功率放大器24的输入幅度q和高功率放大器的输出幅度u。 此后，从公式(53)，对应于两个不同训练符号，我们得到A0的两个 不同估计值A01和A02。
(54)，(55)
其中，q1，u1分别为用于第一训练符号的预失真器14和高功率 放大器24的输出幅度，而q2，u2分别为用于第二训练符号的预失真 器14和高功率放大器24的输出幅度。训练符号不受如我们前面所声 明的预失真器14的函数的影响。在训练期间内，我们将q1和q2替代 为r1和r2，这是训练符号的原始幅度。我们可以使用以下公式估计未 知的A0和p。
(56)，(57)
其中为A0的估计值，而为我们可以从公式(56)得到的的 最优值。
仿真结果与讨论
现在考虑示例预失真器技术的测试用于补偿如计算机仿真所证 明的高功率放大器非线性失真。假设加性高斯白噪声(AWGN)信道 明显观察到非线性和由所示例预失真器14所做的性能提升的效果。考 虑具有128个子载波和16个QAM的OFDM系统。如果输入幅度非 常高的话，高功率放大器24以高非线性状态运行。如果输入幅度非常 小的话，高功率放大器24以非常小的失真运行。在高功率放大器24 的操作中，需要相对的功率补偿水平以减少失真。然而，并不希望这 种功率补偿，因为它减少了功效。在我们的算法中，在范围r＜A0内总 是存在补偿解决方案，其中A0为最大输出幅度。因此，如果输入平均 功率与A0 2相同的话，我们得到最大的功效，但是得到高度非线性结果。 从而，我们需要一种标准以显示多么需要来自最优功效的功率补偿。 在仿真中，我们定义IBO(输入补偿)为：
其中Pin为输入平均功率(OFDM信号的平均功率)。与之类似， 我们也可以定义OBO(输出补偿)为：
其中Pout为输出平均功率(高功率放大器24的平均输出功率)。
用于行波管放大器的预失真器
不随时间变化的情况
现在假设参数α，β，γ和ε不随时间变化的条件下考虑OFDM 仿真结果。图7a和7b为将α作为I的函数描述，并且显示分别没有 和有预失真器14的信号构象之间区别的图示。在图7a和7b中，我们 使用IBO＝6dB。在图8的图示中显示的误码比率或误码率(BER)性 能曲线显示BER作为Eb/N0的函数，其中Eb为每比特的信号能量， 而N0为噪声功率谱密度，并且显示了预失真器14能够明显地降低 OFDM系统10中的非线性失真。BER是用某个规定时间内的错误比 特数除以所传输，接收，或处理比特的总数。误码率的例子为(a)传 输BER，即，用错误比特数除以接收到的传输比特的总数；(b)信 息BER，即，用错误解码(纠正)比特的数除以解码(纠正)比特的 总数。BER通常作为系数和10的幂表达；例如，100,000个所发送比 特中的2.5错误比特会是105分之2.5或2.5×10-5。
均匀分布的随时间变化的自适应情况
如上所述，高功率放大器24是随时间变化的系统。假设四个参 数α，β，γ和ε现在是随时间变化的，那么我们应该跟踪α，β，γ和 ε的变化。我们假设这四个参数根据以下条件平均分布变化：
(1)这四个参数在以下范围内变化
1.01≤α≤2 (60)
0.01≤β≤1 (61)
1.5≤γ，ε·≤ 3 (62)
(2)输入和输出归一化条件，β＝α-1。
(3)饱和度条件，信号超过1就被削波，如图9a和9b的图示 中所示。
我们为什么在幅度和相位方面选择以上条件的原因是，要在输入 和输出两个方面维持归一化约束和以上范围(r＞A0)内的约束条件， 即使是幅度被改变了。这些约束仅是为了表达方便，因此在真实系统 中，即使没有满足以上条件，我们的算法也运行得很好。下面的表1 显示了使用我们的算法跟踪α，β，γ和ε之后的错误。我们使用了以 下公式获得表1的结果。
(63)，(64)，(65)，(66)
我们仅使用两个训练符号、计算1000次并将结果平均得到了表1 的结果。
表1参数的错误
步长 错误(α) 错误(β) 错误(γ) 错误(ε) 0.1 1.02×10-2 2.74×10-2 6.3×10-3 1.72×10-2 0.01 9.47×10-4 2.5×10-3 6.04×10-4 1.7×10-3 0.001 9.49×10-5 2.54×10-4 6.18×10-5 1.69×10-4
表1的结果显示仅有两个训练符号对我们的算法就足够了。这表 示我们的算法非常快，并且几乎没有延迟。在具有随时间变化的高功 率放大器24的OFDM 10中预失真器14的BER性能在图10和图11 的图示所示。在这些曲线中，我们假设步长＝0.01。正如从图10和图 11中清楚地看到的那样，如果高功率放大器24的变化没有被跟踪的 话，与跟踪的情况比较性能就会差很多。这个仿真结果因此显示了跟 踪参数中变化的这种能力给系统性能增值。
按照高斯分布和LMS算法的随时间变化可调节的情况
我们再次仿真了我们的PD，但是参数分布不同。我们假设4个 参数α，β，γ，ε是高斯和均匀分布地随时间变化，并且使用LMS(最 小均方)算法跟踪参数的变化。首先我们在图17中显示我们算法的收 敛情况。我们仅显示两个参数β和ε的原因是，正如我们以前所显示 的，一旦我们得到了β和ε二者，其他的参数α和γ就可以很容易得 到。在这次仿真中，我们假设β是均匀分布的，而ε是如在Saleh的 原始模型中具有均值E(ε)＝2.8168的高斯分布和方差0.01。为了快速 收敛我们使用步长μβ＝6000000和με＝600000000000。
现在我们显示BER性能在具有和没有跟踪之间的比较。在这些 仿真中，我们假设四个参数根据以下条件变化。
(1)这两个参数在以下范围内变化
1.01≤α≤2 (67)
0.01≤β≤1 (68)
(2)相位参数γ和ε每个都按照平均值E(γ)＝2.5293，E(ε)＝2.8168 和方差σ＝0.1的高斯分布变化。
(3)输入和输出归一化条件，β＝α-1。
(4)饱和度条件，信号超过1就被削波，如图9a和9b的图示 中所示。
正如在前面部分中我们所解释的，这些约束仅是为了表达方便。 具有随时间变化HPA的OFDM中PD的BER性能在图18(IBO＝6dB) 和图19(IBO＝6dB)中显示。在这些BER性能仿真中，我们假设步 长μβ＝50000000和με＝10000000000。我们使用两个训练符号并迭代 1000次。甚至通常PD需要少得多的迭代，我们使用足够多的迭代以 确保所有的参数都收敛。正如从图18和图19中所显见的那样，如果 HPA的变化没有被跟踪的话，与跟踪的情况比较性能就差得多。仿真 结果因此显示跟踪参数中变化的能力给系统性能增值。
用于固态功率放大器的预失真器
不随时间变化的情况
假设固态功率放大器24为不随时间变化的系统而考虑OFDM仿 真结果。在这次仿真中，使用了16QAM作为调制方案并且使用了128 个子载波。因为高的峰值对平均功率比，OFDM比单载波系统需要多 得多的IBO。图12a和12b分别显示了有和无预失真器14的信号构 象输出。与行波管放大器的情况相比较，幅度失真不是那么严重并且 没有相位失真存在。然而，没有预失真器14，即使IBO＝6dB，幅度 失真也非常高。在图13中，BER性能曲线显示我们的预失真器14能 够明显降低OFDM系统10中非线性失真的效应。在图13中，我们 使用A0＝p＝1。
均匀分布的随时间变化可调节的情况
如我们在前面所提及，高功率放大器14是随时间变化的系统。 假设两个参数A0和p是随时间变化的，这样我们应当跟踪A0和p的 变化。正如在行波管放大器24中的情况，两个参数A0和p均匀分布。 仿真使用了简单的搜寻算法。表2显示了在使用我们的算法跟踪A0 和p之后的错误。我们使用了以下公式得到表2的结果。
(69)，(70)
其中和是使用简单搜寻算法跟踪的参数，而|Amax-Amin|和 |pmax-pmin|为变化范围。我们计算公式(69)和(70)1000次并平均每 次的错误。根据表2，即使步长为0.1，错误也是非常小的。
表2和的错误
步长 1≤A0，p≤1.5 1≤A0，p≤2 1≤A0，p≤3 错误(A0) 错误(p) 错误(A0) 错误(p) 错误(A0) 错误(p) 0.1 3.86×10-2 5.1×10-2 2.29×10-2 2.56×10-2 1.40×10-2 1.23×10-2 0.01 3.7×10-3 5.0×10-3 2.22×10-3 2.5×10-3 1.5×10-3 1.3×10-3 0.001 3.66×10-4 4.8875×10-4 2.1718×10-4 2.4870×10-4 1.4934×10-4 1.2852×10-4
我们现在了解了用于随时间变化的固态功率放大器24的预失真 器14的BER性能。我们在下面BER性能仿真中使用步长0.01。在 图14中，我们假设两个参数在范围1≤A0，p≤1.5内均匀分布，每个具有 平均值＝1.25，IBO＝6dB。在没有跟踪的情况下，我们对两个参数使 用平均值1.25。在图15和图16中，我们显示了当两个参数在宽度范 围1≤A0，p≤2内平均分布，每个具有平均值＝1.5，IBO＝6dB和7dB时， 用于随时间变化的固态功率放大器24的预失真器14的BER性能。在 没有跟踪的情况下，我们对两个参数使用平均值1.5。
按照高斯分布随时间变化可调节的情况
现在，我们假设两个参数A0和p是按照高斯分布随时间变化， 并使用LMS算法跟踪该变化。首先，我们在图20中仿真我们算法的 收敛。在这次仿真中，我们假设两个参数A0和p按照高斯分布(均值 E(A0)＝1.5，E(p)＝1.5，方差
现在可以理解基于OFDM的无线通信10中使用的随时间变化的 高功率放大器24中用于消除或减轻非线性失真的上述基于模型的预 失真器方法的优点了。该方法使用行波管放大器的Saleh模型和固态 功率放大器的Rapp的模型的封闭式反转，在反转的表达中要求非常 少的参数。这种稀疏但是准确的表示实现了对高功率放大器24的随时 间变化行为的快速跟踪。这些特性已经由简单的计算机仿真所证明。
在不背离本发明的思想和范围下可以由本领域的普通技术人员 做出很多变更与修正。因此，必须理解，所示例实施例仅出于举例的 目的而提出，并且不应当被当作如以下发明及其各种实施例所定义的 那样限制本发明。
因此，必须理解，所示例实施例仅出于举例的目的而提出，并且 不应当当作限制如以下权利要求书所定义的本发明。例如，尽管权利 要求书的元素以下以某种组合提出的事实，必须清楚地理解，本发明 包括更少，更多或不同元素的其他组合，即使是当它们没有一开始就 以这种组合声明时也在以上中公开。还要将两个元素以所声明组合方 式组合的教导也理解成允许所声明的组合，其中两个元素相互之间不 组合，但是可以单独使用或在其他组合中组合使用。本发明任何公开 元素的删除明确期望在本发明的范围之内。
在要描述本发明及其各种实施例的说明书中使用的词不仅要从 其通常定义的含义的意义上理解，还要包括超出通常定义的含义范围 的在该说明书中的结构，材料或行为中的特别定义。这样如果元素能 够在该说明书的上下文中理解为包括多于一种含义，那么其在权利要 求书中的用途必须要被理解为对由该说明书和由该词本身所支持的所 有可能含义。
因此，以下权利要求书的词或元素的定义就在该说明书中定义， 以不仅包括按照字面意思提出的元素的组合，还包括以基本相同的方 式执行基本相同功能以获得基本相同结果的所有等价结构，材料或行 为。在此意义上，因此期望对以下权利要求书中的任何一个元素可以 进行两个或更多元素的等价替代，或者权利要求书中的单个元素可以 替代为两个或更多元素。尽管元素可以在以上描述为以某种组合中运 行并且甚至最初是这样声明的，应当清楚地理解，来自所声明组合的 一个或更多元素在一些情况下可以从该组合中拆出，并且所声明的组 合可以针对子组合或子组合的变更。
明确期望现在已知的或以后设计的，本领域的普通技术人员所观 察到的，来自所声明主题的非实质性变化等价地在权利要求书的范围 之内。因此，现在或以后对本领域普通技术人员已知的各种替代被定 为在所定义元素的范围之内。
这样权利要求书被理解为包括以上特别例举和描述的内容，概念 上等价的内容，能够明显替代的内容和基本包含本发明的基本观点的 内容。
相关申请
本申请涉及2004年8月19日申请的美国临时专利申请 No.60/602,905，它在此作为参考，并且其优先权声明依据35USC119。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种采用NB-IOT模组的智能门锁耗电量估算的方法、系统 | 2020-05-11 | 740 |
| 压铸机异步伺服节能控制方法及其控制系统 | 2020-05-11 | 219 |
| 荧光偏振hERG试验 | 2020-05-11 | 66 |
| 一种结合频偏补偿的联合检测方法和装置 | 2020-05-13 | 731 |
| 通过电刺激检测心功能的装置和方法 | 2020-05-11 | 393 |
| 一种改善Boost变换器动态响应的控制方法 | 2020-05-11 | 401 |
| 驱动用于调节流向燃烧器的燃料气体的流量的阀的方法，特别是针对具有高功率调制的冷凝锅炉 | 2020-05-12 | 369 |
| 一种测定煤层瓦斯压力的方法及装置 | 2020-05-12 | 494 |
| 测量心电图的方法 | 2020-05-12 | 443 |
| 通过电刺激检测心功能的装置和方法 | 2020-05-11 | 540 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
