模块化模型功率放大器的自适应预失真

doi:10.3778/j.issn.1002-8331.2009.29.034

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (29): 114-117.DOI: 10.3778/j.issn.1002-8331.2009.29.034

• 数据库、信号与信息处理 • 上一篇下一篇

模块化模型功率放大器的自适应预失真

丁元明^1，2，王甲凯²

1.辽宁省智能信息处理重点实验室，辽宁大连 116622
2.大连大学信息工程学院，辽宁大连 116622

收稿日期:2008-11-17 修回日期:2008-12-23 出版日期:2009-10-11 发布日期:2009-10-11
通讯作者: 丁元明

Adaptive predistortion for power amplifiers based on block-oriented model

DING Yuan-ming^1，2，WANG Jia-kai²

1.Liaoning Key Lab of Intelligent Information Processing，Dalian，Liaoning 116622，China
2.Institute of Information Engineering，Dalian University，Dalian，Liaoning 116622，China

Received:2008-11-17 Revised:2008-12-23 Online:2009-10-11 Published:2009-10-11
Contact: DING Yuan-ming

摘要/Abstract

摘要： 为补偿正交频分复用（OFDM）通信系统中由记忆高功率放大器（HPA）引起的失真，提出了一种自适应数字预失真方法。对Wiener、Hammerstein和Wiener-Hammerstein模块化模型的HPA各自构成了一个有记忆自适应预失真器。仿真结果表明，利用模块化模型能快速、简便地实现记忆放大器的线性化，而且具有满意的性能。

关键词: 高功率放大器, 自适应预失真, 系统辨识, 模块化模型

Abstract: An adaptive digital predistortion technique is presented to compensate for the distortions of High Power Amplifiers（HPA） with memory in Orthogonal Frequency Division Multiplexing（OFDM） communication systems.The proposed predistortion schemes are described by block-oriented models’ Wiener model，Hammerstein model and Wiener-Hammerstein model respectively，where the memory adaptive predistorters are constructed for the HPA.Simulation results demonstrate that the proposed predistortion method can effectively realize the linearization of memory HPA，and it has satisfactory performance.

Key words: High Power Amplifiers（HPA）, adaptive predistortion, system identification, block-oriented model

中图分类号:

TN914

TP273

丁元明^1，2，王甲凯². 模块化模型功率放大器的自适应预失真[J]. 计算机工程与应用, 2009, 45(29): 114-117.

DING Yuan-ming^1，2，WANG Jia-kai². Adaptive predistortion for power amplifiers based on block-oriented model[J]. Computer Engineering and Applications, 2009, 45(29): 114-117.

[1]	耿宏，任道先，杜鹏. 基于NARX神经网络航空发动机参数动态辨识模型[J]. 计算机工程与应用, 2017, 53(12): 241-248.
[2]	李慧1，2，陈灿1. 一种多变量系统辨识法及其在蒸发过程的应用[J]. 计算机工程与应用, 2016, 52(12): 221-226.
[3]	李飞祥1，赵知劲1，2，赵治栋1. 一种分阶梯度加权平均变步长VLMP算法[J]. 计算机工程与应用, 2014, 50(4): 207-210.
[4]	韩中1，2，赵升吨2，张贵成2，3，阮卫平3，李建平3，沈红立3. 流程制造系统辨识的自动结构性建模方法[J]. 计算机工程与应用, 2014, 50(1): 227-231.
[5]	严平平1，赵知劲1，2，尚俊娜1，2，赵治栋1. 二阶Volterra变记忆长度LMP算法[J]. 计算机工程与应用, 2013, 49(3): 121-125.
[6]	王海涛1，段哲民1，司伟2. 一种泛函级数建模的新方法及其应用[J]. 计算机工程与应用, 2012, 48(35): 11-14.
[7]	林琳1，黄南天2，高兴泉1. 采用双折线步方法的傅里叶神经网络[J]. 计算机工程与应用, 2012, 48(29): 55-58.
[8]	李守巨1，陈禹臻2，王吉喆3，屈福政2. 盾构机密封舱压力控制模型参数辨识[J]. 计算机工程与应用, 2011, 47(29): 239-241.
[9]	赵宝江. 蚁群聚类算法的T-S模糊模型辨识[J]. 计算机工程与应用, 2011, 47(21): 153-156.
[10]	赵愉，李锋. 仿射投影算法中的步长控制[J]. 计算机工程与应用, 2011, 47(11): 112-113.
[11]	衷路生1，2，樊晓平1，杨辉2，瞿志华1，齐叶鹏2，颜争2. 状态空间双线性系统的极大似然辨识[J]. 计算机工程与应用, 2011, 47(10): 110-112.
[12]	邹宁1，徐松涛1，任国磊2. 改进SVSLMS算法在系统辨识中的应用及性能分析[J]. 计算机工程与应用, 2011, 47(10): 229-232.
[13]	陆爽，朱建鸿，彭力. 改进的ART2型神经网络在故障诊断中的应用[J]. 计算机工程与应用, 2010, 46(9): 212-214.
[14]	李松¹，张杰²，贺国光². 城市交叉路口交通流传递函数模型研究[J]. 计算机工程与应用, 2010, 46(4): 236-239.
[15]	衷路生^1，2，樊晓平¹，杨辉²，瞿志华¹. 随机状态空间系统的梯度优化辨识[J]. 计算机工程与应用, 2010, 46(33): 21-24.

模块化模型功率放大器的自适应预失真

Adaptive predistortion for power amplifiers based on block-oriented model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics