基于机器学习的星载超宽带稀疏预失真理论与方法研究

The high-speed transmission of mass data impels the development of satellite communications toward high frequency band, wide bandwidth, high spectral efficiency transmission, which brought great difficulty for digital predistortion compensation of spaceborne radio frequency transmitter. The main purpose of the research is to propose an adaptive spaceborne ultra-wideband predistortion theory and method using machine learning and compressive sensing knowledge, which has the characteristics of the uniform representation identification of the distortion discontinuous characteristics of the spaceborne transmitter, compensation ability of strong nonlinearities and deep memory effects and lower implementation complexities. The research contents include, but are not limited to the followings: Analysis of the distortion discontinuous characteristics of spaceborne transmitter and research of combining the clustering analysis algorithm and the optimal segmentation algorithm in machine learning for regional division, and establishing the behavioral models based on the piecewise affine approximation theory; Based on the sparse system identification method, a fast and effective algorithm for the piecewise affine approximation model pruning is designed and implemented; The adaptive sparse predistorter suitable for spaceborne transmitter system can be constructed through the fusion of compressed sensing and adaptive signal processing theory; The spectrum expansion problem of ultra-wideband distortion signals are solved using bandwidth suppression algorithm. The research of this project enriches and improves the predistortion theory system, which lay the theoretical foundation of the actual application of the digital predistortion in the high resolution remote sensing satellite and the satellite to earth feed link of the broadband communication satellite.

海量数据的高速传输促使着卫星通信向高频段、大带宽、高谱效率传输方向发展，对星载射频发射机的数字预失真补偿带来了很大困难。本课题旨在借助机器学习和压缩感知知识，提出一种自适应的星载超宽带预失真理论和方法，具备星载发射机失真不连续特性的统一表征辨识、强非线性和深度记忆效应补偿能力、低实现复杂度等特点。主要研究内容包括：对星载发射机的失真不连续非线性特性进行分析，研究将机器学习理论中的聚类分析算法，同最优分割算法相结合进行区域划分，建立基于分段仿射逼近理论的行为模型；通过稀疏系统辨识方法对分段仿射逼近模型进行简化，融合自适应信号处理算法，建立星载的超宽带自适应稀疏预失真器模型；利用带宽抑制算法，解决超宽带失真信号的频谱扩展难题。该项目的研究丰富和完善了预失真理论体系，为推动数字预失真在高分辨率遥感卫星以及宽带通信卫星星地馈电链路中的工程应用奠定理论基础。

卫星通信因覆盖地域广、通信距离远、信道容量大和便于多址等优点，已成为现代通信的主要方式。高效编码技术结合多进制调制技术有效解决了宽带传输和系统可靠的问题，是宽带卫星通信系统的核心技术，但海量数据的传输需求对星载射频发射机提出了更苛刻的要求。在大带宽信号激励下，信号的包络表现出明显的随机特性，射频发射机呈现出频率选择性非线性失真，呈现出失真的不连续特性。针对该技术瓶颈，项目申请人团队通过对星载发射机体系结构及效率提升、宽带数字预失真等技术的系统研究，对宽带发射机非线性特性辨识及联合补偿的若干问题进行了深入的研究和具体的探讨，开展了一定信号带宽下的相关验证实验，取得了较好的成果，相关研究成果和研究意义得到了国内外同行的一致认可。根据项目任务书要求，项目执行阶段分别对各个研究内容作了深入研究，包括分别对各个专题研究背景、国内外研究现状作了必要、全面综述，制定了项目方案，主要完成的研究内容包括：1)研究宽带高效连续类功放电路设计理论，并评估其在宽带高效线性发射机系统中的性能特性；2）在描述宽带高效线性发射机支路幅度相位不平衡及不连续失真特性方面，应用分段仿射逼近和机器学习理论建立统一的宽带高效线性发射机系统行为模型；3)基于压缩感知理论，设计并实现快速、有效的稀疏模型删减算法；4)融合压缩感知和自适应信号处理理论，构造适合宽带高效线性系统的自适应稀疏预失真器，从而得到大幅提升宽带高效线性发射机效率和线性的理论方案。项目研究包括电路设计、理论模型与分析、数值仿真分析、发射机实验系统测试等，在本项目支持下，发表SCI论文14篇，EI论文3篇，新增国防预研项目2项。本项目的研究意义在于突破星上硬件资源限制，提出了面向实用化的星载超宽带稀疏预失真理论与方法，不仅为未来卫星高速通信的数字预失真系统设计提供理论指导，更可提升我国卫星高速数据传输的技术水平，具有重要的理论和应用价值。