功率放大器

型号功率放大器与存储器

展开所有页面

图书馆：
射频模块集/电路包络/元件

描述

这功率放大器块模型双端口功率放大器。从Volterra系列导出的存储器多项式表达式模型输入和输出信号之间的非线性关系。该功率放大器包括存储器效果，因为输出响应取决于电流输入信号和前一次的输入信号。在传输宽带或窄带信号时，这些功率放大器非常有用。

参数

全部展开

`模型`- 模型类型
`记忆多项式`（默认）|`广义Hammerstein`|`交叉项的记忆`|`交叉项汉默斯坦`

模型类型，指定为记忆多项式那广义Hammerstein那交叉项的记忆，或者交叉项汉默斯坦．下表总结了不同模型的特点:

模型	描述数据	系数类型	带内光谱再生	带外谐波发生
`记忆多项式`(默认)	带通（I，Q）	复杂的	是的	没有
`广义Hammerstein`	真正的通频带	真正的	是的	是的
`交叉项的记忆`	带通（I，Q）	复杂的	是的	没有
`交叉项汉默斯坦`	真正的通频带	真正的	是的	是的

记忆多项式窄带存储多项式实现(式(19))［1］)作用于输入信号的包络线，不产生新的频率成分，并捕获带内频谱再生。使用此模型以高频运行的窄带放大器。
输出信号，在任何时刻，是下列复维矩阵的所有元素的和 $内存深度(mem) \times 电压顺序（DEG）$ ：

$[\begin{matrix} C_{11.} {V.}_{0.} & C_{12.} {V.}_{0.} | {V.}_{0.} | & \dots & C_{1 那 de} {V.}_{0.} {| {V.}_{0.} |}^{de - 1} \\ C_{21.} {V.}_{1} & C_{22.} {V.}_{1} | {V.}_{1} | & \dots & C_{2 那 de} {V.}_{1} {| {V.}_{1} |}^{de - 1} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ C_{mem 那 1} {V.}_{mem - 1} & C_{mem 那 2} {V.}_{mem - 1} | {V.}_{mem - 1} | & \dots & C_{mem 那 de} {V.}_{mem - 1} {| {V.}_{mem - 1} |}^{de - 1} \end{matrix}] ．$

在矩阵中，行数等于存储项的个数，列数等于非线性的程度。信号下标表示延迟量。
广义Hammerstein-这个宽带存储器的多项式实现(方程(18)［1］)作用于输入信号的包络线，产生载波频率的整数倍的频率成分，并捕获带内频谱再生。非线性程度的增加会增加产生的带外频率的数量。使用这个模型来创建工作在低频的宽带放大器。
在任何瞬间的输出信号是以下实际矩阵的所有元素的总和 $内存深度(mem) \times 电压顺序（DEG）$ ：

$[\begin{matrix} C_{11.} {V.}_{0.} & C_{12.} {V.}_{0.}^{2} & \dots & C_{1 那 de} {V.}_{0.}^{de} \\ C_{21.} {V.}_{1} & C_{22.} {V.}_{1}^{2} & \dots & C_{2 那 de} {V.}_{1}^{de} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ C_{mem 那 1} {V.}_{mem - 1} & C_{mem 那 2} {V.}_{mem - 1}^{2} & \dots & C_{mem 那 de} {V.}_{mem - 1}^{de} \end{matrix}] ．$

在矩阵中，行数等于存储项的个数，列数等于非线性的程度。信号下标表示延迟量。
交叉项的记忆- 这个窄带内存多项式实现（方程（23）［1］)作用于输入信号的包络线，不产生新的频率成分，并捕获带内频谱再生。使用此模型以高频运行的窄带放大器。该模型包括领先和滞后的内存术语，并提供存储器多项式模型的广义实现。
在任何时刻，输出信号是由元素产品指定的矩阵的所有元素的总和

C．*M._中医那

在哪里C复系数矩阵的维数是多少 $内存深度(mem) \times {内存深度(mem) \cdot （电压顺序（DEG） - 1 的） + 1}$ 和

$\begin{matrix} {M.}_{中医} = [\begin{matrix} {V.}_{0.} \\ {V.}_{1} \\ ⋮ \\ {V.}_{mem - 1} \end{matrix}] [\begin{matrix} 1 & | {V.}_{0.} | & | {V.}_{1} | & \dots & | {V.}_{mem - 1} | & {| {V.}_{0.} |}^{2} & \dots & {| {V.}_{mem - 1} |}^{2} & \dots & {| {V.}_{0.} |}^{de - 1} & \dots & {| {V.}_{mem - 1} |}^{de - 1} \end{matrix}] \\ = [\begin{matrix} {V.}_{0.} & {V.}_{0.} | {V.}_{0.} | & {V.}_{0.} | {V.}_{1} | & \dots & {V.}_{0.} | {V.}_{mem - 1} | & {V.}_{0.} {| {V.}_{0.} |}^{2} & \dots & {V.}_{0.} {| {V.}_{mem - 1} |}^{2} & \dots & {V.}_{0.} {| {V.}_{0.} |}^{de - 1} & \dots & {V.}_{0.} {| {V.}_{mem - 1} |}^{de - 1} \\ {V.}_{1} & {V.}_{1} | {V.}_{0.} | & {V.}_{1} | {V.}_{1} | & \dots & {V.}_{1} | {V.}_{mem - 1} | & {V.}_{1} {| {V.}_{0.} |}^{2} & \dots & {V.}_{1} {| {V.}_{mem - 1} |}^{2} & \dots & {V.}_{1} {| {V.}_{0.} |}^{de - 1} & \dots & {V.}_{1} {| {V.}_{mem - 1} |}^{de - 1} \\ ⋮ & ⋮ & ⋮ & ⋱ & ⋮ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ \\ {V.}_{mem - 1} & {V.}_{mem - 1} | {V.}_{0.} | & {V.}_{mem - 1} | {V.}_{1} | & \dots & {V.}_{mem - 1} | {V.}_{mem - 1} | & {V.}_{mem - 1} {| {V.}_{0.} |}^{2} & \dots & {V.}_{mem - 1} {| {V.}_{mem - 1} |}^{2} & \dots & {V.}_{mem - 1} {| {V.}_{0.} |}^{de - 1} & \dots & {V.}_{mem - 1} {| {V.}_{mem - 1} |}^{de - 1} \end{matrix}] ． \end{matrix}$

在矩阵中，行数等于存储项数，列数与非线性程度和存储项数成正比。信号下标表示延迟量。控件中未显示的其他列记忆多项式模型代表横向术语。
交叉项汉默斯坦-这种宽带存储多项式实现在输入信号的包络上运行，产生载波频率的整数倍的频率成分，并捕获带内频谱再生。增加非线性的阶数会增加产生的带外频率的数目。使用这个模型来创建工作在低频的宽带放大器。
在任何时刻，输出信号是由元素产品指定的矩阵的所有元素的总和

C．*M._车车那

在哪里C复系数矩阵的维数是多少 $内存深度(mem) \times {内存深度(mem) \cdot （电压顺序（DEG） - 1 的） + 1}$ 和

$\begin{matrix} {M.}_{车车} = [\begin{matrix} {V.}_{0.} \\ {V.}_{1} \\ ⋮ \\ {V.}_{mem - 1} \end{matrix}] [\begin{matrix} 1 & {V.}_{0.} & {V.}_{1} & \dots & {V.}_{mem - 1} & {V.}_{0.}^{2} & \dots & {V.}_{mem - 1}^{2} & \dots & {V.}_{0.}^{de - 1} & \dots & {V.}_{mem - 1}^{de - 1} \end{matrix}] \\ = [\begin{matrix} {V.}_{0.} & {V.}_{0.}^{2} & {V.}_{0.} {V.}_{1} & \dots & {V.}_{0.} {V.}_{mem - 1} & {V.}_{0.}^{3.} & \dots & {V.}_{0.} {V.}_{mem - 1}^{2} & \dots & {V.}_{0.}^{de} & \dots & {V.}_{0.} {V.}_{mem - 1}^{de - 1} \\ {V.}_{1} & {V.}_{1} {V.}_{0.} & {V.}_{1}^{2} & \dots & {V.}_{1} {V.}_{mem - 1} & {V.}_{1} {V.}_{0.}^{2} & \dots & {V.}_{1} {V.}_{mem - 1}^{2} & \dots & {V.}_{1} {V.}_{0.}^{de - 1} & \dots & {V.}_{1} {V.}_{mem - 1}^{de - 1} \\ ⋮ & ⋮ & ⋮ & ⋱ & ⋮ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ & ⋱ & ⋮ \\ {V.}_{mem - 1} & {V.}_{mem - 1} {V.}_{0.} & {V.}_{mem - 1} {V.}_{1} & \dots & {V.}_{mem - 1}^{2} & {V.}_{mem - 1} {V.}_{0.}^{2} & \dots & {V.}_{mem - 1}^{3.} & \dots & {V.}_{mem - 1} {V.}_{0.}^{de - 1} & \dots & {V.}_{mem - 1}^{de} \end{matrix}] ． \end{matrix}$

在矩阵中，行数等于存储项数，列数与非线性程度和存储项数成正比。信号下标表示延迟量。控件中未显示的其他列广义Hammerstein模型代表横向术语。

`系数矩阵`- 系数矩阵
1(默认)|复矩阵|实矩阵

系数矩阵，指定为复矩阵记忆多项式和交叉项的记忆模型和作为一个真正的矩阵广义Hammerstein和交叉项汉默斯坦模型。

为记忆多项式和交叉项的记忆模型，可以基于测量的复合体（I，Q）输出-VS.输入放大器特性来识别复杂系数矩阵。例如，请参阅辅助功能系数矩阵的计算．
为广义Hammerstein和交叉项汉默斯坦模型中，你可以根据实测的实通频带输出-vs来确定实系数矩阵。固化放大器的特点。

矩阵的大小取决于时滞的个数和系统非线性的程度。

为记忆多项式和广义Hammerstein模型，矩阵具有尺寸 $内存深度(mem) \times 电压顺序（DEG）$ ．
为交叉项的记忆和交叉项汉默斯坦模型，矩阵具有尺寸 $内存深度(mem) \times {内存深度(mem) \cdot （电压顺序（DEG） - 1 的） + 1}$ ．

`系数采样时间`-输入输出数据的采样间隔
`1 e-6`（默认）|真正的正标量

用于识别系数矩阵的输入输出数据的采样间隔指定为真正的正标量。

如果系数采样时间与配置块中指定的模拟步骤大小不同，则可能会影响模型的准确性。为获得最佳效果，请使用至少与仿真步长的系数采样时间一样大。

`Rin(欧姆)`- 输入电阻
`50.`（默认）|真正的正标量

输入电阻，指定为实正标量。

`溃败(欧姆)`——输出电阻
`50.`（默认）|真正的正标量

输出电阻，指定为实正标量。

`地面并隐藏负端子`-接地射频电路端子
开启(默认)|关闭

选择此参数进行地面并隐藏负端子。清除参数以暴露负端子。通过曝光这些终端，您可以将它们连接到模型的其他部分。

模型例子

数字预失真以补偿功率放大器非线性

在发射机中使用数字预失真(DPD)来抵消功率放大器中非线性的影响。我们使用使用功率放大器特性(通信工具箱)示例获得的功率放大器模型来模拟两种情况。在第一个模拟中，射频发射器发送两个音调。在第二个仿真中，射频发射机发送100mhz带宽的类5g OFDM波形。

功率放大器表征

使用NXP Airfast功率放大器的测量输入和输出信号来描述功率放大器(PA)的特性。可选地，您可以使用硬件测试设置(包括带有矢量信号收发器(VST)的NI PXI机箱)来测量运行时的信号。

提示

为避免非线性功率放大器在一个不受欢迎的区域中运行，即Simulink金宝app^®输入信号必须缩放。当RF域中的非线性功率放大器用于放大Simulink信号时，会发生这种情况。金宝app

算法

全部展开

系数矩阵的计算

为了计算系数矩阵，块求解一定数量的方程线性系统。考虑这一点记忆多项式内存长度为2的情况和系统非线性的模型是第三度。描述系统的矩阵是

$[\begin{matrix} C_{11.} {V.}_{0.} & C_{12.} {V.}_{0.} | {V.}_{0.} | & C_{13.} {V.}_{0.} {| {V.}_{0.} |}^{2} \\ C_{21.} {V.}_{1} & C_{22.} {V.}_{1} | {V.}_{1} | & C_{23.} {V.}_{1} {| {V.}_{1} |}^{2} \end{matrix}] 那$

元素的和等于内积

$[\begin{matrix} {V.}_{0.} & {V.}_{1} & {V.}_{0.} | {V.}_{0.} | & {V.}_{1} | {V.}_{1} | & {V.}_{0.} {| {V.}_{0.} |}^{2} & {V.}_{1} {| {V.}_{1} |}^{2} \end{matrix}] [\begin{matrix} C_{11.} \\ C_{21.} \\ C_{12.} \\ C_{22.} \\ C_{13.} \\ C_{23.} \end{matrix}] ．$

如果放大器的输入是五个样本信号[X（1）X（2）X（3）X（4）X(5))对应的输出是[y（1）y（2）y（3）y（4）y(5))，然后解决

$[\begin{matrix} X （ 2 的） & X （ 1 的） & X （ 2 的） | X （ 2 的） | & X （ 1 的） | X （ 1 的） | & X （ 2 的） {| X （ 2 的） |}^{2} & X （ 1 的） {| X （ 1 的） |}^{2} \\ X （ 3. 的） & X （ 2 的） & X （ 3. 的） | X （ 3. 的） | & X （ 2 的） | X （ 2 的） | & X （ 3. 的） {| X （ 3. 的） |}^{2} & X （ 2 的） {| X （ 2 的） |}^{2} \\ X （ 4. 的） & X （ 3. 的） & X （ 4. 的） | X （ 4. 的） | & X （ 3. 的） | X （ 3. 的） | & X （ 4. 的） {| X （ 4. 的） |}^{2} & X （ 3. 的） {| X （ 3. 的） |}^{2} \\ X （ 5. 的） & X （ 4. 的） & X （ 5. 的） | X （ 5. 的） | & X （ 4. 的） | X （ 4. 的） | & X （ 5. 的） {| X （ 5. 的） |}^{2} & X （ 4. 的） {| X （ 4. 的） |}^{2} \end{matrix}] [\begin{matrix} C_{11.} \\ C_{21.} \\ C_{12.} \\ C_{22.} \\ C_{13.} \\ C_{23.} \end{matrix}] = [\begin{matrix} y （ 2 的） \\ y （ 3. 的） \\ y （ 4. 的） \\ y （ 5. 的） \end{matrix}] 那$

哪些可以用MATLAB找到^®反斜杠运算符，提供系数矩阵的估计。

治疗方法交叉项的记忆模型是相似的。描述系统的矩阵是

$[\begin{matrix} C_{11.} {V.}_{0.} & C_{12.} {V.}_{0.} | {V.}_{0.} | & C_{13.} {V.}_{0.} | {V.}_{1} | & C_{14.} {V.}_{0.} {| {V.}_{0.} |}^{2} & C_{15.} {V.}_{0.} {| {V.}_{1} |}^{2} \\ C_{21.} {V.}_{1} & C_{22.} {V.}_{1} | {V.}_{0.} | & C_{23.} {V.}_{1} | {V.}_{1} | & C_{24.} {V.}_{1} {| {V.}_{0.} |}^{2} & C_{25.} {V.}_{1} {| {V.}_{1} |}^{2} \end{matrix}] 那$

元素的和等于内积

$[\begin{matrix} {V.}_{0.} & {V.}_{1} & {V.}_{0.} | {V.}_{0.} | & {V.}_{1} | {V.}_{0.} | & {V.}_{0.} | {V.}_{1} | & {V.}_{1} | {V.}_{1} | & {V.}_{0.} {| {V.}_{0.} |}^{2} & {V.}_{1} {| {V.}_{0.} |}^{2} & {V.}_{0.} {| {V.}_{1} |}^{2} & {V.}_{1} {| {V.}_{1} |}^{2} \end{matrix}] [\begin{matrix} C_{11.} \\ C_{21.} \\ C_{12.} \\ C_{22.} \\ C_{13.} \\ C_{23.} \\ C_{14.} \\ C_{24.} \\ C_{15.} \\ C_{25.} \end{matrix}] ．$

如果放大器的输入是五个样本信号[X（1）X（2）X（3）X（4）X(5))对应的输出是[y（1）y（2）y（3）y（4）y(5))，然后解决

$[\begin{matrix} X （ 2 的） & X （ 1 的） & X （ 2 的） | X （ 2 的） | & X （ 1 的） | X （ 2 的） | & X （ 2 的） | X （ 1 的） | & X （ 1 的） | X （ 1 的） | & X （ 2 的） {| X （ 2 的） |}^{2} & X （ 1 的） {| X （ 2 的） |}^{2} & X （ 2 的） {| X （ 1 的） |}^{2} & X （ 1 的） {| X （ 1 的） |}^{2} \\ X （ 3. 的） & X （ 2 的） & X （ 3. 的） | X （ 3. 的） | & X （ 2 的） | X （ 3. 的） | & X （ 3. 的） | X （ 2 的） | & X （ 2 的） | X （ 2 的） | & X （ 3. 的） {| X （ 3. 的） |}^{2} & X （ 2 的） {| X （ 3. 的） |}^{2} & X （ 3. 的） {| X （ 2 的） |}^{2} & X （ 2 的） {| X （ 2 的） |}^{2} \\ X （ 4. 的） & X （ 3. 的） & X （ 4. 的） | X （ 4. 的） | & X （ 3. 的） | X （ 4. 的） | & X （ 4. 的） | X （ 3. 的） | & X （ 3. 的） | X （ 3. 的） | & X （ 4. 的） {| X （ 4. 的） |}^{2} & X （ 3. 的） {| X （ 4. 的） |}^{2} & X （ 4. 的） {| X （ 3. 的） |}^{2} & X （ 3. 的） {| X （ 3. 的） |}^{2} \\ X （ 5. 的） & X （ 4. 的） & X （ 5. 的） | X （ 5. 的） | & X （ 4. 的） | X （ 5. 的） | & X （ 5. 的） | X （ 4. 的） | & X （ 4. 的） | X （ 4. 的） | & X （ 5. 的） {| X （ 5. 的） |}^{2} & X （ 4. 的） {| X （ 5. 的） |}^{2} & X （ 5. 的） {| X （ 4. 的） |}^{2} & X （ 4. 的） {| X （ 4. 的） |}^{2} \end{matrix}] [\begin{matrix} C_{11.} \\ C_{21.} \\ C_{12.} \\ C_{22.} \\ C_{13.} \\ C_{23.} \\ C_{14.} \\ C_{24.} \\ C_{15.} \\ C_{25.} \end{matrix}] = [\begin{matrix} y （ 2 的） \\ y （ 3. 的） \\ y （ 4. 的） \\ y （ 5. 的） \end{matrix}]$

提供了系数矩阵的估计。

使用此帮助函数来计算系数矩阵记忆多项式和交叉项的记忆模型。函数的输入是给定的输入和输出信号，存储长度，非线性程度，以及没有或存在交叉项。

函数a_coef = fit_memory_poly_model（x，y，memlen，deglen，modtype）% FIT_MEMORY_POLY_MODEL％过程计算输入和输出的系数矩阵%信号，存储长度，非线性程度，型号类型。％％版权所有2017 MathWorks，Inc。x = x（:);y = y（:);xlen =长度（x）;开关modtype.情况下'mempoly'%记忆多项式xrow =重塑((memLen: 1:1) + (0: xLen: xLen * (degLen-1)), 1, []);xVec = (0:xLen-memLen)' + xrow;xPow = x。* (abs (x) ^ (0: degLen-1));xVec = xPow (xVec);情况下“ctMemPoly”%交叉项记忆多项式absPow = (abs (x) ^ (1: degLen-1));partTop1 =重塑((memLen: 1:1) + (0: xLen: xLen * (degLen-2)), 1, []);topPlane =重塑(......[xlen-memlen + 1,1），abspow（（0：xlen-memlen）'+ parttop1）]。'，......1，Memlen *（DEGLEN-1）+ 1，XLEN-MEMLEN + 1）;sideplane = Rehape（x（（0：xlen-memlen）'+（memlen：-1：1））。'，......Memlen，1，Xlen-Memlen + 1）;立方体= boleplane。* topplane;xvec =重塑（立方体，memlen *（memlen *（deglen-1）+1），xlen-memlen + 1）。';结束系数= xVec \ y (memLen: xLen);a_coef =重塑(系数、memLen元素个数(系数)/ memLen);

功放模块图标

功率放大器块掩码图标是动态的，显示当前模型的类型。控件上设置的模型类型不同，此块上的图标会发生怎样的变化模型块上的参数。

模型:`广义Hammerstein`	输出：`记忆多项式`	输出：`交叉项的记忆`	输出：`交叉项汉默斯坦`

兼容性的考虑

全部展开

功率放大器块图标更新

行为在R2021b中改变

从R2021b开始功率放大器块图标现已更新。当您打开r2021b之前创建的模型时功率放大器块，软件使用R2021B版本替换块图标。

参考文献

[1] Morgan, Dennis R.， Ma Zhengxiang, Jaehyeong Kim, Michael G. Zierdt, John Pastalan。功率放大器数字预失真的广义记忆多项式模型。IEEE.^®信号处理汇刊．第54卷第10期，2006年10月，3852-3860页。

Gan, Li和Emad Abd-Elrady。使用直接和间接学习架构的记忆多项式系统的数字预失真在第十一届IASTED信号与图像处理国际会议论文集（F. Cruz-Roldán和N.B.Smith，Eds。），美国专利号654-802。卡尔加里，AB：Acta Press，2009年。

也可以看看

放大器

主题

介绍在R2017B.

功率放大器

描述

参数