一种基于维度加权盲K近邻算法的数字预失真技术

作     者：蒋卫恒 段耀星 李明玉 靳一 徐常志 李立 JIANG Weiheng;DUAN Yaoxing;LI Mingyu;JIN Yi;XU Changzhi;LI Li

作者机构：重庆大学微电子与通信工程学院重庆400044 中国空间技术研究院西安分院西安710100 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2023年第45卷第2期

页      面：446-454页

核心收录：

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基　　金：国家自然科学基金(62171068,62001061) 重庆市教委科技研究专项青年项目(KJQN201902403) 

主　　题：数字预失真 盲K近邻分类 维度加权 功率放大器 行为模型 

摘      要：传统的数字预失真(DPD)模型通常在所有的输入信号功率上采用单一多项式模型和单一记忆深度对功率放大器(PA)进行线性化矫正。然而,功率放大器在不同的功率水平下会呈现出不同的非线性特性,并产生不同的记忆效应。针对这一问题,该文提出一种基于维度加权盲K近邻(KNN)算法的数字预失真模型,所提模型根据功放当前输入信号以及记忆输入信号的幅度进行维度加权的KNN分类,组成维度加权盲KNN记忆多项式(WKMP)模型,并为每一类输入信号序列建立子模型。所提方法用Doherty功率放大器进行实验验证,使用带宽为30 MHz、频点为2.2 GHz的3载波长期演进(LTE)信号作为输入,反馈端使用122.88 MHz的采样率进行采样。实验结果表明,所提维度加权盲KNN分类方法与记忆多项式(MP)模型结合时,功放正向建模效果和数字预失真效果均超过了广义记忆多项式(GMP)模型,并远超记忆多项式模型的效果,实验结果验证了所提模型的优良性能。