-
公开(公告)号：CN112787601A
公开(公告)日：2021-05-11
申请号：CN202011584522.2
申请日：2020-12-28
Applicant: 北京邮电大学
IPC: H03F1/32
Abstract: 本发明为一种面向百兆赫兹信号带宽功放的高效预失真方法，属于无线通信技术领域。本发明的预失真方法只对功率放大器(PA)的部分输出信号进行线性化补偿，采用多相DPD(数字预失真)结构；本发明在数字预失真系统中增加智能信号处理模块，智能信号处理模块根据要补偿的DPD线性化带宽设置半带滤波器个数，结合源信号参数计算ADC(模数转化)欠采样因子和多相DPD分支数目，并对欠采样信号和DPD的输出信号做相关性计算获取时延，以保证参数训练时两个数据信号对齐。本发明可同时联动降低DPD数据吞吐量和反馈回路采样带宽，实现灵活设置DPD数据吞吐量，节约DPD的硬件实现成本。
-
公开(公告)号：CN111988254A
公开(公告)日：2020-11-24
申请号：CN202010357503.X
申请日：2020-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低复杂度峰均比压缩与预失真联合优化方法，属于无线通信领域。首先正交相移键控或正交幅度调制产生调制数据符号X，将其调制后生成OFDM信号x(n)，经功率放大器得到采样信号y(n)；利用OFDM信号x(n)和采样信号y(n)构建PA模型。然后构建PAPR压缩模型表达式，利用PAPR压缩模型的输出信号r(n)构建DPD模型输出表达式。DPD模型输出的信号z(n)经过PA模型获得近似的OFDM压缩信号r′(n)，并构建解PAPR压缩模型的输出表达式。定义训练损失函数对DPD模型、PAPR压缩模型和解PAPR压缩模型进行联合训练，得到各模型的最优参数。实时采集OFDM信号x(n)，依次输入训练好的三个模型获取恢复信号x′(n)，完成通信系统的闭环。本发明有效提高了发射机的能量使用效率。
-
Patent Agency Ranking
公开(公告)号：CN111988254B
公开(公告)日：2021-07-27
申请号：CN202010357503.X
申请日：2020-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低复杂度峰均比压缩与预失真联合优化方法，属于无线通信领域。首先正交相移键控或正交幅度调制产生调制数据符号X，将其调制后生成OFDM信号x(n)，经功率放大器得到采样信号y(n)；利用OFDM信号x(n)和采样信号y(n)构建PA模型。然后构建PAPR压缩模型表达式，利用PAPR压缩模型的输出信号r(n)构建DPD模型输出表达式。DPD模型输出的信号z(n)经过PA模型获得近似的OFDM压缩信号r′(n)，并构建解PAPR压缩模型的输出表达式。定义训练损失函数对DPD模型、PAPR压缩模型和解PAPR压缩模型进行联合训练，得到各模型的最优参数。实时采集OFDM信号x(n)，依次输入训练好的三个模型获取恢复信号x′(n)，完成通信系统的闭环。本发明有效提高了发射机的能量使用效率。
-
公开(公告)号：CN114598274B
公开(公告)日：2023-04-07
申请号：CN202210220826.3
申请日：2022-03-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向宽带预失真的低复杂度查找表构建方法，属于无线通信技术领域。首先基于GMP模型构建DPD模型，得到GMP模型基函数，并利用间接学习结构提取DPD模型系数。然后使用DOMP算法计算GMP模型每个基函数ψ(t)与预失真信号x(n)的相关性，并按照相关性从大到小的顺序对GMP模型基函数进行排序，利用剪枝模型按照记忆效应对排序后的GMP模型基函数集进行第一次剪枝剪枝，对第一次剪枝后的所有基函数再次排序，进行第二次剪枝。最后利用第二次剪枝后的基函数和DPD模型系数重新建立LUT，并得到LUT数目。本发明在保证对PA非线性高精度补偿的同时，降低了面向宽带预失真的查找表复杂度，解决了数字预失真技术在实际应用中资源成本高的问题。
-
公开(公告)号：CN113221308A
公开(公告)日：2021-08-06
申请号：CN202110659703.5
申请日：2021-06-11
Applicant: 北京邮电大学
IPC: G06F30/18 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/06
Abstract: 本发明为一种面向功率放大器的迁移学习快速低复杂度建模方法，属于无线通信技术领域。本发明包括：首先训练一个功率放大器的DNN模型，再利用迁移学习，复制和固定DNN模型的部分参数和网络结构作为预设计过滤器，然后构建包括预设计过滤器和迁移学习层的迁移学习神经网络模型TLNN，通过对不同层数的预设计过滤器形成的TLNN模型进行训练，选出性能好且训练时长短的模型。最终模型固定了预设计过滤器的层数，在需要对功率放大器重新建模时，直接利用固定层数的预设计过滤器的TLNN模型进行训练来获取模型。本发明在保证PA模型建模效果良好的同时，有效减少模型的训练时间，满足了实际应用中频繁对功率放大器进行建模的需要。
-
公开(公告)号：CN112787601B
公开(公告)日：2022-05-20
申请号：CN202011584522.2
申请日：2020-12-28
Applicant: 北京邮电大学
IPC: H03F1/32
Abstract: 本发明为一种面向百兆赫兹信号带宽功放的高效预失真方法，属于无线通信技术领域。本发明的预失真方法只对功率放大器(PA)的部分输出信号进行线性化补偿，采用多相DPD(数字预失真)结构；本发明在数字预失真系统中增加智能信号处理模块，智能信号处理模块根据要补偿的DPD线性化带宽设置半带滤波器个数，结合源信号参数计算ADC(模数转化)欠采样因子和多相DPD分支数目，并对欠采样信号和DPD的输出信号做相关性计算获取时延，以保证参数训练时两个数据信号对齐。本发明可同时联动降低DPD数据吞吐量和反馈回路采样带宽，实现灵活设置DPD数据吞吐量，节约DPD的硬件实现成本。
-
公开(公告)号：CN114598274A
公开(公告)日：2022-06-07
申请号：CN202210220826.3
申请日：2022-03-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向宽带预失真的低复杂度查找表构建方法，属于无线通信技术领域。首先基于GMP模型构建DPD模型，得到GMP模型基函数，并利用间接学习结构提取DPD模型系数。然后使用DOMP算法计算GMP模型每个基函数ψ(t)与预失真信号x(n)的相关性，并按照相关性从大到小的顺序对GMP模型基函数进行排序，利用剪枝模型按照记忆效应对排序后的GMP模型基函数集进行第一次剪枝剪枝，对第一次剪枝后的所有基函数再次排序，进行第二次剪枝。最后利用第二次剪枝后的基函数和DPD模型系数重新建立LUT，并得到LUT数目。本发明在保证对PA非线性高精度补偿的同时，降低了面向宽带预失真的查找表复杂度，解决了数字预失真技术在实际应用中资源成本高的问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.01 seconds)
