宽带通信系统中的线性化技术研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:cenyizhon
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无线通信系统的信道容量提升往往需要新技术的导入,能够直接提升系统信道容量的技术有多入多出技术,宽带高阶信号调制技术以及多带发射机技术等。这些新技术在带来更高信道容量的同时也会为线性化系统带来新挑战。多入多出系统需要集成大量的射频链路和天线,进一步提高天线的集成数量往往需要采用混合波束成形结构。混合波束成形结构中一条射频链路要驱动多个功放,使得数字预失真系统需要同时补偿多个功放的非线性失真,而功放之间的非线性一致性问题使得数字预失真难以同时补偿多个功放。宽带高阶调制的信号往往会带来更高的信号峰均比,这使得功率放大器需要工作在更高的回退区间。为了提高功率放大器的回退效率,当前商用基站多采用高回退效率的Doherty功放,而Doherty功放因为其特殊的电路结构表现出复杂的非线性特性。因此,针对采用Doherty的射频前端,需要针对Doherty功放的具体特性制定线性化方案。通常,频谱资源由国际电信联盟和各国政府机构统一管理和分配;面对日益紧缺的频谱资源,多带发射机前端成为无线运营商和设备供应商的解决方案之一。但是,多带发射机系统通常会因为功放的非线性而产生众多的互调失真分量,这些互调失真分量的频率分布与载波频率的选择直接相关。在无法避免互调失真分量出现在载波频率附近时,需要针对互调分量进行特定补偿抵消。针对以上问题,本文着重对多输入多输出系统,Doherty功放和多带通信系统的线性化技术展开研究。本文的主要工作和创新点总结如下:1.面对混合波束成形多入多出系统中的一对多线性化问题,提出了平均化群预失真解决方案。其中,利用模拟预失真器阵列调节功放静态非线性失真的一致性;在此基础上,数字预失真器同时校正多个功放的公共静态非线性失真和动态非线性失真。为了明确功放阵列的一致性,定义了互归一化均方误差作为衡量指标。通过调控模拟预失真器阵列的状态,取互归一化均方误差最小的状态为功放可得最佳一致性状态。不失一般性,基于平均化群预失真技术的一对二的功放线性化实验中,邻信道功率比(Adjacent Channel Power Ratio,ACPR)提高了20.5-22.0 dB,较传统的基于单一功放一对二线性化方案有7.1-8.8 dB的提升,显著改善了多入多出发射前端的线性度。而针对调控功放一致性耗时过长和难以直接迭代更新等问题,进一步提出了步进式优化的群预失真技术,在线性化性能不变的前提下,功放一致性调整需要的时间从跟随功放数量成指数增长降低为线性增长。而且,还可以根据功放非线性特性的变动进行持续迭代更新。2.宽带高阶调制技术显著提升了通信系统的信道容量,但使得功放80%的时间工作在5-15 dB的回退状态。这使得当前商业通信系统多采用高回退效率的Doherty架构,不可避免地引入了非线性时延差。针对上述现象,本文提出了记忆互调模型削弱非线性时延差引入的非线性状态。首先,根据带有非线性时延差的系统特性,推导出适用于这类非线性失真线性化的记忆互调模型。并给出了记忆互调模型的参数设置机制。同时,还进一步研究了记忆互调模型中基函数的简化策略。在非线性时延差系统的建模仿真中,相同参数规模下,记忆互调模型的建模精度比广义记忆多项式模型在归一化均方误差上有10 dB的提升。Doherty功放的线性化实验测试中,采用峰均比为7 dB,20 MHz带宽的长期演进(Long Term Evolution,LTE)信号激励下,记忆互调模型的ACPR改善了21 dB,较同规模广义记忆多项式ACPR仍有1.8-2.5 dB的提升。3.为了解决多带发射机中载波附近的互调失真问题,本文根据互调失真产生机理分别提出了多核补偿结构和联合补偿结构。考虑到多个频率进行补偿时预失真信号产生的互扰问题,提出了使用改进型直接学习结构的多核补偿预失真。仿真和实验均证明了这种补偿结构可以有效降低载波附近的互调失真。在双带预失真实验测试中,功率放大器出现互调失真的次邻信道的ACPR分别有16.1 dB和16.6dB的改善。而针对互调失真与载波信号出现频谱重叠现象时,多核补偿结构的非线性校正能力会出现一定程度的恶化。因此,本文进一步提出了联合补偿结构。对比于多核补偿结构,数字变频功能从采样过程移动至非线性基函数运算过程,可得到包含联合混叠互调失真的双带预失真模型。在互调失真混叠的双带线性化实验中,载波频率设置为0.7 GHz与1.375 GHz,出现二阶差频互调分量的频带一左邻信道的ACPR在经过联合补偿后提升了21.9 dB相比多核补偿提高4.2 dB。频带二载波在经过联合补偿后,出现二次谐波的右邻信道的ACPR提升了22.7 dB,比多核补偿提高了1.9 dB。
其他文献
作为数据挖掘领域的热门问题之一,离群点检测(也称为离群点挖掘)是从原始数据集分布中发现显示异常行为的对象,它可用于人群异常行为检测,信用欺诈,入侵检测,医疗保健和物联网(IoT)大数据离群点检测等。关于离群点检测,两个主要挑战是数据的维度和规模。使用集中式的检测方法,必然面对数据的“维度诅咒”,另外随着数据尺度的增加,单一节点的计算在运行时间上也是难以忍受的。本文研究的重点也立足于解决离群点检测中
随着近年来量子计算领域的飞速发展,量子计算技术已经深刻地改变了传统的计算模式与信息处理的方式。量子计算利用量子物理特有的量子纠缠、量子叠加等性质能够有效地提升信息处理的效率与能力,并且提供了新型的数据计算与信息处理方式。机器学习利用现有的计算资源对大数据进行分析学习得到规律以对未知数据进行预测,在众多领域有着广泛的应用。量子计算技术应用于机器学习中产生了量子机器学习这一研究方向。量子机器学习一方面
合成孔径雷达(SAR)由于其全天时、全天候的工作特性,已被广泛应用于侦察探测、地质勘探、灾害检测和公共区域安检等领域。作为SAR图像分析和解译的基础问题,SAR目标分类与检测问题的研究具有重要意义。鉴于深度学习方法在计算机视觉领域取得了巨大成功,本文开展基于深度学习的SAR目标分类与检测方法的研究。近年来,基于监督学习的深度网络在SAR目标分类与检测任务中被广泛应用并取得了突出的效果。本文围绕SA
区块链(Blockchain)技术近年来已成为学术界和工业界的研究热点。目前区块链的应用场景也已经扩展到金融、医疗、政府、文化、艺术、物联网、软件工程等领域,因而区块链也常被称为下一代互联网。但是,区块链还存在一系列问题,如共识算法机制、系统性能与运行效率、存储方法、匿名与可信的矛盾以及监管问题等,安全威胁也始终相随相伴。目前针对区块链系统、合约和应用的安全事件频频发生,给个人、企业乃至国家造成了
随着移动互联网通讯和物联网技术的飞速发展,包含众多传感元件的可穿戴设备将成为物联网的重要入口与应用终端,并通过软件支持以及数据云端交互实现众多功能,这将对我们未来的生活、感知带来巨大的改变。可穿戴柔性触觉传感器通过测量人体生理参数、感知周边环境指标,能够及时且低成本地提供人体健康状况的相关重要信息,对人类医疗保健、运动健康具有积极的影响。随着可穿戴设备逐渐呈现出巨大的市场潜力,柔性电子器件特别是柔
数据访问控制技术是网络与信息安全领域用于实现只有授权用户才有权访问共享数据的关键技术之一。以对称加密和传统公钥加密技术为主要手段的访问控制,虽然在一定程度上实现了对数据的授权访问,然而由于其缺乏灵活性和可扩展性,无法实现一对多细粒度访问控制,使其无法真正广泛应用于各种现实场景中。随着对访问控制研究的不断深入,不同的一对多访问控制机制,如身份基广播加密的访问控制机制和属性基加密的访问控制机制,相继被
随着无线感知与通信技术的发展,低功耗物联网被广泛地部署以采集或监测环境数据。多样的应用场景和不断增加的物联网终端设备对低功耗物联网的数据传输性能提出了挑战。一方面,越来越多的物联网终端设备被部署到环境中,爆炸式增长的终端设备与有限的无线资源之间冲突越来越明显,并成为影响低功耗物联网性能的主要瓶颈之一。因此,如何通过高效的资源分配机制,支持大量终端设备的可靠数据传输是低功耗物联网领域非常重要的研究问
随着智能设备的普及和存储技术的发展,客户端进行数据存储和处理的能力得到显著提升。对这些数据的分析挖掘能够带来巨大的经济效益和社会价值。随着各行业数字化建设的深入,来自于各领域的大规模数据已难以进行直观分析和观察。层次聚类算法作为大数据分析挖掘中的一种重要工具,通过分析数据之间的关系,能将数据组织成多层次、多分辨率的结构形态,有助于人们挖掘数据中的潜在知识。但传统层次聚类算法的计算复杂度高,可扩展性
点云曲面重建是利用三维散点的几何信息建立相应的数学模型描述和绘制空间曲面,其被应用于产品设计、文物保护、油气勘探等诸多领域。地下地层曲面重建根据地震勘探获得的地层散点信息,构建层位、断层等地下地层曲面,是建立地下层序模型、油藏模型的基础和支撑。地下地层曲面重建涉及大量信息处理技术,地质规律和区域地质知识,是信息处理领域和油气勘探领域共同关注的前沿问题之一。用于地下地层曲面重建的点云数据具有稀疏性、
伴随互联网技术的成熟,社交网络在社会、政治和经济等层面体现出重要价值和作用,面向社交网络实体的认知算法成为计算机科学领域研究热点。现有研究成果在网络服务、线上营销和公共安全方面发挥着重要作用,但仍存在诸多技术难题尚未攻克,因此本文研究工作具备较高的学术价值和应用价值。围绕社交网络实体认知,本文聚焦于四个具体关键研究点,包括:(1)话题流行时间预测;(2)用户意见预测;(3)基于影响关系的关键用户发