杨茂强,郭道省,潘小飞,陈锋
(1.解放军理工大学通信工程学院研三队,南京210007;2.解放军理工大学通信工程学院,南京210007)
宽带卫星功率放大器失真补偿技术研究进展及应用❋
杨茂强1,❋❋,郭道省2,潘小飞2,陈锋1
(1.解放军理工大学通信工程学院研三队,南京210007;2.解放军理工大学通信工程学院,南京210007)
针对宽带卫星通信系统中高功率放大器的记忆非线性失真问题,对不同补偿技术进行了综述,重点研究了预失真的学习结构、数据预失真、信号预失真、时频域预失真和自适应均衡等补偿技术并对它们进行了相应的优缺点比较,最后提出了宽带卫星功放实际应用环境下的4种补偿方案,为我国宽带卫星功放失真补偿研究提供理论参考。
宽带卫星通信;功率放大器;非线性失真;数字预失真;补偿方案
随着新一代通信卫星、中继卫星、天基综合信息网以及深空探测、载人飞船等的不断部署和应用,卫星通信以不可抵挡之势向高速率大容量方向迅猛发展,需要每秒实时处理传输几百兆比特到几吉比特及以上的高速海量数据。由于传输速率和带宽的迅猛增加,频谱资源十分紧张,为了更好地利用有限的频谱资源,需要采用频谱效率更高的非恒包络调制方式(如M-APSK、M-QAM等)和传输技术(如WCDMA、OFDM)。目前,幅度相位联合调制技术(APSK)已经在与卫星数字多媒体广播相关的商业标准(如DVB-S2、DVB-SH和ABS-S等)中得到广泛应用[1],这些高效调制方式和传输技术存在共同的特征,即信号包络波动大、峰均比高。当信号通过工作在饱和区附近的卫星行波管功放(TWTA)后,将引起严重非线性失真;这些失真在频带外表现为频谱再生干扰邻近信道,在频带内体现为互调失真降低误比特性能,严重影响卫星通信系统的传输能力。
因此,功放线性程度是制约高效调制方式应用的前提。传统的补偿技术是采用功率回退,通过增大输入补偿或输出补偿(IBO/OBO)使功放回退到线性区来降低卫星信道的非线性失真,而功率回退大大降低了其工作效率;而从卫星手持终端智能化、便携化等角度看,要求终端电池必须轻巧化,其电量储备受到限制,必然要求功放有很高工作效率。因此,完全靠功率回退无法满足卫星通信的高速率大容量的要求。为了让卫星功放既高效又线性地工作,发展其他线性化补偿技术成为迫切需求。
此外,卫星传输带宽的增加时,受功放的电特性和电热特性影响,功放记忆效应也日益凸显;此外,转发器中解复用滤波器、复用滤波器以及其他外围滤波器是卫星信道记忆特性的主要来源。因此,研究宽带卫星通信中有记忆非线性的失真补偿技术具有重大的实际意义和应用价值。
功放模型一般有物理模型和实验模型。物理模型需要得知功放的各个组成电子器件和相互关系,并用理论加以描述;而实验模型是在已知功放输入输出数据情况下使用的模型,通常我们更关注实验模型。
根据卫星行波管功放的输入、输出信号统计分析得到的Saleh模型,主要用来描述功放的无记忆非线性;而描述有记忆非线性模型上应用较多的是Wiener模型,通过线性滤波器级联无记忆Saleh模型来实现。从图1中可以看出,无记忆Saleh模型的特性是一条清晰的曲线,而有记忆的Wiener模型则围绕着该曲线发散;其次,Wiener-Hammerstein模型常为卫星转发器中的解复用滤波器、非线性功放和复用滤波器进行建模,文献[2]中利用Wiener-Hammerstein模型对跟踪与数据中继卫星(TDRS)信道的特性进行建模,模型中解复用滤波器和复用滤波器分别用四阶低通Chebyshev滤波器进行描述,而非线性功放则用非线性多项式来表示。
此外,针对应用在卫星地球站的固态功放(SSPA)提出来的Rapp模型也受到关注,很多文献认为SSPA的相位失真可以忽略不计,Ai Bo[3]考虑了Rapp模型的相位失真,深入分析了相位失真对OFDM通信系统性能的影响。
图1 有记忆与无记忆Saleh模型特性比较Fig.1 Comparison of Saleh′smodel characteristic with and withoutmemory effects
现有文献中补偿方法主要有两类:一是在功放前端利用预失真技术来线性化功放;二是在接收端利用非线性均衡器(后失真器)进行补偿。尽管两种方法都是为了降低码间串扰(ISI),但预失真技术能保证功率效率和频谱效率,有效抑制频谱再生,减小对邻近信道干扰(ICI);此外,由于均衡器工作在接收端必然受到噪声的污染,使得预失真比后失真性能更好。因此,预失真技术引起了广泛的关注,成为国内外研究的热点。
预失真技术从技术角度可分为模拟预失真和数字预失真,从环路构造来看可分为自适应预失真和非自适应预失真,按照预失真作用位置可分为数据预失真和信号预失真,在频带划分可分为射频预失真、中频预失真和基带预失真。伴随着数字信号技术高速、低功耗的发展,基带自适应数字预失真在补偿卫星功放非线性失真方面拥有广阔的前景。
3.1 预失真的学习结构
在自适应预失真技术中,预失真器设置在功放前端,通过两者的级联来实现线性化的输出;预失真器系数的更新优化主要基于直接学习结构或间接学习结构,结合自适应学习算法来实现。
3.1.1 直接学习结构
直接学习结构是利用预失真器来直接逼近非线性功放的逆特性,参数的更新通过误差信号和输入信号的自适应算法来完成,其结构如图2(a)所示,x(n)为输入信号,u(n)为经过预失真后的输出,非线性功放输出y(n)经过G倍衰减后与输入信号进行比较,并将误差反馈给参数估计模块来更新预失真器,实现预失真器与非线性功放级联后的线性输出。直接学习结构要求参数估计模块中的自适应算法收敛速度快、计算量小,Zhou D[4]针对记忆非线性功放提出了多种改进预失真器参数更新的自适应算法,如NFXRLS算法、NALMS算法和NARLS算法等,并利用瞬时等效滤波器的统计特性来进一步简化,有效地解决了收敛速度和计算量的问题,代价是结构较为复杂。直接学习结构的不足之处在于当直接对预失真器参数进行自适应估计时,需要提前求得功放模型;而间接学习结构则不然,其可以在未知功放特性的情况下,利用功放的一组输入输出信号获取预失真器的系数。
图2 直接学习结构与间接学习结构比较Fig.2 Comparison between direct learning configuration and indirect learning configuration
3.1.2 间接学习结构
3.2 数字预失真
数据预失真技术(DP)是消除功放非线性特性最简单的途径之一。数据预失真主要工作在成形滤波器之前,针对信号星座经过非线性卫星信道后产生扭曲旋转的现象,数据预失真器直接修改发送信号的映射星座点,以使得在接收端尽可能接收到理想的星座图。其系数的调整通过最小化矢量误差(EVM)来达到最佳化,亦即补偿了功放的带内失真。数据预失真技术基本步骤如下。
(1)首先在匹配滤波器的输出端计算每个发散星座点的质心Cn,其中rn(k)和θ(n)分别是质心的幅度和相位:
(2)计算理想星座点an和发散星座点质心cn之间的幅度、相位误差:
(3)在发送端每隔N个符号更新M个矫正过的映射星座点:
其中,λ1、λ2是自适应步长,rn(k+1)和θn(k+1)是下一次迭代的幅度和相位值,M为调制阶数,N是数据块的大小,考虑到功放非线性的动态漂移,星座点每隔N个符号进行更新。
按照预失真值与输入数据前后码元的关系,数据预失真可进一步分为静态数据预失真和动态数据预失真。前者仅仅补偿星座的扭曲旋转而没有考虑其星座点的发散,Casini等补充并改进了静态预失真算法[7],其提出的动态预失真算法联合了查表法技术,考虑了卫星信道的记忆效应。预失真星座点的计算不仅取决于当前输入符号,还与前、后各(L-1)/2个符号有关,此时查询表大小增加到ML,利用APSK星座对称性特点,可将记忆表的大小减为3ML/16。动态数据预失真能有效降低码间串扰,但随着调制阶数和记忆长度的增加,查询表的存储空间急剧增长,计算复杂度不断提升。针对该缺点,一种可行的解决方案是将记忆非线性失真的补偿分担到发端和收端,利用发端简化的数据预失真来补偿非线性失真,收端均衡补偿记忆效应。
图3为有、无数据预失真情况下匹配滤波器输出星座图比较。从图中明显可以看出,经过数据预失真后,接收到的星座图质心与发送星座点基本一致,相位旋转和幅度扩张基本上被纠正回来。
图3 数据预失真对接收端的32APSK星座图矫正比较Fig.3 Comparison of compensation with and without data pre-distortion for 32APSK constellation at receiver
数据预失真技术尽管实现简单,但无法补偿功放的带外失真,且仅适合于特定的调制方式,如MQAM、M-APSK等。
3.3 信号预失真
信号预失真主要是工作在成形滤波器之后,通过修改传输信号的波形来补偿信道的非线性失真,信号预失真比数据预失真应用更加灵活,不仅可以补偿带内失真,还可以补偿带外失真,能工作在任意频带且不受功放类型、调制方式等限制。
在信号预失真技术中,首先是对卫星功放进行模型辨识,功放的复杂度和实际逼近的程度将直接影响预失真算法的线性化性能。模型太复杂则导致算法计算量大、收敛速度慢,模型太简单则无法有效反映实际功放的特性,使算法失效。因此,简单实用且具有逼近效果较好的模型,是预失真算法应用的前提。
在设计预失真器时,通常基于3.1节的直接学习结构或间接学习结构,在一定的优化准则下,结合不同的自适应学习算法来更新预失真器的系数,实现功放的线性输出。信号基带预失真分为查询表和工作函数法两种,各有特点,适合于不同应用场合。
3.4 查询表预失真
查询表预失真技术(LUT)[8]的基本原理是把功放输入信号幅度或功率作为LUT的索引指针,根据功放逆特性得到的预失真值作为指针内容,系统按照输入幅度或功率信息来查找相应的预失真值,并通过后续处理单元来实现线性化。查表法地址量化有基于幅度索引的均匀量化和基于功率索引的非均匀量化,由于后者的量化间隔比前者大,选取量化方式时需要考虑输入信号的幅度概率分布和功放实际特性。
其中,λk为衰退指数权重λk=D1-k,k=1,2,…,M,D>1,M为记忆深度。
Ai Bo[10]进一步改进了第二维索引Y来简化查询表:
其中,ρ(n)为时刻n输入信号的幅度,A为决定索引Y大小的常数,与上面的LY类似。
此外,消除记忆非线性方面还有多查表技术[11]和Pascale Jardin[12]提出的滤波器查询表(FLUT)技术。其中FLUT技术通过LUT联合一个滤波器码本来构造预失真器,FLUT方案补偿性能介于传统基于直接学习的LUT和基于间接学习的记忆多项式之间,既避免了无记忆LUT补偿记忆非线性功放性能有限的问题,同时又回避了记忆多项式复杂度高的缺点。因此,结合成熟的自适应滤波器技术,FLUT是一种很有前景的功放线性化方案。
查询表预失真技术实现方式简单,当表的位数足够大时能够达到非常高的精度,性能远远好于多项式预失真技术。其主要缺点在于查询表位数增大时收敛速度较慢,如在记忆预失真中当表位数为n时,表的大小为2×2n×Y,在使用自适应算法对表中的预失真值进行更新时迭代次数较大,因此查询表预失真技术需要在预失真性能和收敛速度中来取得折衷。查表法无法有效应用在实时性要求比较苛刻的设备中,通常应用于卫星地球站、广播卫星通信系统等。
3.5 工作函数预失真
工作函数预失真基本原理是在功放前端利用数学模型来描述其反函数,以达到预失真器与功放级联后达到线性化的目的。该技术仅仅需要存储数量有限的工作函数参数,相比查询表预失真方法极大地减小了RAM的空间,在现有文献中得到了广泛的研究。预失真器的数学模型通常有多项式模型和神经网络模型。
3.5.1 基于记忆多项式的预失真
(1)基于Volterra级数的自适应预失真
Volterra级数通常用来对有记忆非线性功放进行建模,其主要不足在于参数个数会随着系统记忆长度和非线性阶数的增加而迅速增长,而且无法建立精确的逆结构,常用p阶逆来近似其逆模型。文献[13]对Volterra级数模型进行了简化,并采用观测矩阵维数固定的RLS算法对模型进行自适应辨识。Li[14]等提出利用简化的有限阶Volterra级数拟合非线性模型,基于间接学习结构研究了在OFDM体制下的预失真性能。因此,对Volterra级数进行有效简化是一种可行的途径。
(2)基于H-W模型的自适应预失真
近年来,通过对Volterra级数的简化,主要有两个方向,其一是Clark等提出的Wiener模型[15],主要优点在于对应的预失真器是一个结构与其相反的Hammerstein模型,且可以使得预失真器是功放精确的反函数。即先利用Wiener模型对记忆高功放进行辨识,得到LTI和无记忆非线性模型的参数,并由功放的输出和系统期望输出的误差来自适应更新Hammerstein预失真器系数。由于Hammerstein预失真器是级联模型,其中LTI的系数和无记忆非线性模型的系数辨识互相关联,导致辨识困难而且效率低下。文献[16]将记忆和非线性模型参数进行分离单独辨识,收敛速度有所提高。文献[17]根据H-W模型预失真技术的特点,提出一种简化形式,但要分两步对Hammerstein模型进行转换,实现结构较为复杂。
(3)基于记忆非线性多项式的自适应预失真
Volterra级数的简化的另一个方向是Kim等[18]提出了记忆非线性多项式功放模型,尽管在设计相应预失真器的时候无法得到其精确逆结构,但是可基于间接学习结构采用另外的记忆多项式来近似。Lei Ding[19]提出的记忆多项式预失真器为记忆预失真器设计奠定了基础。记忆多项式模型实质是一种带抽头延时的非线性多项式模型,预失真器系数的估计通常采用自适应算法,因此设计实现复杂度低同时稳健性好的系数估计算法非常重要。Dennis R M[20]提出了一种通用的记忆多项式预失真器,系数的更新基于间接学习结构,即先辨识出PA的逆模型,再周期性地将逆模型的参数拷贝到具有相同结构的预失真器中。Kim[21]通过直接求逆函数来寻找多项式的低阶分析解,计算复杂且仅适合低阶情况。Pan[22]在Kim的基础上,改进了逆函数的求解方法,该方法基于高阶单变量多项式并利用QR因子分解求根方式精确地对功放进行了补偿,邻近信道功率比提高了6 dB。在多项式预失真器设计中Lei Ding还证明了考虑偶数阶非线性项时性能比仅仅考虑奇数项的多项式性能要好3~5 dB。
图4和图5是基于数字多媒体广播卫星DVBS2标准的32APSK调制信号,利用非线性为5阶、记忆深度为3的多项式预失真器线性化卫星Wiener-Hammerstein功放的仿真结果。从图4中可知,预失真前星座图发生了逆时针旋转,星座半径扩张,同时星座点发散非常严重,而预失真后功放输出星座图与原始信号星座图基本一致,改善非常明显;从功率谱密度看,预失真前功放受记忆非线性影响,功率谱再生非常严重,干扰邻近信道传输信号,而预失真后功率谱再生得到约10 dB的抑制。图5为预失真前、后的功放AM-AM和AM-PM特性比较,可以看出功放记忆非线性失真得到了较好的补偿。
图4 预失真前后功放输出信号星座图和功率谱比较Fig.4 Comparison of constellations and PSD before and after pre-distortion for 32APSK
图5 预失真前后的功放AM-AM和AM-PM特性比较Fig.5 Comparison of power amplifier AM-AM and AM-PM characteristic before and after pre-distortion
多项式预失真法与传统的查表法相比较,仅仅需要考虑多项式的若干系数,收敛速度较快,但是在预失真器的阶数较高时,系统复杂度也随着增加,基于记忆非线性的预失真器是宽带卫星功放失真补偿的有效途径之一。
3.5.2 基于神经网络的自适应预失真技术
神经网络技术对非线性函数拟合能力非常强大,其主要得益于神经元中采用的非线性激活函数。理论上,当隐藏层中有足够多的神经元,单层的神经网络能够以任意精度来近似任意的连续函数,因此,利用神经网络来实现预失真获得了国内外广泛的关注。钱业青[23]提出了带抽头延时的双入双出两层前向神经网络结构,基于间接学习结构和误差反向传播(BP)算法实现自适应,有效地补偿功放的记忆非线性失真。Rafik Zayani[24]等基于前馈神经网络研究了3种不同的卫星通信下行链路的预失真技术,并通过16QAM-64子载波的OFDM系统仿真分析了多种自适应训练算法在不同评价标准下的性能。徐勇[25]提出了一种采用LMS算法的系统模型来简化神经网络中的L-M自适应算法,大大降低了计算复杂度,提高了性能;而文献[26]提出应用径向基函数(RBF)神经网络来学习逼近卫星功放的记忆非线性特性,采用幅度和相位分开的方法推导了RBF下的自适应预失真算法,星座图和误比特性能改善明显。崔华[27]基于记忆特性和非线性特性分离预失真的原理,提出了BP神经网络分离预失真方法,把记忆非线性功放的预失真通过抵消记忆效应模块、AM/AM失真矫正模块和AM/PM失真矫正3个模块来实现,得到了较好的补偿效果。
神经网络预失真今后研究的重点将体现在如何设计低复杂度的神经网络结构和方案,以及计算量小、收敛速度快的自适应训练算法,来进一步提高预失真补偿性能。
3.6 时频域预失真
前面的基带预失真都是工作在时域,目前,已经有研究者从抵消反映功放非线性的频域分量角度来进行失真补偿,主要体现在对三阶互调(IM3)产物、五阶互调(IM5)产物和交调(CM)产物等频率分量的估计和抑制来得到更加精确的预失真效果。时频域预失真一般利用内插分量(injection)进行失真补偿,其基本思想是在功放的输入端加入某一频率分量使得在功放输出端得到一个与原始信号互调积幅度相同、相位相反的分量来抵消除非线性失真,内插技术主要有借用功放线性增益区的插入技术、不同频率分量插入技术和二阶谐波插入技术等。Ming Xiao[28]基于相似的思想将该方法应用到16QAM宽带信号中,在输入端插入矩形信号或原始信号的立方积,并观察功放的输出功率谱来改变插入信号的幅度和相位,以降低邻近信道功率比。该方法能够在频谱再生中同时调整每个插入频率分量的幅度和相位,同时还能够分别对频谱再生的上、下边带进行调整,实验证明该方案能够减小频谱再生达到30 dB,并能有效补偿功放的记忆效应。时频域数字预失真技术实现简单,在频域能够对每个频率点进行修正,其直接对经过非线性功放的信号功率谱进行失真补偿,消除频谱再生。下一步可考虑结合自适应算法的时频域预失真,发展前景非常广阔。
3.7 自适应均衡
自适应均衡技术可以有效地消除码间串扰,从而降低输入补偿,提高功放效率。自适应均衡器分为基于训练序列的一般均衡器和基于信号统计特性的盲均衡器,两种类型都基于判决反馈均衡器(DFE)。前者的训练序列需要占用一部分传输带宽,后者仅仅需知道接收符号。针对训练均衡算法,Luca Giugno[29]在最佳化APSK调制方式的基础上,联合发送端的数据预失真技术和接收端的自适应非线性均衡(NLE)技术对卫星信道的记忆非线性失真进行补偿,并验证了该方案在性能基本不变的前提下,有效降低了预失真器实现的复杂度。此外,盲均衡算法,特别是通用多阶恒模算法(GMCMA)在高阶QAM调制中展示出了良好的性能[30]。Yoichi Suzuki等[31]在日本先进ISDB-S卫星信道条件下研究了适合于APSK信号的自适应均衡器。两类均衡器应用的关键是如何确定适合于卫星传输信道特点的均衡器参数。由于均衡技术在低信噪比下性能不高,但仍可作为进一步补偿卫星信道非线性失真的技术之一。
由于卫星通信系统中体制不尽相同,如何在不同的应用环境下设计相应的自适应补偿方案来灵活高效地补偿非线性,是系统设计最为关键的步骤之一。
卫星转发器通常分为透明转发器和处理转发器,在透明转发卫星条件下补偿算法的应用,通常可以考虑采用自发自收和主站辅助的补偿方式;而在处理转发器应用环境中,则可采用上下行独立补偿和星地一体化补偿两种方式。
4.1 基于透明转发的补偿方式
透明转发器仅仅对信号进行转发,当终端能够对信号自发自收时,其通过将自身发送的信号重新接收来对包括卫星功放在内的非线性信道进行估计和补偿,如图6所示。在地面站为主站和广播信道情况下,发送端通常满足自发自收的条件,此时可以采用该方式来进行补偿,在一定程度上还可以降低卫星和小终端的实现复杂度。
图6 自发自收补偿方式Fig.6 Scheme of self-transmission and self-access compensation
在卫星终端无法满足自发自收条件时,则可利用主站辅助的方式,其方法是通过主站接收到小站发送的信号来对非线性信道进行分析估计,然后再将估计参数反馈给小站,小站基于该参数直接配置预失真器以补偿非线性失真,如图7所示。
图7 主站辅助补偿方式Fig.7 Scheme of compensation with the aid ofmain ground-station
4.2 基于处理转发的补偿方式
当转发器为处理转发器时,卫星转发器接收到信号先进行解调处理然后再重新调制。该情况下对非线性信道可采用分段补偿方案,如图8所示。该方案上行链路中发送端补偿自身功放的非线性;而下行链路中接收端补偿星上功放的非线性,同时在下行链路中接收端还可以考虑联合非线性均衡的补偿方案,最终达到整个卫星信道非线性的补偿。
图8 上下行链路独立补偿方式Fig.8 Scheme of independent compensation in uplink and downlink
处理转发器的星地一体化补偿方案如图9所示。其基本思想是通过地面主站接收卫星的下行信号,来估计卫星功放的非线性;通过卫星的处理转发器功能来估计地面小站的非线性;然后分别将参数返还到链路对端,实现对端的非线性补偿。
图9 星地一体化补偿方式Fig.9 Scheme of integrative compensation of satellite and earth terminal
由于实际信号在卫星信道中受到大衰减、长延迟和加性高斯白噪声等的影响,在现有预失真补偿方案中确定适合于卫星信道的预失真学习结构非常重要,由于卫星信道中噪声不可避免,如何有效减小测量信号噪声是主要难点之一,需要进一步研究;
其次,常用的工作函数预失真、查询表等预失真技术中将射频信号解调到基带,需要正确估计反馈回路中的环路延迟,因此,研究适合不同体制的低复杂度时延估计算法对于实际应用非常必要;
再者,由于宽带卫星支持的调制方式种类越来越多,在已知调制方式的前提下,设计总体补偿算法非常关键:一方面要考虑在保证系统性能的前提下尽量降低补偿算法的复杂度,另一方面要考虑利用调制方式来提高现有算法的补偿性能,根据不同调制方式的波形特点,提高预失真过程中的参数估计精度,从而提高整个补偿算法的性能。
功放非线性失真补偿技术是宽带卫星通信系统的关键技术之一,研究高效的失真补偿技术来减小卫星信道的非线性失真,提高功放的工作效率,对我国宽带卫星通信的发展具有十分重大的意义。本文综述了目前卫星通信中功放非线性失真补偿技术的优缺点,重点介绍了前景广阔的基带预失真补偿技术,最后结合卫星转发器的类型设计了宽带卫星实际应用中的失真补偿方案,对于卫星信道的线性化研究具有一定的实际意义和参考价值。
[1]Liolis K P,Gaudenzi D R,Alagha N,et al.Amplitudephase shift keying constellation design and its applications to satellite digital video broadcasting[M]//Digital Video.New York:Intech,2010:425-452.
[2]Gioannini B,Wong Y,Wesdock J,et al.Bandwidth efficient modulation and coding techniques for NASA′sexisting Ku/Kaband 225MHzwide service[C]//Proceedings of2005 Aerospace Conference.Big Sky,Montana,USA:IEEE,2005:1-11.
[3]Ai B,Zhang TT,Pan CY,etal.Effects ofHPA phase distortion on system performance[J].Journal of System Simulations,2007,19(2):424-428.
[4]Zhou Dayong,Victor E,Brunner D.Novel adaptive nonlinear pre-distorters based on the direct learning algorithm[J].IEEE Transactions on Signal Proccessing,2007,55(1):120-133.
[5]Morgan D R,Ma Z,Ding L.Reducingmeasurement noise effects in digital pre-distortion of RF power amplifiers[C]//Proceedings of IEEE International Conference on Communications.[S.l.]:IEEE,2003:2436-2439.
[6]Harmon J,Stephen GW,Charles L B.RemoteSatellite Amplifier Pre-distortion using the Indirect Learning Architecture[C]//Proceedings of the 2010 Military Communications Conference-Unclassified Program-Waveforms and Signal Processing Track.San Jose,California,USA:IEEE,2010:335-340.
[7]Casini E,Gaudenzi R,Ginesi.DVB-S2 modem algorithms design and performance over typical satellite channels[J]. International Journal on Satellite Communications and Networking,2004,22(3):281-318.
[8]刘军,艾渤.功率放大器数字基带自适应预失真技术研究进展[J].电讯技术,2007,47(6):1-6. LIU Jun,AIBo.Study Status and Prospects of Digital Baseband Adaptive Pre-distortion Techniques for Power Amplifiers[J].Telecommunication Engineering,2007,47(6):1-6.(in Chinese)
[9]He Z Y,Ge JH,Geng S J,et al.An improved look-up table pre-distortion technique for HPA withmemory effects in OFDM systems[J].IEEE Transactions on Broadcasting,2006,52(1):87-91.
[10]Ai B,Yang ZX,Pan CY,etal.Analysis on LUT basedpre-distortion method for HPA with memory[J].IEEE Transactions on Broadcasting,2007,53(1):127-131.
[11]Melvin SH,Baro M,JandaliM,et al.Improved compensation of HPA nonlinearities using digital pre-distorters with dynamic and multi-dimensional LUTs[C]//Proceedings of 2008 IEEECommunication Networks and Services Research Conference.Halifax,Nova Scotia,Canada:IEEE,2008:46-52.
[12]Jardin P,Baudoin G.Filter lookup tablemethod for power amplifier linearization[J].IEEE Transactions on Vehicular Technology,2007,56(3):1076-1087.
[13]金哲,宋执环,何加铭.基于简化Volterra级数的射频功率放大器建模与辨识[J].电路与系统学报,2008,13(5):90-94. JIN Zhe,SONG Zhi-huan,HE Jia-ming.Modeling and identification of RF power amplifiers based on simplified Volterra series[J].Journal of Circuits and Systems,2008,13(5):90-94.(in Chinese)
[14]Li Jian,Jacek I.A least-squares volterra pre-distorter for Compensation of Non-linear Effects with Memory in OFDM transmitters[C]//Proceedings of the 3rd Annual Communication Networks and Services Research Conference.Halifax,Nova Scotia,Canada:IEEE,2005:197-202.
[15]Clark C J,ChrisikosG,MuhaM S,etal.Time-domain envelopemeasurement techniquewith application towideband power amplifiermodeling[J].IEEETransactions on Microwave Theory and Techniques,1998,46(12):2531-2540.
[16]陈凯亚,王敏锡.Wiener功率放大器的分离预失真方法[J].通信学报,2005(9):30-34. CHEN Kai-ya,WANG Min-xi.Separation method of predistortion for Wiener PA[J].Journal on Communications,2005(9):30-34.(in Chinese)
[17]钱业青,刘富强.Wiener功率放大器的简化预失真方法[J].通信学报,2007(10):55-59. QIAN Ye-qing,LIU Fu-qiang.Simplified pre-distortion method forWiener power amplifier linearization[J].Journal on Communications,2007(10):55-59.(in Chinese)
[18]Kim J,Konstantinou K.Digital pre-distortion of wideband signals based on power amplifier model with memory[J]. Electronic.Letter,2001,37(23),:1417-1418.
[19]Ding Lei,Zhou G T,Dennis R M.A robust digital baseband pre-distorter constructed using memory polynomials[J].IEEE Transactions on Communications,2004,52(1):159-165.
[20]Dennis RM,Ma Z,Kim J,etal.A generalizedmemory polynomialmodel for digital pre-distortion of RF power amplifier[J].IEEE Transactions on Signal Processing,2006,54(10):3852-3860.
[21]Kim J,Konstantinou K.Digital pre-distortion of wideband signals based on power amplifier model with memory[J]. Electronics Letters,2001,37(23):1417-1418.
[22]PANWen-sheng,LIU Ying,TANG You-xi.A pre-distortion algorithm based on accurately solving the reverse function ofmemory polynomialmodel[J].IEEEWireless Communication Letters,2012,1(4):384-387.
[23]钱业青,姚天任.记忆非线性功率放大器的神经网络预失真[J].计算机工程与应用,2004(21):100-103. QIAN Ye-qin,YAO Tian-ren.Neural network pre-distortion technique for nonlinear power amplifiers with memory[J]. Computer Engineering and Applications,2004(21):100-103.(in Chinese)
[24]ZayaniR,Bouallegue R,Roviras LD.Adatpive pre-distortion based on neural networks associated with Levenberg-Marquardt algorithm for satellite down links[J].EURASIP Journal on Wireless Communications and Networking,2008(2):1-15.
[25]徐勇,童新海,刘渊.一种基于神经网络的非线性卫星HPA预失真器[J].解放军理工大学学报(自然科学版),2011,12(6):569-573. XU Yong,TONG Xin-hai,LIU Yuan.Neural network based pre-distorter for linearization of HPA nonlinearity in satellite communications[J].Journal of PLA University ofScience and Technology(Nature Science Edition),2011,12(6):569-573.(in Chinese)
[26]李爱红,肖山竹,张尔扬.基于RBF神经网络的HPA自适应预失真算法[J].国防科技大学学报,2008,30(3):105-108. LI Ai-hong,XIAO Shan-zhu,ZHANG Er-yang.Adaptive pre-distortion based on RBF neural network for HPA[J]. Journal of National University of Defense Technology.2008,30(3):105-108.(in Chinese)
[27]崔华,赵祥模,艾渤.记忆功放的BP神经网络分离预失真方法[J].西安电子科技大学学报(自然科学版),2010,37(3):565-569. CUIHua,ZHAO Xiang-mo,AIBo.Separate BPNN pre-distortion method for nonlinear HPA withmemory[J].Journalof Xidian University,2010,37(3):565-569.(in Chinese)
[28]Xiao M,Gardner P.Digitalbaseband injection techniques to reduce spectral regrowth in power amplifier[C]//Proceedings of 2008 IEEE MTT-S International Microwave Symposium.Atlanta,Georgia:IEEE,2008:1513-1516.
[29]Giugno L,Luise M,Lottici V.Adaptive pre-and post-compensation of nonlinear distortions for high-level datamodulations[J].IEEE Transactions on Wireless Communications,2004,3(5):1490-1495.
[30]Fan Chih-Peng,LiangWen-Hsuan,LeeWei.Fastblind equalization with Two-Stage single/multilevel modulus and DD algorithm for high order QAM cable systems[C]//Proceedings of 2008 IEEE International Symposium on Circuits and Systems.Seattle,WA:IEEE,2008:3001-3004.
[31]SuzukiY,Hashimoto A,Kojima M.A Study of adaptive equalizer for APSK in the advanced satellite broadcasting system[C]//Proceedings of 2009 Global Telecommunications Conference.Honolulu,HI:IEEE,2009:1-6.
杨茂强(1987—),男,广东梅州人,硕士研究生,主要研究方向为卫星通信、功放预失真;
YANG Mao-qiang was born in Meizhou,Guangdong Province,in 1987.He is now a graduate student.His research interests include satellite communication and power amplifier pre-distortion technologies.
Email:yyy1382@126.com
郭道省(1973—),男,河南南阳人,博士,教授,主要研究方向为卫星通信、数字信号处理、通信抗干扰技术等;
GUODao-xingwasborn in Nanyang,Henan Province,in 1973.He is now a professorwith the Ph.D.degree.His research concerns satellite communication,digital signal processing and anti-jamming technologies in communication.
潘小飞(1979—),男,河北邯郸人,博士,讲师,主要研究方向为卫星通信、数字信号处理、功放线性化技术等。
PAN Xiao-feiwas born in Handan,Hebei Province,in 1979. He is now a lecturer with the Ph.D.degree.His research concerns satellite communication,digital signal processing and power amplifier pre-distortion technologies.
Distortion Compensation Techniques for W ideband Satellite Power Am plifiers:Research Progress and Applications
YANGMao-qiang1,GUO Dao-xing2,PAN Xiao-fei2,CHEN Feng1
(1.Postgraduate Team 3,College of Communication Engineer,PLA University of Science and Technology,Nanjing 210007,China;2.College of Communication Engineer,PLA University of Science and Technology,Nanjing 210007,China)
As the high power amplifiers(HPA)suffer frommemory nonlinear distortion in wideband satellite communication system,which downgrades its performance drastically,different nonlinear distortion compensation techniques are reviewed in this paper.Pre-distortion learning architecture,data pre-distortion,signal pre-distortion,time and frequency domain pre-distortion and adaptive equalization are focused,at the same time,advantages&disadvantages and applications of these techniques are compared and analyzed.Finally,four compensation schemes in practical applications ofwideband satellite amplifiers are proposed to provide a theoretical reference for China′s high-speed satellite amplifier distortion compensation research.
wideband satellite communication;power amplifier;nonlinear distortion;digital pre-distortion;compensation scheme
TN722.7;TN911
A
1001-893X(2013)02-0225-10
10.3969/j.issn.1001-893x.2013.02.022
2012-11-01;
2013-01-14 Received date:2012-11-01;Revised date:2013-01-14
国防预研基金资助项目(9140A22031010JB3801)
Foundation Item:The National Defense Pre-Research Fund(9140A22031010JB3801)
❋❋通讯作者:yyy1382@126.com Corresponding author:yyy1382@126.com