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％emax<e(n)<emax阶段采用大步长的μ1，在0<e(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
  

2 功率放大器及其预失真模型
    当信号带宽远小于PA固有带宽时，记忆效应可忽略，但当传输宽带信号时，PA的记忆效应变得明显，若仍采用无记忆的预失真技术，线性化效果将出现显著恶化。
    本采用间接的训练结构来构造预失真器，它不需要知道放大器的具体模型和参数，因此被广泛采用。模型原理图如图2所示。

    其中，x(n)为输入信号，y(n)为的输出信号，功率放大器的输出信号经过乘法器1／G，G为理想功放增益，输入预失真训练器，通过预失真器得到输出信号为，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。

上一页  [1] [2] [3]  下一页