comm.DPD

数字预失真

自从R2019a

扩展所有的页面

描述

的comm.DPD系统对象™应用数字预失真(DPD)复基带信号通过使用记忆多项式来补偿非线性功率放大器。有关更多信息,请参见数字预失真和优化估计多项式程度和记忆深度。

predistort信号:

创建comm.DPD对象并设置其属性。
调用对象的参数,就好像它是一个函数。

了解更多关于系统对象是如何工作的,看到的系统对象是什么?

创建

语法

dpd = comm.DPD

dpd = comm.DPD(名称、值)

描述

dpd= comm.DPD创建一个数字预失真系统对象predistort信号。

例子

dpd= comm.DPD (的名字,价值)设置使用一个或多个属性名称-值对。例如,comm.DPD (“PolynomialType”、“交叉项记忆多项式”)配置前置补偿器系统对象predistort输入信号通过使用记忆多项式与交叉项。在报价附上每个属性的名字。

属性

全部展开

属性,除非另有注明nontunable后,这意味着你不能改变它们的值调用对象。对象锁当你叫他们,释放函数打开它们。

如果一个属性可调在任何时候,你可以改变它的值。

改变属性值的更多信息,请参阅系统设计在MATLAB使用系统对象。

`PolynomialType`- - - - - -多项式型
`记忆多项式的`(默认)|`交叉项记忆多项式的`

多项式用于预失真类型,指定这些值之一:

记忆多项式的——Predistorts输入信号通过使用记忆多项式无交叉项。
交叉项记忆多项式的——Predistorts输入信号通过使用记忆多项式与交叉项。

有关更多信息,请参见数字预失真。

`系数`- - - - - -Memory-polynomial系数
`复杂([1 0 0 0 0;0 0 0 0 0;0 0 0 0 0)`(默认)|矩阵

Memory-polynomial系数,指定为一个矩阵。矩阵的行数必须等于记忆的深度记忆多项式。

如果PolynomialType是记忆多项式的矩阵的列数是记忆多项式的程度。
如果PolynomialType是交叉项记忆多项式的矩阵的列数必须相等米(n1)+ 1。米是记忆多项式的深度,n是记忆多项式的程度。

有关更多信息,请参见数字预失真。

数据类型:双
复数的支持:万博1manbetx是的

使用

语法

= dpd(中)

描述

例子

出= dpd (在)predistorts复基带信号通过使用记忆多项式来补偿非线性功率放大器。

输入参数

全部展开

`在`- - - - - -输入的基带信号
列向量

输入基带信号,指定为一个列向量。

数据类型:双
复数的支持:万博1manbetx是的

输出参数

全部展开

`出`——对基带信号
列向量

对基带信号,作为一个列向量返回长度相同的输入信号。

对象的功能

使用一个目标函数,指定系统对象作为第一个输入参数。例如,释放系统资源的系统对象命名obj使用这个语法:

发行版(obj)

全部展开

常见的系统对象

`一步`	运行系统对象算法
`释放`	释放资源,并允许修改系统对象属性值和输入特征
`重置`	重置的内部状态系统对象

例子

全部折叠

Predistort功率放大器输入信号

打开生活的脚本

应用数字预失真(DPD)功率放大器输入信号。DPD系数估计量系统对象使用一个捕获信号包含功率放大器的输入和输出信号来确定预失真系数矩阵。

加载一个文件包含功率放大器的输入和输出信号。

负载(“commpowamp_dpd_data.mat”,“PA_input”,“PA_output”)

生成DPD系数估计量的系统对象和一个余弦过滤系统传输对象。

估计量= comm.DPDCoefficientEstimator (…“DesiredAmplitudeGaindB”10…“PolynomialType”,记忆多项式的,…“度”5,“MemoryDepth”3,“算法”,“最小二乘法”);rctFilt = comm.RaisedCosineTransmitFilter (“OutputSamplesPerSymbol”2);

估计的数字预失真memory-polynomial系数。

系数=估计量(PA_input PA_output);

生成一个DPD系统对象使用系数DPD的输出系数估计量,估计系数,系数矩阵。

dpd = comm.DPD (“PolynomialType”,记忆多项式的,…“系数”系数);

产生2000随机符号和应用16-QAM调制信号。应用提出了余弦调制信号传输过滤。

s =兰迪([0,15],2000,1);u = qammod(年代,16);x = rctFilt (u);

应用数字预失真数据。DPD系统对象返回一个对提供作为功率放大器的输入信号。

y = dpd (x);

数字预失真系数矩阵的格式记忆多项式

打开生活的脚本

这个例子显示了DPD系数矩阵的格式使用一个随机生成的系数矩阵多项式的内存。步骤的例子包括:

创建一个数字预失真系统对象配置使用一套记忆多项式系数矩阵与记忆的深度3和多项式程度5随机值组成。
预失真信号使用memory-polynomial系数矩阵。
比较一个对输出元素相应的手动输入元素,使用memory-polynomial系数矩阵计算。

创建一个系数矩阵代表一个前置补偿器的输出等于输入生成一个三五系数矩阵的零和设置系数(1,1)元素1。添加小随机复杂非线性项的系数矩阵。

系数= 0 (3、5);系数(1,- 1)= 1;系数=系数+ 0.01 * (randn (3、5) + 1 j * randn (3、5));

创建一个DPD系统对象使用的内存多项式系数矩阵,系数。

dpd = comm.DPD (…“PolynomialType”,记忆多项式的,…“系数”系数);

生成一个输入信号,predistort使用dpd系统对象。

1 x = randn(20日)+ 1 j * randn (20, 1);y = dpd (x);

比较手动扭曲输出对应一个输入输出元素y (18)展示如何使用系数矩阵来计算特定的输出值。

u = x(18: 1:(18三+ 1));isequal (y(18)和(和(系数。*…[u u。* abs (u)。* (abs (u)。^ 2)。* (abs (u)。^ 3)。* (abs (u)。^ 4)))))

ans =逻辑1

格式的交叉项系数矩阵对数字预失真记忆多项式

打开生活的脚本

这个例子显示了DPD系数矩阵的格式使用一个随机生成的系数矩阵多项式的内存。步骤的例子包括:

创建一个数字预失真系统对象配置使用交叉项记忆多项式系数矩阵与记忆深度设置为3和多项式程度5随机值组成。
预失真信号使用交叉项记忆多项式系数矩阵。
比较一个对输出元素相应的手动输入元素,使用交叉项记忆多项式系数矩阵计算。

创建一个系数矩阵代表一个前置补偿器的输出等于输入生成一个三五系数矩阵的零和设置系数(1,1)元素1。添加小随机复杂非线性项的系数矩阵。

系数= 0 (3 3 * (5 - 1)+ 1);系数(1,- 1)= 1;系数=系数+ 0.01 * (randn (13) + 1 j * randn (13));

创建一个DPD系统对象使用交叉项记忆多项式系数矩阵,系数。

dpd = comm.DPD (…“PolynomialType”,交叉项记忆多项式的,…“系数”系数);

生成一个输入信号,predistort使用dpd系统对象。

1 x = randn(20日)+ 1 j * randn (20, 1);y = dpd (x);

比较手动扭曲输出对应一个输入输出元素y (18)展示如何使用系数矩阵来计算特定的输出值。

u = x(18: 1:(18三+ 1));isequal (y(18)和(和(系数。*…[u u * abs (u。) * (abs (u)。^ 2) u * (abs (u)。^ 3) u * (abs (u)。^ 4)))))

ans =逻辑1

算法

全部展开

数字预失真

无线通信传输通常需要大带宽信号传输信号动态范围很广。传输信号的宽动态范围,实现效率高,功率放大器(PAs)通常在非线性区域。这个星座图显示,一个PA引起信号的非线性行为扭曲,星座压力振幅(AM-AM失真)和转折阶段(AM-PM失真)的星座点星座点的振幅成正比。

数字预失真的目标是找到一个非线性函数,线性PA非线性行为的净效应在PA输出在PA操作范围。当PA输入x(n),预失真函数f(u(n)),u(n)是真正的信号被放大,PA约等于输出G×u(n),G是巴勒斯坦权力机构的所需的幅度增益。

数字预失真可以配置为使用一个记忆多项式或没有交叉项。

记忆多项式与交叉项predistorts输入信号

$x (n) = f (u (n)) ≜ \sum_{米 = 0}^{米 - 1} c_{米} \times u (n - - - - - - 米) + \sum_{米 = 0}^{米 - 1} \sum_{j = 0}^{米 - 1} \sum_{k = 0}^{K - 1} {一个}_{米 j k} \times u (n - - - - - - 米) \times | u (n - - - - - - j) |^{k} 。$

记忆多项式与交叉项(米+米×米×(K- - - - - -1)系数c_米和一个_mjk。
记忆多项式无交叉项predistorts输入信号

$x (n) = f (u (n)) ≜ \sum_{米 = 0}^{米 - 1} \sum_{k = 0}^{K - 1} {一个}_{米 k} \times u (n - - - - - - 米) \times | u (n - - - - - - 米) |^{k} 。$

没有交叉项的多项式米×K系数为一个_可。

估计预失真函数和系数

DPD系数估计使用一种间接学习架构发现功能f(u(n)predistort输入信号u(n这是PA的输入)。

DPD系数估计算法模型非线性功放记忆效应的基础上,在参考论文摩根等[1],通过Schetzen[2],使用沃尔泰拉系统开发的理论基础。

具体地说,巴勒斯坦权力机构的逆映射输出规范化的PA, {y(n)/G},PA输入,{x(n)},提供了一个很好的近似函数f(u(n)),需要predistort {u(n)}生产{x(n)}。

指的是上面的记忆多项式方程,估计memory-polynomial系数的计算:

c_米和一个_mjk记忆多项式与交叉项
一个_可记忆多项式无交叉项

memory-polynomial系数估计,利用最小二乘匹配算法和递归最小二乘算法。最小二乘匹配算法和递归最小二乘算法使用上面的记忆多项式方程的记忆多项式有或没有交叉项,通过替换{u(n)}与{y(n)/G}。系数矩阵的函数秩序和维度定义的程度和深度记忆多项式。

的过程为例,详细准确地估计memory-polynomial系数和predistorting PA输入信号,明白了数字预失真补偿功率放大器的非线性。

背景参考资料,请参阅中列出的工作[1]和[2]。

优化估计多项式程度和记忆深度

DPD系数估计量的基础上[1]提供了一个特定的间接学习架构,可能不是最优的估计量。其他估计,如那些使用直接学习结构,可能会取得更好的DPD的结果。

间接学习建筑系数估计量,选择最优程度和记忆的深度DPD系数估计量是一个手动和迭代的过程。开始考虑用DPD系数估计量的程度和深度的内存一样的PA模型,并检查DPD的结果。假设的结果看起来很有希望,试着减少的程度和DPD的记忆深度系数估计量。如果DPD结果大致相同或更好的,可以考虑使用较小的程度和一个更小的内存深度DPD系数估计量,因为它将更少的计算量。你也应该尝试度和记忆深处以上学位和PA的记忆深度模型。如果DPD性能改善使用更高的学位或者更大的内存深度DPD系数估计量可能是可取的。

无论用于估计多项式学位,你必须控制DPD输入信号的带宽,以避免由于非线性混叠。作为一个经验法则,设置输入信号过采样率的DPD等于或大于DPD记忆多项式的程度。

引用

[1]摩根,丹尼斯·R。,Zhengxiang Ma, Jaehyeong Kim, Michael G. Zierdt, and John Pastalan. "A Generalized Memory Polynomial Model for Digital Predistortion of Power Amplifiers."IEEE^®交易信号处理。54卷,10号,2006年10月,页3852 - 3860。

[2]Schetzen。沃尔泰拉维纳非线性系统理论。纽约:威利,1980年。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

使用笔记和限制:

看到系统在MATLAB代码生成对象(MATLAB编码器)。

版本历史

介绍了R2019a

另请参阅

对象

comm.DPDCoefficientEstimator

块

主题

数字预失真补偿功率放大器的非线性

comm.DPD

描述

创建

语法

描述

属性

PolynomialType- - - - - -多项式型记忆多项式的(默认)|交叉项记忆多项式的

系数- - - - - -Memory-polynomial系数复杂([1 0 0 0 0;0 0 0 0 0;0 0 0 0 0)(默认)|矩阵

使用

语法

描述

输入参数

在- - - - - -输入的基带信号列向量

输出参数

出——对基带信号列向量

对象的功能

常见的系统对象

例子

Predistort功率放大器输入信号

数字预失真系数矩阵的格式记忆多项式

格式的交叉项系数矩阵对数字预失真记忆多项式

算法

数字预失真

优化估计多项式程度和记忆深度

引用

扩展功能

C / c++代码生成生成C和c++代码使用MATLAB®编码器™。

版本历史

另请参阅

对象

块

主题

`PolynomialType`- - - - - -多项式型
`记忆多项式的`(默认)|`交叉项记忆多项式的`

`系数`- - - - - -Memory-polynomial系数
`复杂([1 0 0 0 0;0 0 0 0 0;0 0 0 0 0)`(默认)|矩阵

`在`- - - - - -输入的基带信号
列向量

`出`——对基带信号
列向量

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。