用于行为建模和射频功率放大器数字预失真的训练信号优化

《IEEE Microwave Magazine》：Training Signal Optimization for Behavioral Modeling and Digital Predistortion of RF Power Amplifiers

功率放大器建模与数字预失真技术综述，提出基于正交频分复用的超短训练信号设计方法，通过优化模型结构和训练策略显著降低计算开销，并在5G毫米波PA硬件中验证其有效性，为6G信号标准化提供参考。

　　

摘要：

功率放大器（PA）的行为建模和数字预失真（DPD）是成熟且被广泛接受的技术。这些技术包括选择一个由数学函数定义的模型或DPD结构，然后利用输入和输出信号以及训练算法来计算该函数的参数。在这两种情况下，目标都是用尽可能少的参数实现准确的性能。在这些过程中，一个重要的考虑因素是计算开销以及进行训练所需的时间。除了训练算法本身外，用于训练的输入和输出信号的大小也会显著影响所需的计算工作量。本文首先介绍了两种流行的PA模型和预失真器的数学结构，简要总结了不同类型的训练信号，并详细介绍了文献中提到的用于射频PA的最短训练信号之一。文章提供了构建这种极短训练信号的指导。该信号类似于基于正交频分复用的信号标准，便于在无线发射机正常运行期间进行训练。此外，还提供了使用100 MHz带宽毫米波5G信号的硬件实验验证。

行为建模和数字预失真（DPD）已经发展起来，以满足对射频PA同时存在的非线性和动态效应进行高精度数学描述的需求。仿真或线性化性能的准确性直接取决于所选的数学函数以及用于计算其权重或系数的策略。随着我们朝着IMT-2030为6G设定的目标前进，未来将有许多多样化的应用。与5G类似，我们预计将增强连接性，以支持实时远程控制和增强现实等沉浸式体验。无处不在的覆盖将提供城市、农村和偏远地区的无缝连接，包括非地面网络的整合。这些改进的功能将增加蜂窝网络基础设施的复杂性。然而，也需要减少蜂窝网络对环境的影响。因此，目前正在为6G进行的信号标准化将寻求一种稳健、可扩展的信号调制方案，以满足这些未来移动通信应用的多样化需求。该方案还应能够改进更复杂基站架构的路径校准和数字预失真的实现和性能。本文回顾了一些用于估计行为模型或线性化系数的策略，并特别强调了一种经过实验验证的方法，该方法可以在保持准确性的同时显著减少所需的计算工作量。本文提到了行为建模和数字预失真的三个核心方面，即：1）模型/DPD的结构；2）训练程序；3）代表性的训练信号。首先介绍了常用的射频功率放大器建模和预失真结构，接着介绍了可以采用的减少模型大小的策略，然后回顾了作为代表性信号数据集成功使用的训练信号。最后，介绍了一种基于正交频分复用的紧凑型代表性信号设计方法，该方法已针对射频功率放大器建模和DPD进行了优化。