自適應在功率放大器非線性預失真中的應用
加入技術交流群
當μ較小時，τmse越大，收斂速度越慢，反之，收斂速度越快。
介于在μ的選擇上存在的一些矛盾，而在傳統自適應算法中μ為固定值，無論在穩定性及收斂速度方面都無法完全滿足系統的需求，本文采用了一種折中的方法，在信號處理初期，即25％emaxe(n)emax階段采用大步長的μ1，在0e(n)25％emax時采用小步長的μ2，這樣自適應濾波器在收斂速度與穩定性方面都得到一定程度的改善，加權系數迭代方程如下
，訓練器與預失真器的參數完全相同，理想情況下，=z，e(n)=0，根據前幾節介紹的自適應算法，更新預失真器的參數，使得e(n)趨向于0，從而達到線性放大的目的。
間接學習模型中的功放是一個Wiener模型，為一個線性時不變系統(LTI)與一個無記憶非線性模塊(NL)的串聯；預失真器為與Wiener模型具有逆特性的hammerstein模型。
用a1表示線性Wiener模型中LTI的系數，bk表示NL的系數，功率放大器的代數表達式為
3 系統仿真
本論文中的算法，通過matlab仿真平臺進行仿真，來檢測算法對帶外失真的改善程度，并且檢測了算法的收斂速度，輸入信號為WCDMA信號，預失真器中無記憶非線性部分的最高階取K=5，線性時不變系統部分長度取Q=7，功率放大器模型具有與其相同的多項式階數和記憶深度。
3．1 系統仿真
從實際功放中得到系數a1=14．9740+0．0519j，a3=-23．0954+4．9680j，a5=21．3936+0．4305j，通過分段變步長得到線性時不變系統的系數bk及無記憶非線性系統的系數cl的估值分別為
經過仿真后得到頻譜圖如圖3所示。本文引用地址：http://www.104case.com/article/187315.htm
評論