基于谐波探测理论功率放大器线性化仿真研究
发布时间:2021-03-11 12:50
Volterra级数是一种用于解决非线性问题数学模型,在功率放大器线性化领域中,其庞大的计算难度限制了实际线性化处理的效果。为了解决Volterra级数计算量过大的问题,使用谐波探测方法替代Volterra级数,使用多个简单多项式对功率放大器复杂的记忆非线性特性进行建模,结合该模型与前馈线性化结构,提出了一个基于谐波检测的数字前馈结构。该数字前馈方法避免了前馈方法中时延因素对于功率放大器线性化效果的影响。仿真中,上述方法提供了平均20dB的抑制效果,验证了谐波探测理论应用于功率放大器线性化领域的可行性。
【文章来源】:计算机仿真. 2020,37(04)北大核心
【文章页数】:4 页
【部分图文】:
功率放大器测试平台
对采集到的信号作傅里叶变换,计算基波及谐波分量的幅值与相位。图2中,展示的是基波及三、五次谐波分量的幅值随输入信号强度的增加而变化过程,其中,基波在输入信号达到5dBm时开始趋于饱和,谐波量继续随着输入幅值的增加而增加。3.2 基于谐波探测的功放输出波形拟合
本文中使用最小二乘的方法,基于已知的输入信号与谐波分量之间的关系,计算式(7、8)中参数bnmcnm而确定输出信号的谐波量的幅值、相位与输入信号幅值之间的关系。将输入信号的幅值作为自变量带入模型,即可计算出输出信号中各个频点的数值。通过快速傅里叶逆变换,或者是多个单频信号混合的方式,就可以得到一个精准还原的功率放大器输出波形。图3中以输入信号为13dBm的信号为例,比对了基于模拟拟合出的波形与实际测试采集的波形。在将通过波形还原得到的波形与实际测量的波形进行相减后,得到两个曲线间的最大误差不超过输出信号最大值的2%。基于以上实验可以看出,5个频点的谐波探测模型已经可以达到很好波形拟合效果,且相比于记忆深度为3的5阶记忆模型,谐波探测方法的计算量仅为前者的1/30。4 基于谐波探测的前馈法
【参考文献】:
期刊论文
[1]一种适用于并发双频段功放的新型简化数字预失真模型[J]. 李道钰,王晶琦,吴文. 微波学报. 2017(S1)
[2]Volterra级数理论研究进展与展望[J]. 彭志科,程长明. 科学通报. 2015(20)
[3]记忆效应非线性功放扩展Volterra模型分析与构建[J]. 南敬昌,刘元安,李新春,高锦春. 电子与信息学报. 2008(08)
[4]射频功率放大器前馈宽频带线性化技术的研究[J]. 张雷,周健义,洪伟,朱晓维,郭冰,王建军,赵嘉宁. 微波学报. 2007(06)
[5]数字自适应前馈功放线性化研究[J]. 朱晓维,李成进,邹乐. 微波学报. 2003(01)
本文编号:3076488
【文章来源】:计算机仿真. 2020,37(04)北大核心
【文章页数】:4 页
【部分图文】:
功率放大器测试平台
对采集到的信号作傅里叶变换,计算基波及谐波分量的幅值与相位。图2中,展示的是基波及三、五次谐波分量的幅值随输入信号强度的增加而变化过程,其中,基波在输入信号达到5dBm时开始趋于饱和,谐波量继续随着输入幅值的增加而增加。3.2 基于谐波探测的功放输出波形拟合
本文中使用最小二乘的方法,基于已知的输入信号与谐波分量之间的关系,计算式(7、8)中参数bnmcnm而确定输出信号的谐波量的幅值、相位与输入信号幅值之间的关系。将输入信号的幅值作为自变量带入模型,即可计算出输出信号中各个频点的数值。通过快速傅里叶逆变换,或者是多个单频信号混合的方式,就可以得到一个精准还原的功率放大器输出波形。图3中以输入信号为13dBm的信号为例,比对了基于模拟拟合出的波形与实际测试采集的波形。在将通过波形还原得到的波形与实际测量的波形进行相减后,得到两个曲线间的最大误差不超过输出信号最大值的2%。基于以上实验可以看出,5个频点的谐波探测模型已经可以达到很好波形拟合效果,且相比于记忆深度为3的5阶记忆模型,谐波探测方法的计算量仅为前者的1/30。4 基于谐波探测的前馈法
【参考文献】:
期刊论文
[1]一种适用于并发双频段功放的新型简化数字预失真模型[J]. 李道钰,王晶琦,吴文. 微波学报. 2017(S1)
[2]Volterra级数理论研究进展与展望[J]. 彭志科,程长明. 科学通报. 2015(20)
[3]记忆效应非线性功放扩展Volterra模型分析与构建[J]. 南敬昌,刘元安,李新春,高锦春. 电子与信息学报. 2008(08)
[4]射频功率放大器前馈宽频带线性化技术的研究[J]. 张雷,周健义,洪伟,朱晓维,郭冰,王建军,赵嘉宁. 微波学报. 2007(06)
[5]数字自适应前馈功放线性化研究[J]. 朱晓维,李成进,邹乐. 微波学报. 2003(01)
本文编号:3076488
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3076488.html