欠采样方法在预失真线性化技术中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 62-64.

欠采样方法在预失真线性化技术中的应用

詹鹏1，秦开宇1，陈长伟1，蔡顺燕2

1.电子科技大学空天科学技术研究院，成都 610054
2.西华师范大学物电学院，四川南充 637002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Predistortion linearization technology based on under-sampling method

ZHAN Peng1，QIN Kaiyu1，CHEN Changwei1，CAI Shunyan2

1.Institute of Astronautics and Aeronautics，UESTC，Chengdu 610054，China
2.Institute of Physics and Electronic Information，CWNU，Nanchong，Sichuan 637002，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 针对经功放输出后反馈回的信号频谱带宽较宽，对采样率要求较高的问题，提出一种基于欠采样方法的预失真线性化技术，使系统最低能以两倍输入信号带宽的采样率采样反馈信号，但却不影响对功放非线性参数的识别，且能达到与过采样方式相同的线性化性能，降低了数字基带预失真系统设计和实现的难度。仿真结果表明该方法是可行的，且能达到满意的线性化效果，该结论在工程实际应用中具有重要意义。

关键词: 功率放大器, 欠采样, 非线性, 预失真, 自适应

Abstract: Bandwidth of the feedback signal from the output of the power amplifier is too wide，and it needs high sampling rate to sample the feedback signal.For this problem，this paper proposes a predistortion linearization technology based on the under-sampling method，allowing the system to sample the feedback signal at a lower sampling rate，which is no smaller than two times of the input signal’s bandwidth.It has no affect to the identification of the power amplifier’s nonlinearity，and can achieve the same linear performance compared with the over-sampling method.So the predistortion linearization system is easier to design and realize.Simulation results show the correctness and the satisfactory linearization performance of this method，the conclusion is significance to the engineering practical application.

Key words: power amplifier, under-sampling, nonlinearity, predistortion, adaptive

詹鹏1，秦开宇1，陈长伟1，蔡顺燕2. 欠采样方法在预失真线性化技术中的应用[J]. 计算机工程与应用, 2011, 47(16): 62-64.

ZHAN Peng1，QIN Kaiyu1，CHEN Changwei1，CAI Shunyan2. Predistortion linearization technology based on under-sampling method[J]. Computer Engineering and Applications, 2011, 47(16): 62-64.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[5]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[6]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[7]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[8]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[9]	张惠煜，陈庆新，毛宁. 随机批量物料搬运的制造系统AGV配置优化[J]. 计算机工程与应用, 2021, 57(4): 245-251.
[10]	张公凯，陈才学，郑拓. 改进鲸鱼算法在电动汽车有序充电中的应用[J]. 计算机工程与应用, 2021, 57(4): 272-278.
[11]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[12]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[13]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[14]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[15]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.