常用的线性化技术有反馈法、预失真法、前馈法、笛卡尔环、非线性部件实现线性化(LINC)等。预失真法是最常用的,其工作函数预失真器有2个显著的特点:线性修正是在功率放大器之前,其插入损耗小;修正算法带宽限制小。数字预失真技术[1]复杂度高能提供较好的IMD压缩,但由于DSP运算速度使其带宽小。笛卡尔[2]反馈复杂度想对低,能提供合理的IMD压缩,但存在稳定性问题且带宽限制在几百kHz。LINC法将输入信号变成2个恒包络信号,由2个C类放大器放大,然后合成,但对元件的漂移敏感。前馈技术为另一类线性化技术,他提供了闭环系统的线性化精度,开环系统的稳定性及带宽。目前仅有前馈技术才能满足现代多载波通信基站功率放大器的性能指标。
前馈技术起源于“反馈”,应该说他是一种老技术,除了校准(反馈)是加于输出之外,概念上是“反馈”,不过是不同的执行方法。前馈克服了延迟带来的影响。他提供了反馈的优点,但没有不稳定和带宽受限的缺点。放大器的输出应用了反馈校准。由于在输出校准,功率电平大,校准信号需达到较高的功率电平,这就需要额外的辅助放大器,而且要求这个辅
助放大器本身的失真特性应处在前馈环系统指标的上限。系统内不同元件的增益、相位跟踪准确度也必须保证,而且要稳定。在这个频率范围内,温度和时间的校准精度完全依赖系统内各元件的精度。尽管存在这些问题,前馈技术仍然是最热门的,因为他是惟一能满足宽带、多载波系统功率放大器的线性化指标的有生命力的技术。商品前馈环指标表明:单一的前馈环可降低多重环的多载波系统比开环降低50dB。本文讨论自适应前馈线性化技术的原理、实现方法及其仿真结果。
2 自适应前馈法线性化原理
图1所示是基本的前馈环框图。未失真的抽样信号经延迟后与主放大器放大的信号经过适当的衰减耦合后在0°~180°合成器中比较。如果主放大器无增益和相位失真,合成器产生零输出。若主放大器有任何增益和相位失真、压缩或AM-PM效应,合成器输出端就会有小的RF误差信号,输入到误差放大器放大到输出抽样信号的电平,主信号经延迟并补偿误差放大器的延迟后与误差放大器的输出合成校准后输出。必须强调,相位与振幅的校准——加或减,全都在RF下进行,而不是在视频或基带进行。即校准在最终带宽内进行。最终带宽由系统各种元件的相位、振幅的跟踪特性决定。
这种系统的工作原理很好理解,定量分析则要深入讨论,主要包括主功率放大器和误差功率放大器功率容量的分析,误差放大器的非线性贡献;不完善的增益、相位跟踪特性的影响等。最简明的办法是首先分析主放大器存在增益压缩和AM-PM转换失真时连续波扫描时环路的静态特性。所谓“静态”,定义为在可变包络激励下,系统的失真特性。
3自适应前馈控制方法
近年来,出现了一些自适应性前馈系统的专利,这些自适应前馈技术主要分为2类:有无控制信号的自适应方法,即基于功率最小化的自适应技术[3]和基于梯度信号的自适应性技术[4]。前者的控制方案是:在信号抵消电路部分,通过调整复向量调制器来最小化参考信号所在频带内的误差信号的功率,在误差抵消电路部分,选择只包含失真部分的频带。一旦取得最优参数,需要加入预先准备的扰动来更新系数,这些扰动减少IMD压缩。采用梯度信号的自适应性方法是连续计算三维功率表面的梯度。信号抵消电路中功率表面是误差信号的功率,当参考信号完全被压缩,只剩下失真时,功率最小。误差抵消电路中功率表面是线性器的输出功率,当失真在功率放大器输出信号中完全被压缩时,功率达到最小。梯度连续被计算,所以不需要预先准备的扰动。常用的自适应控制器有复数增益控制器、最小功率控制器。
典型的复数增益调节器主要有2种类型:极坐标和直角坐标形式。前者由衰减器和移相器组成。后者由功分器、合成器、移相器和混频器组成,其中混频器可以用双相压控衰减(VCA)代替。向量调制的2条支路是相位积分,且VCA能够双相位工作,这样保证了向量调制能在[0,360]内均获得相移。衰减器设置到一个归一化的值,在此处电压的梯度最大,这样来保证快速自适应,但必须保证没有任何附加的非线性引入。
最小功率控制器,这种自适应性控制器是“最小功率”原理运用到前馈线性化技术中的典型代表。图2是最小功率控制器的框图。通过调整控制电压“I”和“Q”来最小化端口“P”的功率,端口P是信号抵消电路中误差信号的抽样。这种方法的缺点是在快到达最小值时,收敛慢且对测量噪声敏感。而功率测量不可避免的存在噪声,为了减少测量的变化,在每一步需要停留足够的时间。功率最小化原理也运用到误差抵消电路中,然而,端口P的输出信号既有放大信号也有残留的失真。因这些失真信号的幅度比放大信号小几阶,故最小化算法在每一步需要停留较长的时间。有2种方法用来减轻这个问题。一种方法是采用可调接收器来选择只包含失真的频带,且采用控制器来最小化这个频带。另一种方法是输出减去输入端的相位和增益的复制品,理想上就只剩下失真,这些失真反馈到端口P用于最小化算法。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)