认知无线电系统功率放大器设计建模与预失真

目 录

第1章 功率放大器的研究与设计 1
1．1 基于GaN器件的平衡式
逆F类功率放大器的
研究与设计 1
1．1．1 平衡式功率放大器的原理 1
1．1．2 平衡式功率放大器 2
1．1．3 3dB定向耦合器 2
1．2 单级逆F类功率放大器的设计 4
1．2．1 逆F类功率放大器的
工作原理 4
1．2．2 输入匹配电路设计 7
1．3 平衡式逆F类功率放大器 9
1．3．1 平衡式逆F类功率
放大器设计原理 9
1．3．2 平衡式逆F类功率
放大器实物与测试 10
1．4 Doherty功率放大器设计 14
1．4．1 基于谐波抑制与补偿线
技术的非对称Doherty
功率放大器设计 14
1．4．2 基于双向牵引技术
与谐波抑制的Doherty
功率放大器设计 16
1．5 并发双波段射频功率
放大器设计 18
1．5．1 并发双波段功率
放大器的工作原理 18
1．5．2 并发双波段功率
放大器匹配电路设计 19
1．5．3 双波段射频功率
放大器实物与测试 19
1．6 可重构功率放大器仿真设计 21
1．6．1 可重构多波段功率
放大器的工作原理 21
1．6．2 多波段偏置电路设计 23
1．6．3 多波段功率放大器的
匹配电路设计 27
1．6．4 可重构功率放大器
实物与测试 35
参考文献 37
第2章 功率放大器非线性分析 41
2．1 功率放大器的非线性 41
2．1．1 谐波失真 41
2．1．2 互调失真 42
2．1．3 AM/AM和AM/PM失真 43
2．2 功率放大器的记忆效应 44
2．2．1 记忆效应产生的原因 44
2．2．2 消除记忆效应的方法 45
2．3 功率放大器非线性
对通信系统的影响 46
2．3．1 邻信道功率比（ACPR） 46
2．3．2 误差矢量幅度（EVM） 46
2．4 功率放大器行为模型 47
2．4．1 Saleh模型、Rapp模型
和幂级数模型 47
2．4．2 Volterra级数模型
与记忆多项式模型 48
2．4．3 Hammerstein模型
与Wiener模型 50
2．4．4 神经网络模型 52
2．5 记忆效应非线性功率放大器
扩展Volterra模型分析与构建 57
2．5．1 Volterra-Chebyshev
模型推导与分析 57
2．5．2 Volterra-Laguerre
模型分析与推导 59
2．5．3 模型仿真实验 61
2．6 基于Volterra级数模型
改进的自适应
子空间追踪算法 63
2．6．1 改进稀疏度估计算法 63
2．6．2 自适应子空间追踪算法 64
2．6．3 仿真分析 65
2．6．4 小结 66
2．7 蚁狮算法优化的BP-RBF
功率放大器行为模型 66
2．7．1 引言 66
2．7．2 蚁狮算法 67
2．7．3 优化的BP-RBF
功率放大器行为模型 67
2．7．4 小结 69
2．8 Doherty功率放大器的
贝叶斯正则化神经网络
逆向建模 69
2．8．1 引言 69
2．8．2 贝叶斯正则化
神经网络模型 69
2．8．3 应用贝叶斯正则化
逆向建模方法 71
2．8．4 Doherty功率放大器
逆向建模与仿真 72
2．8．5 小结 73
2．9 可重构功率放大器的新颖
NARX神经网络逆向建模 73
2．9．1 引言 73
2．9．2 NARX神经网络模型 73
2．9．3 可重构功率放大器
神经网络逆向建模
仿真及结果 74
2．9．4 小结 76
2．10 改进蚁群算法的BRBP
神经网络功率放大器
逆向建模 76
2．10．1 引言 76
2．10．2 改进的蚁群算法 76
2．10．3 BRBP神经网络功率
放大器模型 77
2．10．4 功率放大器逆向建模
及仿真分析 78
2．10．5 小结 80
参考文献 80
第3章 预失真技术原理与应用 83
3．1 预失真技术的原理与分类 83
3．1．1 预失真技术的原理 83
3．1．2 预失真技术的分类 84
3．2 数字预失真主流技术 85
3．2．1 查找表与多项式预失真 85
3．2．2 自适应学习结构 86
3．3 功率放大器数字基带预失真
理论分析和仿真实现 87
3．3．1 数字基带预失真结构 88
3．3．2 数字预失真器传输
函数理论推导 89
3．3．3 数字基带预失真的
仿真实现 89
3．3．4 分裂增强型Hammerstein
模型的研究分析 91
3．3．5 模型分析 91
3．3．6 功率放大器设计
及参数提取 93
3．3．7 模型仿真实验 93
3．3．8 新型Hammerstein
动态非线性功率放大器
模型及预失真应用 96
3．3．9 改进的Hammerstein模型 96
3．3．10 模型仿真与验证 97
3．4 峰均比抑制与预失真在OFDM-ROF系统中的应用 100
3．4．1 OFDM-ROF系统分析 100
3．4．2 OFDM-ROF系统非线性
失真分析 101
3．4．3 联合仿真系统搭建 102
3．4．4 联合仿真结果 103
3．5 改进算法的峰均比抑制联合
预失真技术 105
3．5．1 系统模型 105
3．5．2 数字预失真系统 106
3．5．3 预失真与峰均比
抑制联合 107
3．5．4 实验结果与分析 108
3．6 宽带功率放大器的PGSC
建模和数字预失真研究 111
3．6．1 新型PGSC行为模型分析 112
3．6．2 PGSC模型的辨识 113
3．6．3 测试结果 114
3．7 双环结构的数字
预失真方法研究 118
3．7．1 双环结构的预失真结构 118
3．7．2 实验验证及结果分析 120
3．8 双频功率放大器建模
与预失真研究 121
3．8．1 引言 121
3．8．2 Volterra级数 122
3．8．3 新型欠采样预
失真模型结构 124
3．8．4 仿真结果与分析 125
3．8．5 小结 126
3．9 LMEC研究及预失真应用 127
3．9．1 LMEC行为模型描述 127
3．9．2 模型识别 129
3．9．3 模型性能评估 129
3．9．4 预失真应用 131
3．10 改进的动态记忆多项式
功率放大器模型及
预失真应用 132
3．10．1 改进的多支路组合
功率放大器行为模型 132
3．10．2 功率放大器模型评估
与验证 133
3．10．3 预失真应用 133
参考文献 135
第4章 压缩感知框架下信号采集
与预失真重构 138
4．1 自适应稀疏重构的双频
预失真结构 138
4．1．1 自适应稀疏度重构算法 138
4．1．2 仿真分析 142
4．1．3 小结 143
4．2 基于CS的新型线性化技术 144
4．2．1 压缩采样匹配追踪算法 144
4．2．2 算法仿真分析 146
4．2．3 小结 148
4．3 稀疏的归一化功率放大器
模型及预失真应用 148
4．3．1 模型描述 149
4．3．2 模型稀疏化及辨识 150
4．3．3 模型性能验证 151
4．3．4 预失真应用 152
4．4 基于间接学习结构的
自适应预失真研究 154
4．4．1 引言 154
4．4．2 三箱功率放大器
行为模型 154
4．4．3 基于间接学习结构的
GRLS_IVSSLMS
自适应预失真算法 155
4．4．4 仿真结果与分析 157
4．4．5 小结 159
4．5 自适应稀疏重构的双频
预失真结构 159
4．5．1 引言 159
4．5．2 CPWL非线性函数模型 160
4．5．3 双频功率放大器的
自适应融合
欠采样预失真 162
4．5．4 仿真结果与分析 163
4．5．5 小结 167
4．6 压缩感知框架下宽带功率
放大器预失真模型 167
4．6．1 引言 167
4．6．2 基于压缩感知的预失真
模型结构 168
4．6．3 基于SFM的MWC结构
的信号采样 169
4．6．4 仿真结果 172
4．6．5 小结 174
参考文献 175