关于S信号源与频谱仪的宽带数字预失真算法研究的分析和介绍

本文基于R&S公司SMW200A信号源和FSW43频谱仪验证了提出宽带数字预失真算法。采用一个64QAM调制、600 MHz带宽、峰均比7.0 dB、采样率为1.92 GHz的宽带信号去激励一个工作在1.8 GHz的AB类功率放大器，在功放接近饱和条件下，利用提出的简化GMP模型进行数字预失真校正，输出信号的EVM指标从8.4%改善到1.4%，满足了线性化要求，同时实验证明了简化的GMP模型有与GMP模型接近的性能，模型系数个数约GMP模型的三分之一。

Abstract: This paper presents a wideband digital predistortion algorithm and achieves the validation based on R&S SMW200A and FSW43. Using a 64-QAM 600 MHz bandwidth signal with 7.0 dB PAPR and 1.92 GHz sampling rate, the Class AB power amplifier that operated at 1.8 GHz was linearized with a novel digital predistortion (DPD) technique based on reduced GMP model. When the operation points were approximately the saturation region, the measured EVM was reduced from 8.4% to 1.4%, meeting the linearity specifications. The experiments also showed that the Reduced GMP model's performance was close to GMP model’s and its number of coefficients was nearly one third of GMP model's.

Key words: Digital Predistortion, Reduced GMP, Power Amplifier, R&S SMW200A, R&S FSW43

1. 引言

在即将到来的第五代移动通信应用场景下，信号的传输速率越高，信号的带宽越来越宽。对于发射通道来说，功率放大器的带宽是整个发射通道带宽的主要瓶颈。为了解决这一问题，目前面临的挑战主要在两个方面，一个是宽带功放的设计，另一个是针对宽带功放的线性化。因为功放的线性度指标是保证无线通信技术的可靠性的重要指标之一，发射端信号必须满足线性要求，所以需要采用近年来被广泛应用的数字预失真技术 (DPD) 对功放进行线性化校正，即在数字域针对功放的非线性做线性化补偿。

在5G应用时，信号带宽会超过800 MHz，在宽带信号激励下，功放的记忆效应会尤其明显，为了达到与窄带信号激励下同样的线性化性能，传统数字预失真算法中采用的记忆多项式 (MP) 模型不再适用。而对于宽带信号的线性化，可以采用一般记忆多项式模型（GMP）实现，但是该算法的复杂度很高，硬件实现难度高，据此本文提出一种简化的GMP模型，在保证线性化效果的同时降低了计算复杂度。

2. 数字预失真原理

对于功率放大器来说，在小信号输入时，功放增益曲线基本平坦，即输入输出满足线性关系，但是随着输入功率的进一步增加，增益曲线逐渐开始压缩，此时功放工作状态也由线性区逐渐进入了非线性区[1]。但是通常情况下，功率放大器在饱和工作状态下，效率更高，所以一般功放都会工作在饱和状态下，这时由于增益压缩，会表现出非线性失真，即输出信号的带宽会比原始输入信号更宽。

为了消除功放的这种失真，数字预失真技术的思路是在数字域对输入信号进行预先处理，相当于在基带信号上叠加了与功放失真信号大小相等，相位相反的分量，最终预先叠加的分量与功放自身产生的失真分量相互抵消，达到了线性化的目的。图1则是从增益的角度解释了数字预失真技术的原理，从中可看出，功放的增益（曲线的斜率）在输入信号较大时会降低，而预失真模块的增益（曲线的斜率）则是在输入信号较大时增益升高，最终二者级联，使得输入输出曲线为一条直线 (增益平坦)。

图1 数字预失真原理示意图

3. 数字预失真系统架构与简化的GMP模型

功放的行为特性可以抽象为一个非线性记忆系统，在信号处理领域，非线性记忆系统通常用Volterra级数来描述，但是完备的Volterra级数非常复杂，目前用到的模型都是Volterra级数的简化版本，其中以MP模型和GMP模型最为常见。图2是一种常见的数字预失真系统架构，其中模型提取是关键的一步，而其性能的好坏又主要取决于模型本身。简单来说，如果模型能够更准确地体现功放的非线性行为，那么利用该模型来做线性化的效果就会越好。在窄带信号激励下功放的记忆效应相对不那么明显，采用MP模型可以较好地去拟合功放的非线性行为，而宽带信号激励下由于功放的记忆效应太强，MP模型拟合精度不足以达到线性化要求，这时则需要更复杂的GMP模型。

上式中给出的GMP模型包括三部分，分别是传统记忆多项式、滞后包络记忆多项式、超前包络记忆多项式，其中K表示非线性阶数，M、L为记忆深度，GMP模型可以很全面地体现功放的非线性行为以及记忆效应，实现优于MP模型的数字预失真性能，但是模型的复杂度很高，计算量太大，硬件实现的资源开销也很显著。据此，文献[2]中提出了一种RGMP模型，对GMP模型进行简化，而笔者又在这一模型的基础上做进一步简化，在精度保证的条件下大大减小资源开销，得到如下简化的GMP模型：

简化的GMP模型系数个数接近GMP模型系数的一半，同时从仿真结果上看能够达到与GMP模型差不多的建模精度。

图2 数字预失真技术系统架构

4. 实验平台与测试结果

图3给出了本次实验中进行宽带数字预失真校正的实验平台。数字预失真技术的实现主要由模拟域和数字域两部分组成。在模拟域，功放的输出信号一部分通过耦合器耦合到反馈通道上，然后依次经过下变频、滤波、采样，最终得到功放输出的基带信号。在数字域，反馈通道的信号经过归一化、延时对齐、模型提取及预失真参数更新等操作，最终得到所需的预失真信号送入DAC。

图3实验测试平台

图4 实验测试结果

实验时采用R&S SMW200A型号的信号源产生射频信号，通过前面一级预放进行放大后来激励一个Class AB的功放，输出信号经衰减器衰减后利用R&S FSW43频谱仪分析。另外采用信号为600 MHz带宽，峰均比 (PAPR) 高达7 dB，调制方式为64QAM，采样率为1.92 GHz的宽带信号，功放的中心频率选在1.8 GHz，输出峰值功率接近功放的饱和点，并在这一状态下分别利用MP模型、GMP模型和简化的GMP模型对功放的非线性进行数字预失真校正，实验中输出信号EVM指标对比如图4所示。其中，图4(a) 为DPD之前功放的输出EVM，(b) 为采用MP模型DPD校正后的功放输出EVM，(c) (d) 分别是采用简化的GMP模型和GMP模型线性化的输出EVM，显然优于MP模型。具体的线性化性能比较与模型系数个数对比列在表1中。

表1 不同模型DPD性能与模型系数个数比较

从表1中可以看出，简化的GMP模型的系数个数要明显少于GMP模型，几乎接近GMP模型的一半，但是仍可以达到与GMP模型差不多的线性化性能。

5. 结束语

本文通过600 MHz宽带信号激励下的功放线性化实验验证了提出的简化的GMP模型的有效性。当功放在接近饱和区工作时，利用传统的MP模型来进行数字预失真校正已经不能满足线性化要求，使用GMP模型则计算复杂度太高，笔者提出的GMP模型的简化版本一方面能达到与GMP模型差不多的线性化性能，另一方面能大大减少模型系数个数，降低硬件实现的复杂度。