一种基于压缩感知算法的自适应稀疏预失真结构

一种基于压缩感知算法的自适应稀疏预失真结构

　　技术领域

　　本发明属于预失真结构的技术领域，尤其涉及一种基于压缩感知算法的自适应稀疏预失真结构。

　　背景技术

　　现代通信系统的智能化、多频化和低能耗使无线电频谱资源的高效利用得到重视。多载波通信系统中射频功率放大器(Ratio Frequency power Amplifier，RF PA)的线性化方法—数字预失真(Digital Predistortion，DPD)因其精度高、稳定性良好得到国内外专家的广泛关注。在双频数字预失真系统领域的研究中。2008年Roblin等人通过使用大信号网络分析仪(Large Signal Network Analyzer，LSNA)得到功放参数后更新预失真器系数，便产生预失真结构与频率选择性的结合。2012年KimJhwo等人进一步研究，把预失真结构延伸至五阶，得到较为理想的线性化结果。佛罗伦萨大学的Cidronali在反馈回路结合欠采样技术，提出了双频中频预失真结构(Intermediate-Frequency DigitalPredistortion,IF-DPD)。Bassam等人在两个分离后的频段信号分别做非线性预失真补偿，提出二维数字预失真。然而在双频预失真系统的反馈回路中采集输出信号时受到ADC(Analog-to-digital Converter)采样率的严重限制。

　　发明内容

　　基于以上现有技术的不足，本发明所解决的技术问题在于提供一种基于压缩感知算法的自适应稀疏预失真结构，降低采样率接近理想线性功率放大器，在多频带通信发展中可广泛应用。

　　为了解决上述技术问题，本发明通过以下技术方案来实现：本发明提供一种基于压缩感知算法的自适应稀疏预失真结构，包括基于分段线性函数的双频功放预失真模型的记忆效应补偿器和欠采样重构反馈回路部分；

　　在预失真反馈回路进行压缩感知采样，并利用自适应稀疏度算法APSP重构五阶及高阶交调信号，根据反馈回路信号自身特点动态调节稀疏度的起始值和步长逼近真实稀疏度，再利用子空间追踪算法高精度还原信号，来提升系数估计权值。

　　可选的，结构中功放的输入信号等分为两路，一路信号进入双频功率放大器，另一路利用自适应稀疏度的APSP算法，将并发双频功放的输出信号重建为欠采样前包含遗失带外高阶交调信息的原信号。

　　进一步的，定义P为高斯矩阵，Yn(2)为欠采样输出矢量，Yn(3)为重建后五阶矢量，在稀疏度未知的情况，自适应估计稀疏度实现高精度重构。

　　由上，本发明的基于压缩感知算法的自适应稀疏预失真结构具有如下有益效果：

　　1.本发明与传统的预失真方法相比，在采样带宽小于信号带宽的情况下失真更小，可以取得更好的线性化性能，以此提高重构精度。这种欠采样双频预失真结构，较传统的预失真与2D-MP、2D-DDR、2D-CPWL相比NMSE提高了约2-3dB，同时因采样率更低而节省运行时间。

　　2.本发明可以在利用压缩感知采样，并用自适应稀疏算法APSP重构五阶交调信号，应用在预失真反馈回路，不仅提高重构信号精度，提升系数估计权值，在大幅降低采样率的同时改善预失真效果，较传统预失真方法应用灵活模型精度更高。预失真系统输出功率回退约1dB，ACPR可改善到-49dBc，接近理想线性功率放大器。

　　上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下结合优选实施例，并配合附图，详细说明如下。

　　附图说明

　　为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍。

　　图1为本发明的基于压缩感知算法的自适应稀疏预失真结构的结构示意图；

　　图2为本发明的自适应估计信号稀疏度的重构算法。

　　具体实施方式

　　下面结合附图详细说明本发明的具体实施方式，其作为本说明书的一部分，通过实施例来说明本发明的原理，本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中，不同的图中相同或相似的部件使用相同的附图标号来表示。

　　参照图1至图2，本发明针对双频预失真系统的反馈回路中采集输出信号采样率严重受限的问题，利用压缩感知(Compressed Sensing，CS)技术，对信号进行压缩，能够有效降低射频前端的采样压力。CS理论不同于传统Nyquist采样定理，在对信号采样时不再需要对全部的N维信号进行处理，而是用远小于N的M维观测矩阵进行线性测量。

　　CPWL函数可以表征强非线性系统的非线性行为特性，含记忆效应的分段线性函数如下：

　　

　　其中C(n)和O(n)分别是非线性系统的输入和输出。ai，br和δri是分段线性函数的系数。b代表直流偏置，在数字预失真中可以被忽略。M表示模型的记忆深度，R表示分段线性函数的段数。βr＝r/R表示用于定义分段线性函数边界的阈值。

　　通过格型分段的处理，并且省去直流偏置项后，可以将(1)式化为输出与系数是线性关系的形式：

　　

　　其中θ(n-i)是C(n-i)的相位。定义和分别为频带一和频带二的输入信号，中心频率分别为ω1＝2πf1和ω2＝2πf2(假设ω2＞ω1)。C1n(i-)和C2(n-i)表示基带复包络。定义ω＝(ω2-ω1)/2，离散时间域的双频[14]基带等效信号如下所示：

　　C(n)＝C1(n)e-jωnT+C2(n)ejωnT (3)

　　其中t＝nT，T为采样间隔。(3)式带入(2)式可得：

　　O(n)＝O1+O2 (4)

　　

　　

　　具体的非线性系统的间接学习结构：

　　定义主路上Cn、On分别为非线性系统输入、输出信号，在支路上，输入信号经过逆模型输出后为mn，耦合信号dn(dn＝xn)与mn比较做差，利用误差en优化调整逆模型系数。为实现五阶及高阶交调信号与功放输入信号非相关，即进一步改善并发双频功放的等效非线性模型功率谱密度，定义逆模型中输入功率谱，如式(7)：

　　

　　逆模型的输入信号功率谱密度，滤除掉的五阶及高阶交调信号功率谱密度。在功放等效非线性系统中，W(ejω)为传输函数，为输入信号功率谱密度。

　　将非线性系统等效为修正的线性系统和修正的非线性系统，利用频谱论证了当高阶交调信号理想采集，即等于零时，传输函数可稳定、精确的表征逆模型性能。但是在预失真结构的反馈回路带宽受到限制，难免遗失所需采集的高阶交调信号，即不等于零。这些遗失的高阶交调信号会影响自适应算法中的权值解，导致无法得到最小均方最优解，由此逆模型的采集误差逐渐增大，由此可见，反馈回路重构遗失的五阶等高阶交调信号对预失真效果具有巨大影响。

　　而且，在传统的预失真结构中，转换器的采样率要求较高，与功放输出信号频带宽度、各个波段间隔皆有关系，对功放输出端带宽为(f2-f1)+5×1.2max(B1，B2)MHz的信号进行采样，可得到5阶的带内交调和交叉调制产物。因此为提升预失真效果并降低采样率，本文提出一种高精度重构遗失五阶及高阶信号的欠采样数字预失真系统，即在预失真反馈回路利用压缩感知采样，并利用自适应稀疏算法APSP重构五阶交调信号，不仅利用压缩感知特性降低采样率，还提高重构信号精度，提升系数估计权值，改善预失真效果，接下来详细介绍这种结构。

　　整体欠采样双频预失真结构(如图1)，其主要组成可分为双频分段函数记忆效应补偿器和欠采样重构反馈回路部分。其中双频分段函数记忆效应补偿器，主要变换过程如下：

　　因为CPWL函数和多项式函数都可以用来描述功率放大器的非线性特性，所以这里假设通过合理的选择多项式函数的阶数，多项式函数可以近似地替代CPWL函数，即：

　　

　　将式(8)带入式(6)得到图二中实框内基于双频分段函数功放模型的记忆效应补偿器如下：

　　

　　其中，C1(n-i)e-jωnt+C2(n-i)ejωnt和y(n)分别是模型输入信号、模型记忆效应补偿信号，结构中Ji(·)代表非线性函数，υq，i是传输函数Wi(·)的系数，Q为数字预失真多项式最高阶数，M为记忆效应考虑的长度。

　　另一部分主要将压缩感知自适应稀疏重构算法应用于预失真系统反馈回路。即在预失真反馈回路利用压缩感知采样，并利用自适应稀疏算法APSP重构五阶交调信号。结构中功放的输入信号On等分为两路。一路信号Xn(1)进入双频功率放大器。另一路利用自适应稀疏度的APSP算法，将并发双频功放的输出信号重建为欠采样前包含遗失带外高阶交调信息的原信号Xn(3)。定义P为高斯矩阵，Yn(2)为欠采样输出矢量，Yn(3)为重建后五阶矢量，该算法主要在稀疏度未知的情况，自适应估计稀疏度从而实现高精度重构。本文针对双频的主信号、五阶及高阶带外交调信号，将信号融合理解为压缩感知问题，利用APSP算法重构出完整信号，不仅实现了欠采样的预失真结构，还提高带外五阶信号的重构精度，降低因遗失五阶等高阶信号对辨识算法中权值的最小均方解的影响，提升自适应稀疏度预失真结构的效果。

　　一般评价数字预失真性能的指标为邻信道功率比ACPR和归一化均方误差NMSE。ACPR定义为邻道输出信号和带内载波的功率比：

　　

　　其中，Y(f)为功率谱密度，fneighbor为邻道信号频率，fmain为主频率信道

　　归一化均方误差NMSE：

　　

　　其中，ymeasure(α)为输入测量信号，ymodel(α)为双频功放输出信号，β为采样点数。

　　三、自适应稀疏信号重构

　　根据压缩感知重建条件M>KlogN(其中M、N为测量矩阵P的行和列，K为稀疏度)将稀疏度起始值设置为(0-0.1)M，设测量矩阵P以参数(K，δK)满足RIP(Restricted IsometryProperty)有限等距性质，即定义若P满足：

　　

　　其中Yn(2)为K稀疏信号，若δk＜1，则称测量矩阵P满足K阶RIP。如果K0≥K，即稀疏度估计值大于真实值，则条件成立。设定阈值T1和T2将能量差分为下降很快和较缓的阶段：大于T1为能量差较大区，即当相邻两个阶段中重建信号的能量差为时，增加步长减少重构时间；大于T2小于T1为能量差较小区，即当相邻两个阶段中重建信号的能量差为减小步长提高重建精度。

　　根据大量实验结果。

　　T1选取：

　　

　　T2选取：

　　

　　时效果较好。为了降低估计过度的可能性，这里选取步长S初值S0＝M/[2log2(N)]。根据上述条件，本文针对间接学习预失真结构中反馈回路信号，提出了自适应估计信号稀疏度的重构算法，具体的自适应估计信号稀疏度的重构算法(如图2)。

　　算法流程：首先，根据压缩感知重建条件，设置合适的稀疏度起始值K0，可减少迭代次数。其次，判断起始值K0与真实值K的大小关系，当时，则K0≥K，即防止过估计或者欠估计现象产生。最后，当初始值比真实值小时，给初始值增加一个步长S。

　　反之，减少一个步长S。对于步长S的选取，为减少重构时间，可以根据相邻两个阶段的重构信号的能量差来动态调整。首先给S一个初值，若相邻信号能量满足需要将步长增加原来的一半；若相邻信号能量满足说明相邻两个阶段能量差较小，则需要将步长减少原来的一半。

　　本发明涉及一种基于压缩感知算法的自适应稀疏预失真结构，首先建立基于分段线性函数双频功放预失真模型的记忆效应补偿器，再将压缩感知自适应稀疏重构算法应用于预失真系统反馈回路。近几年压缩感知(Compressed Sensing，CS)技术在信号压缩的应用层出不穷，能够有效降低射频前端的采样压力。CS理论不同于传统Nyquist采样定理，在对信号采样时不再需要对全部的N维信号进行处理，而是用远小于N的M维观测矩阵进行线性测量。此设计先通过基于分段多项式模型的记忆效应补偿器，将信号融合理解为压缩感知的采样重构问题，即在预失真反馈回路，利用自适应稀疏算法高精度的重构遗失的五阶及高阶交调信号，使系数权值的最小均方解逼近最优，降低采集误差提升线性化效果。即在预失真反馈回路进行压缩感知采样，并利用自适应稀疏度算法APSP重构五阶及高阶交调信号，该算法根据反馈回路信号自身特点动态调节稀疏度的起始值和步长逼近真实稀疏度，再利用子空间追踪算法高精度还原信号，来提升系数估计权值，改善预失真效果。这种欠采样双频预失真结构，较传统的预失真降低采样率，同时与2D-MP、2D-DDR、2D-CPWL相比NMSE提高了约2-3dB，该预失真系统输出功率回退约1dB，ACPR可改善到-49dBc，接近理想线性功率放大器，在多频带通信发展中可广泛应用。

　　以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。