Документация Engee

Усилитель мощности

Узкополосный усилитель мощности с внутренней памятью.

Тип: PowerAmplifier

Путь в библиотеке:

/RF Blockset/Idealized Baseband/Power Amplifier

Описание

Блок Усилитель мощности моделирует двухпортовый усилитель мощности с помощью полиномиального выражения с памятью, полученного из ряда Вольтерра. Ряд Вольтерра моделирует нелинейную зависимость между входным и выходным сигналами. Этот блок включает эффекты памяти: выходной отклик зависит от текущего входного сигнала и входного сигнала в предыдущие моменты времени. Используйте этот блок при передаче узкополосных сигналов в ВЧ-системе.

Значки масок блока Усилитель мощности динамические и отображают модель, указанную в параметре Модель.

Модель: Memory polynomial

power amplifier

Модель: Cross-term memory

power amplifier 1

Порты

Вход

# IN — входной сигнал, зависящий от времени
столбец

Details

Входной сигнал, зависящий от времени, заданный в виде столбца. Столбец представляет собой последовательные точки во времени.

Типы данных

Float64, Float32

Поддержка комплексных чисел

Нет

Выход

# OUT — выходной сигнал, зависящий от времени
комлексный столбец

Details

Выходной сигнал, зависящий от времени, возвращаемый в виде комплексного столбца. Выходной сигнал равен по размеру входному сигналу.

Типы данных

Float64, Float32

Поддержка комплексных чисел

Да

Параметры

Основные

# Модель — модель усилителя
Полином с памятью | Память перекрёстных членов

Details

Модель усилителя мощности, заданная как полиномиальная модель с памятью или модель с перекрестной памятью. В следующей таблице приведены характеристики этих двух моделей.

Значение параметра Model Характеристики Тип коэффициентов Внутриполосный спектральный рост Генерация внеполосных гармоник

Полином с памятью (по умолчанию)

Полоса пропускания (I,Q)

Двумерная комплексная матрица

Да

Нет

Память перекрёстных членов

Полоса пропускания (I,Q)

Двумерная комплексная матрица

Да

Нет

Значения

Memory Polynomial | Cross-Term Memory

Значение по умолчанию

Memory Polynomial

Имя для программного использования

Model

Настраиваемый

Нет

Вычисляемый

Нет

# Матрица коэффициентов — матрица коэффициентов
Скаляр / массив вещественных и/или комплексных чисел

Details

Матрица коэффициентов, заданная в виде двумерной комплексной матрицы.

Для моделей Полином с памятью и Память перекрёстных членов вы можете определить комплексную матрицу коэффициентов на основе измеренной комплексной (I,Q) выходной и входной характеристики усилителя.

Размер матрицы зависит от количества задержек и степени нелинейности системы.

  • Для модели Полином с памятью матрица имеет размерность .

  • Для модели Память перекрёстных членов матрица имеет размерность .

Значение по умолчанию

[1 + 0im]

Имя для программного использования

CoefficientMatrix

Настраиваемый

Нет

Вычисляемый

Да

# Интервал измерения данных усилителя мощности (с) — время выборки измеренных данных ввода-вывода
Вещественное число

Details

Время выборки входных-выходных данных, которые блок использует для построения матрицы коэффициентов.

Значение по умолчанию

1e-6

Имя для программного использования

IntervalPAData

Настраиваемый

Нет

Вычисляемый

Да

Дополнительно

Алгоритмы

Тип модели в блоке усилителя мощности

Блок Усилитель мощности поддерживает два типа моделей.

  • Полином с памятью – узкополосная реализация полинома памяти (уравнение (19) из [1]), используемая в этой модели, оперирует огибающей входного сигнала, не генерирует новые частотные компоненты и фиксирует внутриполосный спектральный рост. Используйте эту модель для создания узкополосного усилителя, работающего на высокой частоте.

    Выходной сигнал в любой момент времени представляет собой сумму всех элементов комплексной матрицы размерностью :

    В матрице количество строк равно количеству членов памяти, а количество столбцов – степени нелинейности. Подстрочный индекс сигнала обозначает величину задержки.

  • Память перекрёстных членов – узкополосная полиномиальная реализация с памятью (уравнение (23) из [1]), используемая в этой модели, также оперирует огибающей входного сигнала, не генерирует новые частотные компоненты и фиксирует внутриполосный спектральный рост. Используйте эту модель для создания узкополосного усилителя, работающего на высокой частоте. Эта модель включает опережающие и запаздывающие члены памяти и представляет собой обобщенную реализацию полиномиальной модели памяти.

    Выходной сигнал в любой момент времени представляет собой сумму всех элементов матрицы, заданной поэлементным произведением:

где – матрица комплексных коэффициентов размерностью и



В матрице количество строк равно количеству членов памяти, а количество столбцов пропорционально степени нелинейности и количеству членов памяти. Подстрочный индекс сигнала обозначает величину задержки. Дополнительные столбцы, которые не появляются в модели Полином с памятью, представляют собой перекрестные члены.

Вычисление матрицы коэффициентов

Для вычисления матриц коэффициентов блок решает переопределенную линейную систему уравнений. Рассмотрим полиномиальную модель Полином с памятью для случая, когда длина памяти равна 2, а нелинейность системы – третьей степени.

Матрица, описывающая систему, имеет вид:

и сумма ее элементов эквивалентна внутреннему произведению

Если на вход усилителя подается пятивыборочный сигнал [x(1) x(2) x(3) x(4) x(5)], а соответствующий выход – [y(1) y(2) y(3) y(4) y(5)], то решение к и сумма ее элементов эквивалентны внутреннему произведению:

Аналогично вычисляется матрица для модели Память перекрёстных членов. Матрица, описывающая эту систему, имеет вид:

и сумма ее элементов эквивалентна внутреннему произведению:

Если на вход усилителя подается пятивыборочный сигнал [x(1) x(2) x(3) x(4) x(5)], а соответствующий выход – [y(1) y(2) y(3) y(4) y(5)], то решение

дает оценку матрицы коэффициентов.

Литература

  1. Morgan, Dennis R., Zhengxiang Ma, Jaehyeong Kim, Michael G. Zierdt, and John Pastalan. "A Generalized Memory Polynomial Model for Digital Predistortion of Power Amplifiers." IEEE Transactions on Signal Processing. Vol. 54, No. 10, October 2006, pp. 3852–3860.

  2. Gan, Li, and Emad Abd-Elrady. "Digital Predistortion of Memory Polynomial Systems using Direct and Indirect Learning Architectures". Proceedings of the Eleventh IASTED International Conference on Signal and Image Processing (SIP) (F. Cruz-Roldán and N. B. Smith, eds.), No. 654-802. Calgary, AB: ACTA Press, 2009.

Смотрите также