功率放大器

模型功率放大器带内存

全部展开页面

库:
RF块集/电路包络/元素

描述

的功率放大器块模型双端口功率放大器。由Volterra级数导出的记忆多项式表达式描述了输入和输出信号之间的非线性关系。这个功率放大器包括记忆效应，因为输出响应取决于当前的输入信号和之前的输入信号。这些功率放大器在传输宽带或窄带信号时很有用。

参数

展开全部

`模型`——模型类型
`记忆多项式`(默认)|`广义汉默斯坦`|`交叉术记忆`|`跨期哈姆斯坦`

模型类型，指定为记忆多项式，广义汉默斯坦，交叉术记忆,或跨期哈姆斯坦．下表总结了不同型号的特征：

模型	特征数据	类型的系数	带内频谱再生	带外谐波发生
`记忆多项式`（默认）	带通(I, Q)	复杂的	是的	没有
`广义汉默斯坦`	真正的通带	真实的	是的	是的
`交叉术记忆`	带通(I, Q)	复杂的	是的	没有
`跨期哈姆斯坦`	真正的通带	真实的	是的	是的

记忆多项式- 这个窄带存储器多项式实现（方程（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。使用这个模型来创建一个工作在高频的窄带放大器。
在任何时间瞬间，输出信号是以下复杂矩阵的所有元素的总和 $记忆深度（MEM） \times 电压顺序(度)$ ：

$［ \begin{matrix} C_{11} V_{0} & C_{12} V_{0} | V_{0} | & \dots & C_{1 ，度} V_{0} {| V_{0} |}^{度 - 1} \\ C_{21} V_{1} & C_{22} V_{1} | V_{1} | & \dots & C_{2 ，度} V_{1} {| V_{1} |}^{度 - 1} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ C_{mem ， 1} V_{mem - 1} & C_{mem ， 2} V_{mem - 1} | V_{mem - 1} | & \dots & C_{mem ，度} V_{mem - 1} {| V_{mem - 1} |}^{度 - 1} \end{matrix} ］．$

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。
广义汉默斯坦-这个宽带存储器的多项式实现(方程(18)［1］）在输入信号的包络上操作，产生具有载波频率的积分倍数的频率分量，并捕获带内谱再次生长。增加非线性程度增加了产生的带外频率的数量。使用此模型创建以低频运行的宽带放大器。
输出信号，在任何时刻，是下列实维矩阵的所有元素的和 $记忆深度（MEM） \times 电压顺序(度)$ ：

$［ \begin{matrix} C_{11} V_{0} & C_{12} V_{0}^{2} & \dots & C_{1 ，度} V_{0}^{度} \\ C_{21} V_{1} & C_{22} V_{1}^{2} & \dots & C_{2 ，度} V_{1}^{度} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ C_{mem ， 1} V_{mem - 1} & C_{mem ， 2} V_{mem - 1}^{2} & \dots & C_{mem ，度} V_{mem - 1}^{度} \end{matrix} ］．$

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。
交叉术记忆窄带存储多项式实现(公式(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。使用这个模型来创建一个工作在高频的窄带放大器。该模型包括前导和滞后记忆项，并提供了记忆多项式模型的广义实现。
输出信号，在任何时刻，是一个矩阵的所有元素的和，由一个元素一个元素的乘积指定

C．*米_中医，

在哪里C复系数矩阵的维数是多少 $记忆深度（MEM） \times ｛记忆深度（MEM） \cdot （电压顺序(度) - 1 ） + 1 ｝$ 和

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

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表示交叉项。
跨期哈姆斯坦- 该宽带记忆多项式执行对输入信号的包络操作时，生成作为载波频率的整数倍的频率分量，和带内捕获频谱再生。增加非线性的顺序增加了产生的带外频率的数量。使用此模型创建以低频运行的宽带放大器。
输出信号，在任何时刻，是一个矩阵的所有元素的和，由一个元素一个元素的乘积指定

C．*米_车车，

在哪里C复系数矩阵的维数是多少 $记忆深度（MEM） \times ｛记忆深度（MEM） \cdot （电压顺序(度) - 1 ） + 1 ｝$ 和

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

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汉默斯坦模型表示交叉项。

`系数矩阵`——系数矩阵
1(默认)|复矩阵|实矩阵

系数矩阵，指定为复杂矩阵记忆多项式和交叉术记忆模型，作为一个真实的矩阵广义汉默斯坦和跨期哈姆斯坦模型。

为了记忆多项式和交叉术记忆模型，您可以识别复系数矩阵基于测量的复(I,Q)输出-vs。固化放大器的特点。例如，请参见中的helper函数系数矩阵计算．
为了广义汉默斯坦和跨期哈姆斯坦模型中，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。

矩阵的大小取决于延迟的次数和系统非线性的程度。

为了记忆多项式和广义汉默斯坦模型，矩阵有维度 $记忆深度（MEM） \times 电压顺序(度)$ ．
为了交叉术记忆和跨期哈姆斯坦模型，矩阵有维度 $记忆深度（MEM） \times ｛记忆深度（MEM） \cdot （电压顺序(度) - 1 ） + 1 ｝$ ．

`采样时间(s)`-输入输出数据的采样间隔
`1E-6`(默认)|实正标量

用于识别系数矩阵的输入-输出数据的样本区间，指定为实正标量。

如果系数采样时间与配置块中指定的仿真步长不同，则会影响模型的准确性。为了获得最好的结果，使用至少与模拟步长一样大的系数样本时间。

`rin（欧姆）`——输入电阻
`50`(默认)|实正标量

输入电阻，指定为真正的正标量。

`溃败(欧姆)`——输出电阻
`50`(默认)|实正标量

输出电阻，指定为实正标量。

`接地和隐藏负极`- 地面RF电路端子
ON（默认）|离开

选择此参数接地并隐藏负极。清除参数以暴露负极。通过公开这些终端，您可以将它们连接到模型的其他部分。

模型的例子

功率放大器非线性的数字预失真补偿

在发射器中使用数字预失真（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表征（通信工具箱）示例获得的功率放大器的模型来模拟两种情况。在第一次仿真中，RF发射器发送两个音调。在第二次仿真中，RF发射器发送具有100 MHz带宽的5G类似OFDM波形。

功率放大器特性

使用NXP AIRFAST PA的测量输入和输出信号表征功率放大器（PA）。可选地，您可以使用包含NI PXI机箱的硬件测试设置，其中带有矢量信号收发器（VST）以在运行时测量信号。

提示

为了避免非线性功率放大器工作在一个不需要的区域，Simulink金宝app^®输入信号必须缩放。当在射频域中使用非线性功率放大器来放大Simulink信号时，就会发生这种情况。金宝app

算法

展开全部

系数矩阵计算

为了计算系数矩阵，该块求解了一个超定线性方程组。考虑到记忆多项式模型适用于存储长度为2且系统非线性为三度的情况。描述这个系统的矩阵是

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

其元素的总和相当于内部产品

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

如果放大器的输入是五采样信号［x（1)x（2）x（3）x(4）x（5）]并且相应的输出是［y（1)y（2）y（3）y(4）y（5）]，然后解决

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

可以使用matlab找到哪个^®反斜杠运算符，提供了系数矩阵的估计。

治疗交叉术记忆模型是相似的。描述这个系统的矩阵是

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

其元素的总和相当于内部产品

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

如果放大器的输入是五采样信号［x（1)x（2）x（3）x(4）x（5）]并且相应的输出是［y（1)y（2）y（3）y(4）y（5）]，然后解决

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

提供系数矩阵的估计。

使用这个辅助函数来计算系数矩阵记忆多项式和交叉术记忆模型。该功能的输入是给定的输入和输出信号，存储器长度，非线性程度以及横向术的缺失或存在。

功能a_coef = fit_memory_poly_model (x, y, memLen、degLen modType)％fit_memory_poly_model.计算给定输入和输出的系数矩阵的过程%信号，存储长度，非线性程度，型号类型。％MathWorks, Inc.版权所有x = x (:);y = y (:);xLen =长度(x);开关modType案件“memPoly”％内存多项式Xrow = Reshape（（memlen：-1：1）'+（0：xlen：xlen *（deglen-1）），1，[]）;xvec =（0：xlen-memlen）'+ xrow;xpow = x。*（abs（x）。^（0：deglen-1））;xvec = xpow（xvec）;案件'ctmempoly'%交叉项记忆多项式abspow =（abs（x）。^（1：deglen-1））;parttop1 = Reshape（（memlen：-1：1）'+（0：xlen：xlen *（deglen-2）），1，[]）;topplane =重塑（．..的(xLen-memLen + 1, - 1), absPow ((0: xLen-memLen)“+ partTop1)]。”．..1, memLen * (degLen-1) + 1, xLen-memLen + 1);sidePlane =重塑(x ((0: xLen-memLen) + (memLen: 1:1))。。．..memLen 1 xLen-memLen + 1);多维数据集= sidePlane。* topPlane;xVec =重塑(立方体,memLen * (memLen * (degLen-1) + 1), xLen-memLen + 1)”;结尾coof = xvec \ y（memlen：xlen）;A_COEF = RESHAPE（COEF，MEMLEN，NUMER（COEF）/ MEMLEN）;

参考文献

[1]摩根，丹尼斯R.，郑祥马，泽义金，迈克尔G. Zierdt和John Pastalan。“功率放大器数字预失真的广义存储器多项式模型”。IEEE^®信号处理中的事务．第54卷第10期，2006年10月，3852-3860页。

[2]甘，李，艾美埃德拉德。“使用直接和间接学习架构的存储器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主编)，第654-802期。卡尔加里:AB出版社，2009。

另请参阅

放大器

话题

介绍了R2017b

功率放大器

描述

参数