通过数字预性提高RF放大器的线性性

本文将讨论在RF功率放大器系统中实施数字预性的原则，并专注于根据查找表评估两种常见技术。本文引用的地址：效率和线性挑战放大器（PAS）之间的平衡通常在饱和区附近的大型动态范围内运行，以追求高效率。但是，随着饱和区接近，相位的变形和变形急剧增加，从而导致通道中严重的邻近干扰。直到今天，该行业已经开发了各种线性化技术，以提高遵守高效率的依从性。其中，预言的数字技术已成为收养领域中最活跃的研究方向之一 - 遵循NG NG RF功率放大器。数字预性的基本原理如图1所示。数字预性可以对基带或中间作用通过引入非线性函数来通过向运输链接的数字部分引入非线性功能来补偿PA的非线性特征来补偿PA的非线性特征。 [图1基带数字预性实现的示意图] ‌（显示开环预性结构的系统图）尽管图1是一个开环系统，但通常会添加反馈回路以不断监视预体性能和动态修复。图2显示了带有反馈回路的简化数字预性框图。 [图2具有反馈路径的数字预性系统] ‌（反馈机制支持温度，过程和电压变化的适应性补偿），但是，引入模数转换器（ADC），数字信号处理器（DSPS），内存单元格以及系统的实力消耗。下面的示例可以计算此效率的损失。计算Predistorter/PA系统的效率假设自适应数字预性系统使用的功率放大器效率为100％，输出功率为1W，并且支持ADC，DSP和存储单元的功率放大器总共消耗了0.25W的功率。系统的总效率如下：（一级方程式：系统效率的计算）尽管PA本身为100％，但外围电路将总系统效率降低了80％。它强调了降低线性杜尔的功耗的重要性。当PA提出准静态属性时，基于查找表的数字预性实现（即，输出振幅与输入信号保持固定的单调关系），可以通过查找表（LUT）实现非线性补偿。图3显示了开环LUT预测系统的结构。 [图3开环LUT PREPERTORTERTART系统框图] ‌（通过输入地址存储相位校正值的LUTS）DSP模块接收δ| A | 。图4升级到具有反馈的自适应系统：[图4自适应LUT预期系统] ‌（集成收发器和接收双路径，并通过输入/输出信号比较来实现LUT的动态更新）该系统/Q通过比较原始i/q fefferd fefferd feffers a fordeffect thit Intup/q fights formation/q fortion forme fortions/q fortiage fortiage formation/q。这种结构可以有效地处理动态因素，例如设备的积累和环境变化，但需要权衡增加硬件的复杂性和电力消耗。前面提到的自适应系统包括发射器（正向路径）和关节受体（反向路径）。自适应模块继续评估前置机制的有效性，并通过将原始I/Q信号与I/Q信号进行比较，并更新查找表数据，该信号的I/Q信号是关节受体的样本。由于反馈循环响应的预性速度的逆转非常非常缓慢，不必处理快速变化，并且系统避免了传统反馈线性化方法中通常的稳定问题。表搜索实现表通常使用图图预性函数‌或complex获取pertuction函数。前者基于笛卡尔坐标系映射，而后者依赖于信封的信封。这两种方法对查找表的大小和复杂性有直接影响。如图5所示，映射预列图映射前提是使用二维查找表（LUT-I和LUT-Q）来索引肠道。但是，其内存需求压倒性，存储的条目总数由以下公式确定：（公式2：Pagma -map -map ng初始-Control -Control计算存储条目的计算）n n n IIN/QIN符号的量化数量Al振幅片。例如，一个12位系统需要33,554,432个存储条目。此外，自适应算法的完成需要在I/Q复杂平面中的所有点上行走，从而导致延迟和较高的计算并发症。 [如图。 5. Lut Index method to predistorter] ‌ (two-dimensional lookup table with Iin/Qin double-dimensional index) Complex-Gain Predistorsion (complex Gain Predistortion) as shown in Fig. 6, complex Gain Predistortion finds the complex factor of having an index lookpup table via input signal Envelope Power (R = | Iin+JQin |. This method ensures continuous synthetic benefits between the predistorter and the PA系统的储存要求减少了（需要一个维度表），但成本是降低预期的精度，并且抑制间隔型失真的能力是限制的。用信号信封振幅索引索引的OKUP表索引）数字预性技术总结是RF放大器线性化的一种很好的技术。映射预测以及复杂的电力和实时消耗。未来的技术发展将需要在存储，准确性和动态响应之间寻求更好的平衡。