一种适用于间接学习结构的功率放大器线性化算法

摘要

针对目前基于间接学习结构(indirect learning architecture,ILA)的线性化算法对于功率放大器的非线性补偿效果较差、频谱失真改善效果不明显的缺点,提出了一种基于功率检测模块的交替迭代算法.该算法利用数据窗截取ILA中后失真器反馈回来的数据流并通过功率检测模块计算其功率大小,筛选出功率最大的信号数据流,根据迭代次数,使得其输出在大功率信号流与随机信号流之间相互切换并送至后失真模块进行训练.预失真模块和后失真模块均采用记忆多项式模型.采用峰均比为9 dB的LTE信号通过在线测试平台RF WebLab对真实GaN功放进行仿真,结果表明,新提出算法的带外抑制效果相对于传统的顺序数据流处理算法与大功率数据流处理算法分别优化了5 dB与2.5 dB左右,其平均归一化均方误差也分别优化了1 dB与0.6 dB左右.