积分商城

最新搜索： HDMI STC LINK1D msp430f425 GB/T 18268.1 DMR数字对讲机设计原理图DMR数字对讲机设计原理图 信号灯 显示隔离电路
您现在的位置是：首页 > 技术资料 > 正交匹配追踪和BIC准则的自适应双频段预失真模型优化算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

正交匹配追踪和BIC准则的自适应双频段预失真模型优化算法

更新时间：2019-12-24 08:34:53 大小：1M 上传用户：守着阳光1985查看TA发布的资源 标签：正交匹配追踪 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对双频段预失真模型复杂度高以及当前的模型优化算法不具有自适应性的问题,提出一种自适应的模型优化算法.采用双频段广义记忆多项式作为预失真模型,通过正交匹配追踪算法对原始模型的基函数项进行排序,每次迭代时用所有已挑选的基函数项构成备选模型,推导了模型输出向量元素服从非独立同分布情况下的贝叶斯信息准则(Bayesian Information Criterion,BIC),并将BIC值最小的备选模型作为优化后模型,从而在原始模型稀疏度和拟合误差门限未知情况下,实现了模型的自适应优化.结果表明:优化后模型与原始模型相比,二者分别预失真后的信号在邻道功率比和归一化均方误差方面均非常接近,预失真效果良好,而模型的系数量减少了75%以上.


部分文件列表

文件名 大小
正交匹配追踪和BIC准则的自适应双频段预失真模型优化算法.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
9
Vol． 46 No． 9  
Sep． 2018  
第
期
电
子
学
报
2018  
9
ACTA ELECTRONICA SINICA  
年
月
BIC  
正交匹配追踪和  
准则的  
自适应双频段预失真模型优化算法  
1
1
2
1
1
，
，
，
，
吴林煌 苏凯雄 王 琳 陈志峰 陈平平  
( 1．  
，
350116; 2．  
，
361005)  
福州大学物理与信息工程学院 福建福州  
厦门大学信息科学与技术学院 福建厦门  
:
，
针对双频段预失真模型复杂度高以及当前的模型优化算法不具有自适应性的问题 提出一种自适应的  
摘
要
． ，  
模型优化算法 采用双频段广义记忆多项式作为预失真模型 通过正交匹配追踪算法对原始模型的基函数项进行排  
，
，
序 每次迭代时用所有已挑选的基函数项构成备选模型 推导了模型输出向量元素服从非独立同分布情况下的贝叶斯  
( Bayesian Information Criterion，BIC) ， BIC ，  
值最小的备选模型作为优化后模型 从而在原始模型稀疏度  
信息准则  
并将  
和拟合误差门限未知情况下 实现了模型的自适应优化 结果表明 优化后模型与原始模型相比 二者分别预失真后的  
75%  
，
．
:
，
，
，
．
信号在邻道功率比和归一化均方误差方面均非常接近 预失真效果良好 而模型的系数量减少了  
以上  
:
;
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
功率放大器 预失真 稀疏性 正交匹配追踪 贝叶斯信息准则  
TN911. 72  
0372-2112 ( 2018) 09-2149-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 09． 015  
:
:
A
:
文章编号  
文献标识码  
电子学报  
Adaptive Dual-band Predistortion Model Optimization Algorithm Based on  
Orthogonal Matching Pursuit and Bayesian Information Criterion  
1
1
2
1
1
WU Lin-huang ，SU Kai-xiong ，WANG Lin ，CHEN Zhi-feng ，CHEN Ping-ping  
( 1. College of Physics and Information Engineering，Fuzhou University，Fuzhou，Fujian 350116，China;  
2. College of Information Science and Technology，Xiamen University，Xiamen，Fujian 361005，China)  
Abstract: The dual-band predistortion models suffer from high complexity and non-adaptability of optimization algo-  
rithms． To address this issue，this paper proposes an adaptive optimization algorithm for dual-band predistortion model with  
reduced complexity． We use dual-band general memory polynomial ( DB-GMP) as the predistortion model where all basis  
function terms of the original DB-GMP model are sorted by orthogonal matching pursuit algorithm． In each iteration，all se-  
lected basis function terms help to construct an alternative model． We then derive the Bayesian information criterion ( BIC)  
when output vector elements of the DB-GMP model are with non-independent identical distributions，and the model with  
smallest BIC value is treated as the optimized model． Finally，we achieve the proposed algorithm without the information of  
model sparsity and fitting error threshold． Simulation results show that compared with the original DB-GMP model，the coef-  
ficient number of the optimized model is reduced by more than 75% ，while both the models after predistortion have almost  
the same level of adjacent channel power ratio and normalized mean squared error，leading to good predistortion perform-  
ance．  
Key words: power amplifier; predistortion; sparsity; orthogonal matching pursuit; Bayesian information criterion  
，
同频段的信号需要不同的发射模块 包括不同的射频  
1
引言  
( Power Amplifier，PA) ，  
、
功率放大器  
能耗和成本高等问题 为了克服这些问题 研究人员提  
PA  
这造成基站体积大  
，
当前无线通信网络同时存在多种不同的标准 比  
．
，
出了并发多频段发射机方案［1］ 只用一个  
，PA  
对多个频  
本身存在非线性  
2G、3G 4G ， 5G  
如
和
网络 未来  
网络也将融入现有的网  
，
．
，
，
络 不同网络的信号使用不同的频段 按照传统方法 不  
．
段的信号同时进行功率放大 然而  
: 2017-03-16;  
: 2017-12-25;  
:
收稿日期  
修回日期  
责任编辑 梅志强  
:
( No． 61401099) ;  
( No． JAT170087 )  
基金项目 国家自然科学基金项目  
福建省教育厅项目  
2150  
2018  
电
子
学
报
年
特性［2］ 当多个频段信号同时加载在一个  
上时  
号进行预失真 使得预失真后的信号经过  
之后与原  
始系统输入信号之间呈现线性关系 本文的双频段  
DPD ［3］ DPD( 2D-DPD)  
结
，
PA  
，PA  
，
PA  
．
不仅存在与单频段信号驱动情况下类似的带内互调失  
，
，
真和带外互调失真 还存在交叉频带互调失真 非线性  
系统采用文献 所提出的二维  
，
PA  
，
，
特性更加复杂 必须采用有效的线性化方法来保证  
构 其特点是每个频段的信号独立进行失真补偿 各个  
的线性度［3］  
通道中数模转换器和模数转换器的采样率只受各自频  
．
( Digital Predistortion，DPD)  
．
数字预失真  
PA  
技术是单频  
技术还未成  
段信号带宽的影响  
2D-DPD  
［4］  
，
DPD  
，
1
．
段
线性化的主流方法  
而多频段  
结构是一种间接学习结构 如图 所示 输  
u ( n) u ( n)  
和
．
熟 单频段  
DPD  
DPD  
技术与双频段  
技术之间存在较大  
技术可简便的拓展到更多频段  
入信号  
别被变换成  
各自通过数模转换和正交上变频变成射频信号 并用  
先经过双频段预失真器处理分  
x ( n) x ( n) ，  
再
1
2
，
DPD  
PA  
的不同 而双频段  
等效基带输入信号  
和
1
2
DPD  
，
DPD  
．
，
的
技术 本文仅针对双频段  
技术进行研究  
PA  
PA，PA  
目前已有多种双频段预失真模型被用于双频段  
线
功率组合器合成一个信号输入给  
输出信号分两  
等效基带输出  
［3］  
，
，
PA  
性化 比如二维复数记忆多项式模型  
双频段广义记  
路进行正交下变频和模数转换获得  
忆多项式模型［5］ 二维修正的记忆多项式模型 等 与  
信号  
和
根 据  
［6］  
、
．
y ( n)  
y ( n) ．  
x ( n) 、x ( n) y ( n) 、  
和
1
2
1
2
1
y ( n) ，  
PA  
，
，
采用估计算法对双频段  
逆估计器进行辨识  
单频段预失真模型相比 双频段预失真模型复杂度更  
2
，
高 严重阻碍了其实际应用  
．
． PA  
再把辨识后的参数复制给双频段预失真器  
逆估计  
，
器和双频段预失真器内部结构相同 均由两个  
DPD  
［7，8］ Volterra  
文献 指出  
处
级数类预失真模型存在稀  
， 2  
理模块组成 如图 所示  
． DPD1  
DPD2  
． ，  
疏性 因此 预失真模型优化问题可以看成是一个稀疏  
和
分别实现对频  
1
2
和频段 信号的预失真处理  
．
．
信号重构问题 目前已有一些稀疏信号重构技术被用  
段
［9］  
，
于优化预失真模型 比如  
LASSO  
、
技术  
主成分分析技  
3
双频段预失真模型及其辨识  
术
［10］以及压缩感知方法［11，12］ 其中 压缩感知方法已经  
．
，
，DPD1  
DPD2  
在数学上  
和
可以分别用非线性函数  
，
被证明了具有更高的计算效率和精度 比如正交匹配  
算法［13］ 目前  
h ( ． ) h ( ． )  
和
，
( 1) 、 ( 2)  
式
．
，c  
来描述 如式  
所示 其中  
，e ( n)  
和
( Orthogonal Matching Pursuit，OMP)  
．
1
2
1
追踪  
c
DPD1 DPD2  
和
和
分别是模型  
的系数向量  
Volterra  
2
1
预失真模型优化的研究主要是针对单频段  
级
数类型［9 ～ 12］ 文献  
提出把压缩感知方法用于双频  
e ( n)  
．
表示模型观测误差  
，
［7，8］  
2
x ( n) = h ( c ，y ( n) ，y ( n) ) + e ( n)  
( 1)  
( 2)  
Volterra  
，
级数预失真模型优化 但其主要缺陷在于需  
1
1
1
1
2
1
段
x ( n) = h ( c ，y ( n) ，y ( n) ) + e ( n)  
．
要事先知道模型稀疏度或拟合误差门限才能实现 在  
2
2
2
1
2
2
c
双频段预失真模型辨识的目标是寻找最优的  
^
和
，
，
实际的预失真系统中 预失真模型稀疏度是未知的 拟  
1
c ，  
使得模型的估计值  
^
x ( n) = h ( c ，y ( n) ，y ( n) ) 、  
2
1
1
1
1
2
合误差门限处于什么水平才能保证预失真性能也是未  
x ( n) = h ( c ，y ( n) ，y ( n) )  
x ( n) 、x ( n)  
的
与期望值  
，
2
2
2
1
2
1
2
知的 所以当前的双频段预失真模型优化方法不具有  
( Mean Squared Error，MSE)  
，MSE  
:
定义为  
均方误差  
N
最小  
，
自适应性 无法在实际中应用  
．
( Bayesian Information Criterion，  
2
2
贝叶 斯 信 息 准 则  
^
^
E =  
/( 2N)  
[
]
( | x ( n) － x ( n) | +| x ( n) － x ( n) | )  
∑
1
1
2
2
［14 ～ 16］  
n =1  
BIC)  
Schwarz  
，
用于从有限备选模型  
也称为  
准则  
( 3)  
，
中选出具有最大后验概率的模型 其不需要知道模型  
，N  
．
h ( ． )  
h ( ． )  
和 的具体  
其中 是采样数据的数量 对于  
1
2
，
，
稀疏度或拟合误差门限 在实际中广泛应用 比如基因  
调控网络的自适应建模［17］ 无线信道建模［18］以及模型  
，
形式 本 文 采 用 双 频 段 广 义 记 忆 多 项 式  
( Dual-Band  
、
［5］  
阶数选择［19］等 在这些应用中  
出向量元素的概率分布都是假设独立同分布  
BIC  
General Memory Polynomial，DB-GMP)  
，
该模型是  
模型  
．
，BIC  
准则的备选模型输  
GMP  
，
在被广泛使用的单频段  
模型基础上拓展而来的  
．
PA  
． i  
的非线性补偿 假设 ∈  
其能有效的实现对双频段  
，
鉴于压缩感知和  
预失真模型优化 存 在 的问 题 本文将  
OMP OMP BIC  
准则的优点 以及当前双频段  
{ 1，2}  
，P  
，G  
，L  
是频段标识  
是非线性阶数  
是记忆深度  
y ( n － g )  
是 基 函 数 项  
，
BIC  
准则融入  
准则的双频段  
预失真模型优化算法 为了满足双频段预失真模型输  
i
，c  
是超 前 滞 后 长 度  
p － j  
g，l，p，j  
i
，
算法中 提出一种基于  
和
j
y ( n － g － l)  
y
( n － g － l)  
，
对 应 的 系 数 则 考  
．
i
3 － i  
DB-GMP  
:
虑了观测误差的  
G
模型表达式如下  
，
出向量元素非独立同分布的条件 本文还从理论上推  
L
P－1  
p
BIC  
．
导了非独立同分布情况下的  
准则  
i
x ( n) =  
c
∑∑ ∑ ∑ g，l，p，j  
i
g = 0 l = －L p = 2，4，…j = 0，2，  
…
p － j  
j
2
双频段数字预失真系统  
* y ( n － g) y ( n － g － l)  
y
( n － g － l)  
i
i
3 － i  
+ e ( n) ，if p = 0，then l = 0  
( 4)  
DPD  
:
的基本原理是 先用预失真器对系统输入信  
i

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号