Techniques efficaces en bande de base pour linéariser un amplificateur depuissance avec effet mémoire
| Autor: | Feng, Xiaowen |
|---|---|
| Přispěvatelé: | Institut d'Électronique et des Technologies du numéRique (IETR), Université de Nantes (UN)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), UNIVERSITE DE NANTES, Yide WANG Professeur Ecole polytechnique de l'université de Nantes, Bruno FEUVRIE Maître de Conférences IUT Nantes (co-encadrant), Anne-Sophie DESCAMPS Maître de Conférences IUT Nantes (co-encadrante), Charlier, Sandrine, Nantes Université (NU)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS) |
| Jazyk: | angličtina |
| Rok vydání: | 2015 |
| Předmět: |
[SPI] Engineering Sciences [physics]
Memory effects Look-up tables Techniques de linéarisation [SPI.TRON] Engineering Sciences [physics]/Electronics Neural network Effets mémoires non linéaire [SPI.TRON]Engineering Sciences [physics]/Electronics Digital predistortion [SPI]Engineering Sciences [physics] Power amplifier Amplificateur de puissance Prédistorsion numérique Linearization techniques Réseau de neurones |
| Zdroj: | Engineering Sciences [physics]. UNIVERSITE DE NANTES, 2015. English. ⟨NNT : ⟩ Engineering Sciences [physics]. UNIVERSITE DE NANTES, 2015. English |
| Popis: | Baseband digital predistortion (DPD) techniques for linearizingpower amplifiers (PA) with memory effects areinvestigated in this thesis. Firstly, the relevant elementsconcerning PA linearization are introduced, such as PAnonlinearity behavior, its influence on the communicationsystems, its modeling and characterization... Thensome existing linearization techniques are presented,such as power backoff, feedforward, feedback, linearamplification with nonlinear components and DPD.DPD is the most promising linearization technique. Afterthat, the implementation architecture and identificationalgorithms of DPD are described. In this thesis,four DPD methods are proposed. The first method(MP/LUT DPD) is to combine a memory polynomial(MP) model and a simple non-interpolated LUT. Boththe amplitude and phase of the predistorted signal arecalculated by LUT. The second method is to add linearinterpolation technique to MP/LUT DPD. The thirdmethod improves the second one by using a quadraticinterpolation technique to MP/LUT DPD. The fourthmethod is to combine MP DPD and feed forward neuralnetwork. The principal innovation is that the trainingsamples of the neural networks are the predistordedsignal obtained by MP DPD. Finally, simulation resultsand experimental results are given and analyzed. Theproposed methods provide different trade-off betweenthe linearization performance, time efficiency and complexity. Les techniques de pré-distorsion numérique (DPD) enbande de base permettant de linéariser un amplificateurde puissance (PA) avec effets mémoires non linéairessont étudiées. Des éléments de base liés à lalinéarisation du PA sont introduits, tels que le comportementnon-linéaire du PA, son influence sur les systèmesde communication, sa modélisation et caractérisation...Puis certaines techniques de linéarisationexistantes sont décrites, telles que le recul de puissance,le feedforward, la boucle de retour, l’amplificationlinéaire avec des composants non linéaires et laDPD. La DPD est la technique de linéarisation la plusprometteuse. L’architecture d’implémentation et les algorithmesd’identification de la DPD sont décrits. Danscette thèse, quatre méthodes originales de DPD sontproposées. La première méthode (MP/LUT DPD) combineun modèle polynomial à mémoire (MP) avec unesimple LUT. L’amplitude et la phase du signal prédistordusont calculées par cette LUT. La deuxièmeméthode consiste à ajouter une interpolation linéaire àcette méthode. La troisième méthode consiste à améliorerla technique d’interpolation par une interpolationquadratique. La quatrième méthode exploite conjointementla MP DPD et un réseau de neurones. L’innovationprincipale dans cette dernière, réside dans l’apprentissagedu réseau de neurones avec les échantillonsdu signal pré-distordu par la MP DPD. Enfin,les résultats de simulation et expérimentaux en termesde linéarisation, d’amélioration spectrale, de rotationde constellation et de temps de calculs sont fournis.Les méthodes proposées permettent différents compromisentre les performances de linéarisation et lacomplexité. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|