聯(lián)合補(bǔ)償多支路串?dāng)_和iq非平衡的自適應(yīng)mimo預(yù)失真方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于無線通信技術(shù)領(lǐng)域，設(shè)及一種聯(lián)合補(bǔ)償多支路串?dāng)_和IQ非平衡（In-phase and Qua 化 ature-曲 ase Imbalance) 效應(yīng)的 自適應(yīng) MIMCKMultiple I 噸 Ut Multiple Output)系統(tǒng)預(yù)失真方法，可用于寬帶MIMO無線通信系統(tǒng)中，實(shí)現(xiàn)對(duì)發(fā)射機(jī)功率放大器的線 性化的同時(shí)，提高預(yù)失真器的抗干擾能力。
【背景技術(shù)】
[0002] 目前，數(shù)字預(yù)失真技術(shù)已成為無線通信系統(tǒng)射頻功率放大器線性化中最具成本效 益和最有應(yīng)用前景的技術(shù)。在補(bǔ)償串?dāng)_效應(yīng)的MIMO系統(tǒng)預(yù)失真方法中，Bassam S A等人在 ('Crossover digital predistorter for the compensation of crosstalk and nonlinearity in MIMO transmitters"中給出了交叉數(shù)字預(yù)失真C〇-DPD(C;rossover Digital Predistorter)方法；Suryasarman P等人在('Digital predistortion for multiple antenna transmitters"中給出了 串?dāng)_消除數(shù)字預(yù)失真CTC-DPD(Crc)SStalk Canceling Predistorter)方法，并在"Adaptive digit曰I pre-distortion for multiple antenna transmitters"中給出了串?dāng)_消除自適應(yīng)數(shù)字預(yù)失真方法；Zayani R等人在 ('Crossover neural network predistorter for the compensation of crosstalk and nonlinearity in MIMO 0抑M systems"中給出了交叉神經(jīng)網(wǎng)絡(luò)預(yù)失真（Neural化twork Predistorter)方法。
[0003] 上述的MIMO系統(tǒng)預(yù)失真方法主要是針對(duì)多條支路間的串?dāng)_效應(yīng)進(jìn)行補(bǔ)償，達(dá)到線 性化功率放大器的同時(shí)，提高預(yù)失真器的抗干擾能力。然而在實(shí)際的預(yù)失真結(jié)構(gòu)反饋鏈路 中，下變頻的正交解調(diào)器性能往往不理想而造成信號(hào)的IQ非平衡效應(yīng)，該效應(yīng)會(huì)使提取的 預(yù)失真器系數(shù)產(chǎn)生偏差，影響功率放大器的線性化性能。但是現(xiàn)有的補(bǔ)償串?dāng)_效應(yīng)的MIMO 系統(tǒng)預(yù)失真方法均沒有對(duì)IQ非平衡效應(yīng)進(jìn)行補(bǔ)償，在抑制帶外頻譜擴(kuò)展和抗干擾方面的性 能欠佳，另一方面，現(xiàn)有方法大多采用LS算法來提取預(yù)失真器的系數(shù)，尚存在計(jì)算復(fù)雜度 高、運(yùn)算環(huán)節(jié)數(shù)據(jù)存儲(chǔ)量巨大等缺陷，不利于實(shí)際應(yīng)用。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種聯(lián)合補(bǔ)償多支路串?dāng)_和IQ非 平衡效應(yīng)的自適應(yīng)MIMO系統(tǒng)預(yù)失真方案，一方面可W同時(shí)補(bǔ)償串?dāng)_效應(yīng)和IQ非平衡效應(yīng)， 提高預(yù)失真器的抗干擾能力，有效地抑制帶外頻譜擴(kuò)展，滿足寬帶MIMO無線通信系統(tǒng)中對(duì) 功率放大器的線性化需求;另一方面，采用化S自適應(yīng)學(xué)習(xí)算法來估計(jì)串?dāng)_系數(shù)和預(yù)失真器 系數(shù)，降低了 MIMO預(yù)失真方法的計(jì)算復(fù)雜度，更利于實(shí)際應(yīng)用。
[0005] 本發(fā)明的技術(shù)方案是運(yùn)樣實(shí)現(xiàn)的：
[0006] -種聯(lián)合補(bǔ)償多支路串?dāng)_和IQ非平衡的自適應(yīng)MIMO預(yù)失真方法，其在2 X 2的MIMO 系統(tǒng)發(fā)射端的預(yù)失真結(jié)構(gòu)中進(jìn)行，所述預(yù)失真結(jié)構(gòu)包括:前向預(yù)失真器、串?dāng)_預(yù)消除模塊、 功率放大器、IQ補(bǔ)償器、后向預(yù)失真器、參數(shù)提取模塊;其中，將多支路串?dāng)_效應(yīng)和IQ非平衡 干擾效應(yīng)分別等效為串?dāng)_模型和IQ非平衡模型，所述參數(shù)提取模塊包括串?dāng)_估計(jì)模塊和 DPD(Digital Predistorter,數(shù)字預(yù)失真器)參數(shù)估計(jì)模塊，其實(shí)現(xiàn)步驟包括如下：
[0007] (1)前向預(yù)失真器對(duì)第n時(shí)刻輸入基帶信號(hào)xi(n)和X2(n)進(jìn)行非線性特性的逆處理 后，再通過串?dāng)_預(yù)消除模塊進(jìn)行補(bǔ)償，輸出預(yù)失真信號(hào)zi(n)和Z2(n);
[0008] (2)將該預(yù)失真信號(hào)zi(n)和Z2(n)受到串?dāng)_模型的干擾后，得到串?dāng)_干擾信號(hào)Wi (n)和W2(n);
[0009] (3)受到串?dāng)_效應(yīng)干擾后得到信號(hào)wi(n)和W2(n)輸入至功率放大器進(jìn)行功率放大， 得到輸出信號(hào)yi(n)和y2(n);
[0010] (4)功率放大器輸出信號(hào)yi(n)和y2(n)受到正交解調(diào)器的IQ非平衡效應(yīng)的干擾后 得到vi(n)和V2(n)并輸入至IQ補(bǔ)償器；
[0011] (5)利用輸入的IQ干擾信號(hào)vi(n)和V2(n)W及功率放大器輸出信號(hào)yi(n)和y2(n)， 按照如下兩公式估計(jì)出IQ補(bǔ)償器的系數(shù)：
[0014] 其中pinv( ?)是求廣義逆的運(yùn)算，Re[ ?]是求復(fù)信號(hào)實(shí)部的運(yùn)算，Im[ ?]是求復(fù) 信號(hào)虛部的運(yùn)算，Ca、ce和C 丫為IQ補(bǔ)償器的系數(shù)，ru、ri沸ri3為中間變量；
[0015] 根據(jù)IQ補(bǔ)償器的系數(shù)可W得到IQ補(bǔ)償器補(bǔ)償后的信號(hào)山(n)和U2(n):
[0016] "I (")二V| (") + C. ,V|. ('") + 色7
[0017] V] (_")十 c'..V':'(打）+ ('，
[0018] (6)經(jīng)IQ補(bǔ)償器補(bǔ)償后的信號(hào)m(n)和U2(n)通過后向預(yù)失真器進(jìn)行非線性特性逆 處理后得到預(yù)失真估計(jì)信號(hào)妾1(對(duì)和毎(《);
[0019] (7)將預(yù)失真信號(hào)zi(n)和Z2(n)，W及預(yù)失真估計(jì)信號(hào)Si帕和-V<?)輸入值參數(shù)估 計(jì)模塊進(jìn)行處理，其中Dro參數(shù)估計(jì)模塊根據(jù)化S算法迭代估計(jì)出后向預(yù)失真器系數(shù)，串?dāng)_ 估計(jì)模塊根據(jù)如下迭代公式估計(jì)出串?dāng)_系數(shù)并復(fù)制給串?dāng)_預(yù)消除模塊：
[0022] 其中，ai(n)和Q2(n)分別是兩支路的串?dāng)_系數(shù)，r是該迭代的步長(zhǎng)因子；
[0023] (8)將第n時(shí)刻得到的后向預(yù)失真器的濾波系數(shù)向量復(fù)制到前向預(yù)失真器中，從而 對(duì)輸入的基帶信號(hào)進(jìn)行非線性特性的逆處理；
[0024] (9)在第n+1個(gè)時(shí)刻重復(fù)步驟(1)-(8)。經(jīng)過持續(xù)迭代，使得前向預(yù)失真器的非線性 特性不斷接近于功率放大器的非線性特性的逆，W實(shí)現(xiàn)對(duì)功率放大器的非線性處理。
[0025] 本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：
[0026] 1)現(xiàn)有MIMO系統(tǒng)預(yù)失真方法雖然大多未考慮到反饋鏈路中的IQ非平衡效應(yīng)，導(dǎo)致 提取的預(yù)失真器系數(shù)產(chǎn)生偏差，降低了功率放大器的線性化性能;本發(fā)明利用IQ補(bǔ)償器，對(duì) 正交解調(diào)器不理想而造成的IQ非平衡效應(yīng)進(jìn)行估計(jì)并加 W補(bǔ)償，有效的減小了 IQ非平衡效 應(yīng)對(duì)預(yù)失真方法性能的影響，抑制了帶外頻譜的擴(kuò)展和再生，提高了預(yù)失真方法的抗干擾 能力和綜合性能。
[0027] 2)現(xiàn)有MIMO預(yù)失真技術(shù)大多基于LS算法提取預(yù)失真器系數(shù)，導(dǎo)致計(jì)算復(fù)雜度高， 運(yùn)算環(huán)節(jié)數(shù)據(jù)存儲(chǔ)量巨大，且難于實(shí)際應(yīng)用;本發(fā)明在前向預(yù)失真器之后增加一個(gè)串?dāng)_預(yù) 消除模塊，利用自適應(yīng)辨識(shí)算法估計(jì)串?dāng)_系數(shù)，利用化S算法來提取預(yù)失真器系數(shù)，從而實(shí) 現(xiàn)降低預(yù)失真算法計(jì)算復(fù)雜度的目的，且更利于實(shí)際應(yīng)用。
【附圖說明】
[0028] 圖1是本發(fā)明的結(jié)構(gòu)示意框圖；
[0029] 圖2是本發(fā)明與現(xiàn)有兩種方法的頻譜性能仿真效果對(duì)比示意圖；
[0030] 圖3是是本發(fā)明與現(xiàn)有兩種方法的ACP財(cái)生能比較表格。
【具體實(shí)施方式】
[0031] 下面將結(jié)合附圖對(duì)本發(fā)明的實(shí)例進(jìn)行詳細(xì)描述。本實(shí)例在W本發(fā)明技術(shù)方案為前 提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體操作過程，但本發(fā)明的保護(hù)范圍不限于下述 實(shí)例。
[0032] 參照?qǐng)D1，本發(fā)明的預(yù)失真方案包括:前向預(yù)失真器、串?dāng)_預(yù)消除模塊、串?dāng)_模型、 功率放大器、IQ非平衡模型、IQ補(bǔ)償器、后向預(yù)失真器、參數(shù)提取模塊(包括串?dāng)_估計(jì)模塊和 DPD參數(shù)估計(jì)模塊）。前向預(yù)失真器對(duì)第n時(shí)刻輸入基帶信號(hào)xi(n)和X2(n)進(jìn)行非線性特性的 逆處理后，再通過串?dāng)_預(yù)消除模塊進(jìn)行補(bǔ)償，輸出預(yù)失真信號(hào)zi(n)和Z2(n);該預(yù)失真信號(hào) zi(n)和Z2(n)受到串?dāng)_模型的干擾后，得到串?dāng)_干擾信號(hào)wi(n)和W2(n)并輸入至功率放大 器進(jìn)行功率放大，得到輸出信號(hào)yi(n)和y2(n);功率放大器輸出信號(hào)yi(n)和y2(n)受到正交 解調(diào)器的IQ非平衡效應(yīng)的干擾后得到vi(n)和V2(n)并輸入至IQ補(bǔ)償器;經(jīng)IQ補(bǔ)償器補(bǔ)償后 的信號(hào)ui(n)和U2(n)通過后向預(yù)失真器進(jìn)行非線性特性逆處理后得到預(yù)失真估計(jì)信號(hào) 為的和將預(yù)失真信號(hào)zi(n)和Z2(n)，W及預(yù)失真估計(jì)信號(hào)為的和聲妨輸入值參數(shù) 估計(jì)模塊進(jìn)行處理，其中Dro參數(shù)估計(jì)模塊根據(jù)RLS算法迭代估計(jì)出后向預(yù)失真器系數(shù)，串 擾估計(jì)模塊估計(jì)出串?dāng)_系數(shù)并復(fù)制給串?dāng)_預(yù)消除模塊;將第n時(shí)刻得到的后向預(yù)失真器的 濾波系數(shù)向量復(fù)制到前向預(yù)失真器中，從而對(duì)輸入的基帶信號(hào)進(jìn)行非線性特性的逆處理；
[0033] 參照?qǐng)D2,本發(fā)明預(yù)失真方案的實(shí)現(xiàn)步驟如下：
[0034] 步驟一:前向預(yù)失真器對(duì)第n時(shí)刻輸入基帶信號(hào)xi(n)和X2(n)進(jìn)行非線性特性的逆 處理后，第i條支路Q = I，2)按如下公式進(jìn)行非線性特性的逆處理，得到輸出信號(hào)si(n): 1)
[0036] 其中，xi(n-q)表示第i條支路（i = l，2)的基帶輸入信號(hào)xi(n)在q個(gè)時(shí)刻之前的歷 史信號(hào)，dl,k,q為第i條支路的預(yù)失真器的濾波系數(shù)，k和q分別為前向預(yù)失真器濾波系數(shù)的非 線性階數(shù)和記憶深度，0含k含K，1含q含Q;K和Q分別為前向預(yù)失真器的最高非線性階數(shù)和最 高記憶深度;odd表示奇數(shù)集合；
[0037] 將信號(hào)si(n)和S2(n)通過串?dāng)_預(yù)消除模塊進(jìn)行補(bǔ)償，輸出預(yù)失真信號(hào)zi(n)和Z2 (n)：
2)
[0039] 其中，ai和02分別是兩支路的串?dāng)_系數(shù)。
[0040] 步驟二:將該預(yù)失真信號(hào)zi(n)和Z2(n)受到串?dāng)_模型的干擾后，得到串?dāng)_干擾信號(hào) ￥1(11)和￥2(11): 幽]|w】(,!）= z腫+啦(《) 3) .IVj ('") = (、A ('").+2-2('")
[0042] 其中，Ql和02分別是兩支路的串?dāng)_系數(shù)。
[0043] 步驟對(duì)受到串?dāng)_效應(yīng)干擾后得到信號(hào)wi(n)和W2(n)進(jìn)行功率的放大處理，功率 放大器采用記憶多項(xiàng)式模型，則第i條支路Q = I，2)的功率放大器輸出信號(hào)為：
4)
[0045] 其中，wi(n-q)表示第i條支路(i = l，2)功率放大器的輸入信號(hào)wi(n)在q個(gè)時(shí)刻之 前的歷史信號(hào)，hi,k,q為第i條支路功率放大器的濾波系數(shù)，k和q分別為功率放大器濾波系數(shù) 的非線性階數(shù)和記憶深度，0含k含K，1含q含Q，K和Q分別為功率放大器的最高非線性階數(shù)和 最高記憶深度;odd表示奇數(shù)集合。
[0046] 步驟四：功率放大器輸出信號(hào)yi(n)和y2(n)受到正交解調(diào)器的IQ非平衡效應(yīng)的干 擾后得到IQ干擾信號(hào)vi(n)和V2(n):
[0047] [巧(") = W',(") +如:W +了 巧
[vj