由于数据用户量的不断增加,人们对无线通信速率的需求日益提高,无线通信系统也正在向着高速率、宽带化的方向发展,但是其在高速发展的同时也带来了前所未有的能量消耗。在无线通信网络中,移动通信基站能耗占通信网络能耗的50%以上,而微波功率放大器(Power Amplifier,PA)作为无线通信基站主设备的能量消耗主体,保证其线性、高效率工作对系统节能降耗具有十分重要的意义。为了同时兼顾功率放大器的效率和线性度,需要采用线性化技术来补偿功率放大器在高效率工作时所产生的非线性失真。数字预失真(Digital Predistortion,DPD)因其结构简单、实现灵活、性能卓越等优势,成为当前功率放大器线性化的主流技术。本文主要工作与创新点如下:1、针对宽带数字预失真技术反馈路径上ADC成本过高的问题,提出了降低反馈路径ADC数量的间接数字预失真结构。该结构仅需采集功放输出信号的单路分量(I分量或者Q分量),因此在反馈路径上仅需使用一个ADC,从而减少了反馈路径上ADC的数量,降低了硬件成本。同时,由于该结构仅采集功放输出信号的I分量或者Q分量来计算预失真器系数,因此可以在一定程度上抑制系统中存在的I/Q不平衡。测试结果表明,在系统中不存在I/Q不平衡的条件下,本文所提结构和传统间接学习结构具有同等的线性化效果;系统中存在I/Q不平衡时,相较于传统的间接学习结构,本文所提出的方法的邻信道功率比(Adjacent Channel Power Ratio,ACPR)性能提升约4～6dB,说明其对系统中存在的I/Q不平衡具有抑制作用。2、对于宽带信号,数字预失真模型系数量随着非线性阶数和记忆深度的增加而大幅提升,但其中存在大量冗余项。这些冗余项不仅增加了模型的复杂度,还会增加计算误差,影响模型建模精度。针对该问题,提出了一种新的功率放大器行为模型裁剪方法,该方法将正则化子空间追踪(Regularized Subspace Pursuit,RSP)算法应用到数字预失真技术中用来裁剪功率放大器建模时行为模型中的冗余项。RSP算法将正则化过程引入到子空间追踪(Subspace Pursuit,SP)算法中,将正则化思想和回溯思想相结合,实现了对原子的二次筛选,提高了每次迭代中所选原子的可信赖性,模型裁剪性能较好。测试结果表明,在系数数量设置相等的情况下,和OMP和SP算法相比,使用RSP算法进行裁剪之后的模型具有更好的ACPR值和归一化均方误差(Normalized Mean Square Error,NMSE)值,所提方法比使用OMP算法和SP算法具有更好的数字预失真模型裁剪能力。和全GMP模型相比,使用所提方法对模型进行裁剪后,不仅使模型系数量减少了 83.7%,NMSE和ACPR性能也分别提升了约3.4dB和3dB。