申请/专利权人：宁波大学

申请日：2023-11-23

公开（公告）日：2024-04-02

公开（公告）号：CN117811511A

主分类号：H03F1/32

分类号：H03F1/32;H03F1/02;H03F3/21

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于功放内部反射信号的数字预失真线性化方法，在构建FSMP模型时，同时考虑输入信号产生的非线性以及反射信号产生的非线性失真，并且在FSMP模型中额外引入反射信号时，为反射信号设定了反射系数δ，此时FSMP模型由反射系数δ和FSMP模型的系数wij决定，为避免同时辨识求解反射系数δ和FSMP模型的系数wij的难度，通过合并反射系数δ和FSMP模型的系数wij，整合一个新的系数aij，使得FSMP模型中出现线性参数，具有线性的参数辨识功能，易于使用LS算法求解得到aij，从而降低了FSMP模型构建和辨识的难度；优点是能够有效地消除了功放内部反射信号带来的不利影响，对功放非线性矫正效果好。

主权项：1.一种基于功放内部反射信号的数字预失真线性化方法，其特征在于包括以下步骤：步骤1、对功放的输入端的输入信号和输出端的输出信号分别进行离散采样，将在第n个采样时刻对功放的输入端的输入信号进行离散采样得到的信号记为xn，将在第n个采样时刻对功放的输出端的输出信号进行离散采样得到的信号记为yn，其中n表示采样时刻序号，n＝0，1，2，…，L，L为整数，且L5000，L+1为离散采样总长度，即对功放的输入端的输入信号进行离散采样得到L+1个信号x0、x1、x2、…、xL，对功放的输出端的输出信号进行离散采样也得到L+1个信号y0、y1、y2、…、yL；步骤2、将从功放的输出端反射至功放的输入端的信号称为反射信号，将第n个采样时刻从功放的输出端反射至功放的输入端的反射信号记作yfeedbackn，采用公式1表示为：yfeedbackn＝δ*yn1式1中，δ表示功放的反射系数，当前处于待求解状态；步骤3、基于xn、yn和yfeedbackn构建基于反射信号的记忆多项式模型,简称FSMP模型，该FSMP模型采用公式2表示为： 式2中，yFSMPn表示FSMP模型的输出信号，即待求解的数字预失真信号，M表示FSMP模型的记忆深度，K表示FSMP模型的非线性阶数，M和K均为整数，且0≤M≤10,1≤K≤10,xn-j表示xn时延j个采样时刻的信号，即在第n-j个采样时刻对功放的输入端的输入信号进行离散采样得到的信号，yn-j表示yn时延j个采样时刻的信号，即在第n-j个采样时刻对功放的输出端的输出信号进行离散采样得到的信号，||为取模操作符号，|xn-j|i-1表示xn-j的i-1阶非线性，|δ*yn-j|i-1表示δ*yn-j的i-1阶非线性，i＝1，2，…，K，j＝0，1，2，…，M，*表示乘积运算符；wij为FSMP模型的系数，wij当前处于待求解状态；步骤3.1、对公式2进行变形，采用|δ|i-1*|yn-j|i-1替换公式2中的|δ*yn-j|i-1，此时FSMP模型采用公式3表示为： 步骤3.2、将公式3所示的FSMP模型中的wij*|δi-1|作为一个新的待求系数，令aij＝wij*|δi-1|，将aij代入公式3中得到公式4所示的FSMP模型： 式4中,xn-j*|xn-j|i-1*|yn-j|i-1表示FSMP模型的基函数；步骤4、构建逆FSMP模型，简称IFSMP模型，将IFSMP模型采用公式5表示为： 式5中，xIFSMPn表示IFSMP模型的输出信号,yn-j*|yn-j|i-1*|xn-j|i-1表示IFSMP模型的基函数；步骤5、将xIFSMPn＝xn以及步骤1得到的xn-j和yn-j均代入公式5，使用最小二乘法LS算法求解公式5，得到aij；步骤6、将步骤1得到的xn-j、yn-j以及步骤5得到的aij均代入公式4，计算得到输出信号yFSMPn，即数字预失真信号。

全文数据：

权利要求：

百度查询： 宁波大学 基于功放内部反射信号的数字预失真线性化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD