·上一文章:CLC425芯片在低噪声宽带放大器设计中的运用
·下一文章:基于CPCI总线的多片ADSP-TS201引导设计
在同一系统中,采用同样的方法针对最陡下降法和LMS算法进行仿真,并与分段变步长算法的仿真结果进行比较,得到频谱图如图4所示。
3.2 性能比较
采用归一化均方误差(NMSE)来表征计算的收敛速度和计算精度,其表达式为
每迭代一次,按上式求出NMSE的值并记录,三种自适应算法得到的仿真结果如图5所示,分段变步长算法的迭代次数明显少于最陡下降法及LMS算法。
采用误差矢量幅度(EVM表征带内失真,相邻信道功率比ACPR表征带外失真。
其中,s(f)为功率谱密度, [f1,f2]为传输信道,[f3,f4]为相邻信道。
按照(21)与(22)两式分别计算最陡下降法、LMS算法及分段变步长算法,得到结果如表1所列。
4 结束语
本文采用Wiener模型作为功率放大器,与之相逆的hammerstein模型作为预失真器,用间接学习的预失真方法,采用三种不同的自适应算法最陡下降法、LMS算法、分段变步长算法进行系统仿真比较,通过matlab仿真结果表明,分段变步长自适应算法不仅在收敛速度(迭代次数)上明显优于其他两种自适应算法,并在带内失真与带外失真较之其他两种算法也有明显改善。