基于压缩感知的功放欠采样数字预失真理论及应用研究

Digital PreDistortion (DPD) is the most attractive linearization technique used in radio frequency front-ends. Along with the development of next generation wireless communication system, efficient use is made of the spectrum resource and of the wider bandwidth,which requires a more challenging linearization technique. Conventional DPD could be seriously limited in dealing with the wideband wireless communication systems, due to the high speed Analog-to-Digital converter requirements and the high system cost. Therefore, reducing the sampling rate for wideband DPD will be an urgent problem. Compressive Sensing (CS) has a rapid development recently, and significant breakthroughs have been made in many areas including signal acquisition. This proposal introduces CS theory to DPD. We will begin with the study of the priori knowledges of the commonly used wideband OFDM signals, then analyze the inherent relations between the signal and DPD system, and study the theory and techniques of the sub-sampling DPD structure and system. Then, we will develop a wideband adaptive sparse DPD model, and work out a corresponding CS algorithm so that the parameters of the sparse DPD model can be recovered from the sub-sampled signal directly or indirectly and that the DPD can be realized. The CS algorithm links the wideband adaptive sparse DPD model and the sub-sampling structure, and makes up a complete sub-sampling DPD system.

数字预失真（DPD）技术是目前射频前端的主流线性化技术。随着未来无线通信技术的发展，频谱资源的利用率越来越高，带宽也不断提高，这对功放线性化技术提出了更高的要求。传统的DPD技术受限于模数转换器即ADC采样速率及系统成本，用于宽带无线通信中将受到严重限制。因此，降低采样速率是宽带DPD急需解决的问题。压缩感知（CS）近年来发展十分迅速，已经在包括信号采集在内的众多领域中取得了突破性成果。本项目将压缩感知理论引入DPD研究中，从常用的宽带OFDM信号入手，分析信号本身特性、先验知识及其与DPD系统之间的内在联系，研究欠采样DPD系统结构的理论与技术。通过建立宽带自适应稀疏DPD模型，并设计出相应的CS算法，使得在欠采样下能直接或间接恢复出稀疏DPD模型系数，进而实现DPD。CS算法作为纽带，将宽带自适应稀疏DPD模型与欠采样DPD结构连接起来，构成一个完整的欠采样DPD系统。

数字预失真（DPD）技术是目前射频前端的主流线性化技术。传统的DPD技术受限于模数转换器即ADC采样速率及系统成本，用于宽带无线通信中将受到严重限制。因此，降低采样速率是宽带DPD急需解决的问题。本项目将压缩感知理论引入DPD研究中，结合信号本身特性、先验知识及其与DPD系统之间的内在联系，研究欠采样DPD系统结构的理论与技术。.采用1bit 量化，一是可以解决极高采样速率的技术难题，二是总比特数比多比特量化时还要小，具有处理方面的潜在优势。基于此认识，提出了“一种功率放大器的单比特数字预失真方法”，构建了一种低复杂度的框架模型，并从理论和实验两个方面充分论证了其可行性。其核心是对于输入信号和从经过放大器放大后的输出信号抽取的等效输入信号做差值，再对差值进行1bit量化。由于数字处理代价降低，可以将DPD技术用于未来5G通信系统中，也可以用于更宽频带（带宽大于100MHz）的数字DPD系统中。.对此方法进行了扩展研究，一是给出了1bit前向建模支持下的射频功放数字预失真模型提取方法，避免了计算迭代步长，又通过利用新的目标函数保证凸优化。获得了稳定的与传统预失真效果相当的性能。二是研究了1bit单路观测数字预失真技术。理论上论证了基于直接学习结构的单路观测的可行性，数字预失真系统结构得以有效简化。实验结果表明可以获得与两路观测方法效果相当的性能。.此外，还提出了基于分段线性函数的并发双频数字预失真模型，提出了可以显著降低ADC速度的要求的一种鲁棒性强的提取数字预失真模型系数的迭代方法，提出了比常规扫描方法大大简化的一步法来提取最佳归一化增益，提出了一种适用于宽带功放数字预失真技术的降低采样率的随机解调降采样方法（RDRS），研究了快速时延对齐等。.再则，还就混合波束形成发射机的数字化DPD简化、就并发双频发射机调制器的I/Q非平衡影响的消除、新颖的基于非直接学习结构的仅用同相（或正交）分量数字预失真方法等提出了有效的解决方案。