论文部分内容阅读
在宽带场景下,传统的数字预失真(DPD)模型需要更高的阶次和更多的系数来校正功率放大器(PA)强非线性和记忆效应,这就会导致极高的计算复杂度和解算系数时的病态问题.文章围绕复杂DPD模型参数辨识和低复杂度DPD算法实现展开深入研究,提出了一种新的基于偏最小二乘(PLS)的低复杂度DPD方法.所提方法根据PA的前逆输入输出特性来获得常数转换矩阵,生成新的基函数矩阵实现模型系数降维.与现有的DPD系数降维方法相比,该方法能在几乎不损失性能的情况下大幅减少DPD模型系数维度和计算复杂度.实验验证了新方法能大幅降低复杂度且具有很好的线性化性能.