自适应在功率放大器非线性预失真中的应用
当μ较小时，τmse越大，收敛速度越慢，反之，收敛速度越快。
介于在μ的选择上存在的一些矛盾，而在传统自适应算法中μ为固定值，无论在稳定性及收敛速度方面都无法完全满足系统的需求，本文采用了一种折中的方法，在信号处理初期，即25％emaxe(n)emax阶段采用大步长的μ1，在0e(n)25％emax时采用小步长的μ2，这样自适应滤波器在收敛速度与稳定性方面都得到一定程度的改善，加权系数迭代方程如下
，训练器与预失真器的参数完全相同，理想情况下，=z，e(n)=0，根据前几节介绍的自适应算法，更新预失真器的参数，使得e(n)趋向于0，从而达到线性放大的目的。
间接学习模型中的功放是一个Wiener模型，为一个线性时不变系统(LTI)与一个无记忆非线性模块(NL)的串联；预失真器为与Wiener模型具有逆特性的hammerstein模型。
用a1表示线性Wiener模型中LTI的系数，bk表示NL的系数，功率放大器的代数表达式为
3 系统仿真
本论文中的算法，通过matlab仿真平台进行仿真，来检测算法对带外失真的改善程度，并且检测了算法的收敛速度，输入信号为WCDMA信号，预失真器中无记忆非线性部分的最高阶取K=5，线性时不变系统部分长度取Q=7，功率放大器模型具有与其相同的多项式阶数和记忆深度。
3．1 系统仿真
从实际功放中得到系数a1=14．9740+0．0519j，a3=-23．0954+4．9680j，a5=21．3936+0．4305j，通过分段变步长得到线性时不变系统的系数bk及无记忆非线性系统的系数cl的估值分别为
经过仿真后得到频谱图如图3所示。本文引用地址：http://www.amcfsurvey.com/article/187315.htm
评论