数字预失真方法、装置、设备、存储介质和程序产品与流程
本发明涉及无线通信领域,尤其涉及一种数字预失真方法、装置、设备、存储介质和程序产品。
背景技术:
1、随着通信产业的演进,当信号带宽增加到10-200mhz区间时,功率放大器的失真特性不再是简单的静态非线性,而是呈现时间相关性,即当前时刻的输出不仅与当前输入有关,还依赖于历史输入信号,这种现象称为记忆效应。记忆效应与非线性的叠加,会导致发射信号出现频率选择性失真、时延与相位失真问题,破坏信号相位完整性。
2、数字预失真技术(digital pre-distortion,dpd)是一种用于改善功率放大器线性度的技术。现有数字预失真技术中,以volterra级数及其简化模型为代表的记忆效应与静态非线性一体建模逐渐成为工程实现的主要方案,由于volterra级数的复杂度会随记忆深度和非线性阶数的提升而增大,使其在大带宽场景下不具备实时计算的可行性。因此,实际工程中往往通过简化提升该行为级模型的实用性,采用广义记忆多项式(generalizedmemory polynomial,gmp)简化volterra行为级模型,通过删减volterra级数中的“次要项”(如高阶交叉项、长记忆深度项)降低复杂度,但是,当功放的记忆效应较强(如宽带信号引起的热记忆效应)时,因缺乏交叉项可能无法准确拟合,导致预失真残留误差,导致收敛精度变差;以及,当模型结构与实际功放特性不匹配时,参数迭代容易陷入局部最优,导致收敛速度变慢。
技术实现思路
1、本发明实施例的目的是提供一种数字预失真方法、装置、设备、存储介质和程序产品,提高数字预失真过程中的收敛速度和收敛精度。
2、为实现上述目的,本发明实施例提供了一种数字预失真方法,包括:
3、在系统初始阶段,利用第一参数迭代算法对基本处理单元进行初始化操作;其中,所述基本处理单元被配置为gmp模型的查找表结构,所述基本处理单元用于输出预失真信号;
4、在系统稳定阶段,获取所述初始化操作后的初始迭代参数;
5、根据所述初始迭代参数,利用第二参数迭代算法对所述基本处理单元进行参数迭代;
6、当一次迭代参数达到第一参数阈值时,对所述基本处理单元进行重构,以将所述基本处理单元由所述查找表结构重构为神经网络架构。
7、作为上述方案的改进,所述查找表结构通过至少两次重构后转换为所述神经网络架构;其中,每次重构后进行参数迭代,且二次迭代参数达到第二参数阈值时,进行下一次重构。
8、作为上述方案的改进,所述第一参数迭代算法为自适应滤波参数迭代算法,所述第二参数迭代算法为神经网络参数迭代算法。
9、作为上述方案的改进,所述利用第一参数迭代算法对基本处理单元进行初始化操作,包括:
10、获取待处理数据;
11、利用第一参数迭代算法和所述待处理数据计算第一步进值,并根据所述第一步进值确定初始迭代参数;
12、根据所述初始迭代参数以及初始gmp模型的基函数向量组合,对所述待处理数据进行量化处理,得到第一输入数据;
13、将所述第一输入数据输入到所述基本处理单元中。
14、作为上述方案的改进,所述根据所述初始迭代参数,利用第二参数迭代算法对所述基本处理单元进行参数迭代,包括:
15、获取待处理数据;
16、利用第二参数迭代算法和所述待处理数据计算第二步进值,并根据所述初始迭代参数和所述第二步进值确定参考迭代参数;
17、根据所述参考迭代参数以及执行完初始化操作后的gmp模型的基函数向量组合,对所述待处理数据进行量化处理,得到第二输入数据;
18、将所述第二输入数据输入到执行完初始化操作后的所述基本处理单元中。
19、作为上述方案的改进,所述获取待处理数据,包括:
20、通过片上存储采集r组连续的输入输出数据,r为正整数,且r≥2;
21、从r组连续的输入输出数据中抽取g组输入输出数据,以g组输入输出数据为待处理数据,g为正整数,且r>g≥1。
22、作为上述方案的改进,所述对所述待处理数据进行量化处理,包括:
23、将所述待处理数据的模值从最高位起进行量化,得到量化深度;
24、针对所述基函数向量组合中的每一基函数向量,分别与对应的迭代参数相乘,得到长度等于基函数向量长度以及深度等于所述量化深度的二维数组,以所述二维数组为输入数据。
25、作为上述方案的改进,在得到二维数组后,所述方法还包括:
26、对所述二维数组中满足交叉项相同且阶数不同的基函数项进行合并。
27、作为上述方案的改进,所述基本处理单元包括第一输入端、第二输入端、输出端、查找表单元、乘法器和加法器;其中,
28、所述查找表单元包括查找表结构和触发器,所述查找表单元的输出与所述第一输入端的输入利用所述乘法器进行乘法操作,乘法操作后的输出与第二输入端的输入利用所述加法器进行加法操作。
29、作为上述方案的改进,所述对所述基本处理单元进行重构,以将所述基本处理单元由所述查找表结构重构为神经网络架构,包括:
30、对所述第二输入端和所述查找表结构的模值输入端进行多级时延锁存处理;
31、将每一级的锁存数据对输入至对应的并联单元中,得到初始阵列单元;其中,所述并联单元包括基本处理单元和群时延模块;
32、以所述多级串联单元为基础,将每一级的锁存数据对输入到三级并联的初始阵列单元中,以及将每一初始阵列单元的助理结果相加,得到目标阵列单元;
33、更改所述目标阵列单元中每一阵列单元的连接关系,得到三层全连接神经网络架构。
34、作为上述方案的改进,所述锁存数据对包括:
35、所述第二输入端输入的原始数据;
36、所述模值输入端输入的所述原始数据的模值。
37、作为上述方案的改进,所述将每一级的锁存数据对输入到三级并联的初始阵列单元中后,所述方法还包括:
38、对每一级的初始阵列单元内部进行结果级联处理。
39、作为上述方案的改进,所述更改所述目标阵列单元中每一阵列单元的连接关系,得到三层全连接神经网络架构,包括:
40、断开所述目标阵列单元中属于同层的阵列单元的输出级联连接;
41、将上一层的阵列单元输出全连接至下一层所有阵列单元的输入,得到三层全连接神经网络架构。
42、为实现上述目的,本发明实施例还提供了一种数字预失真装置,包括:
43、第一参数迭代模块,用于在系统初始阶段,利用第一参数迭代算法对基本处理单元进行初始化操作;其中,所述基本处理单元被配置为gmp模型的查找表结构,所述基本处理单元用于输出预失真信号;
44、第二参数迭代模块,用于在系统稳定阶段,获取所述初始化操作后的初始迭代参数;根据所述初始迭代参数,利用第二参数迭代算法对所述基本处理单元进行参数迭代;
45、预失真校正模块,用于当一次迭代参数达到第一参数阈值时,对所述基本处理单元进行重构,以将所述基本处理单元由所述查找表结构重构为神经网络架构。
46、为实现上述目的,本发明实施例还提供了一种数字预失真设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一实施例所述的数字预失真方法。
47、为实现上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的数字预失真方法。
48、为实现上述目的,本发明实施例还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现如上述任一实施例所述的数字预失真方法。
49、相比于现有技术,本发明公开的数字预失真方法、装置、设备、存储介质和程序产品,由于重构后的神经网络架构够处理更复杂的输入输出关系,支持多样化的神经网络计算,显著提升了数字预失真的收敛精度和收敛速度。另外,通过可重构架构,在硬件层面实现两种架构的动态切换,避免了同时维护gmp模型和神经网络的并行电路,从而节省电路面积。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com