非线性系统逆特性辨识装置及方法、功率放大器及其预失真器

1.一种非线性系统逆特性辨识方法，用于根据非线性系统的原始输入信号x(n)及相应的反馈输出信号yG(n)对非线性系统的逆特性进行辨识，包括：
查询表函数Q{·}生成步骤，根据逆滤波信号xF(n)和反馈输出信号yG(n)计算查询表函数Q{·}；
中间预失真信号z(n)生成步骤，根据反馈输出信号yG(n)和查询表函数Q{·}生成中间预失真信号z(n)；
滤波函数F{·}构造步骤，根据中间预失真信号z(n)和原始输入信号x(n)构造滤波函数F{·}；
-1
逆滤波步骤，利用滤波函数F{·}按照公式xF(n)＝F {x(n)}对原始输入信号x(n)进行逆滤波生成逆滤波信号xF(n)；以及
迭代重复以上各个步骤直到满足设定的条件为止；
其中，查询表函数Q{·}和滤波函数F{·}代表非线性系统的逆特性；
其中，所述设定的条件为确定下面的公式所示的标准均方误差NMSE收敛或者迭代次数大于预定门限值，
公式中 为根据下面的公式使用滤波函数F{·}和中间预失真信号z(n)生成的原始输入信号x(n)的估计值
2.根据权利要求1所述的非线性系统逆特性辨识方法，其中在第一次生成查询表函数Q{·}时，以原始输入信号x(n)作为逆滤波信号xF(n)与反馈输出信号yG(n)一起计算查询表函数Q{·}。
3.根据权利要求1所述的非线性系统逆特性辨识方法，还包括取模与量化步骤，根据下面的公式将反馈输出信号yG(n)量化为查询表中的某一个地址k，
k＝[|yG(n)|] k＝0，...，K-1
其中，[|·|]代表取模和量化。
4.根据权利要求3所述的非线性系统逆特性辨识方法，其中查询表函数Q{·}生成步骤包括：
按照公式gp(n)＝xF(n)/yG(n)计算每个样点的增益；
将具有相同地址的gp(n)按照下面的公式划分为一个组，
GPk＝[gp(i)，...gp(j)] 0＜k＜K-1，
1＜i，j＜N
以便与查询表中的一个地址k相对应；以及
获得每个组的增益，从而生成查询表函数Q{·}。
5.根据权利要求4所述的非线性系统逆特性辨识方法，其中获得每个组的增益的步骤包括：
将每个组内的gp(n)按照下面的公式分别对模值和相位取平均，
gk＝mean(|GPk|)
pk＝mean(∠GPk)
从而获得查询表函数Q{·}
Q{·}＝Gain ⊙exp(j·Phase)
其中
T
Gain＝[g0，...，gi，...]
T
Phase＝[p0，...pi，...]
⊙表示Hadamard乘积，上标T表示将矩阵转置。
6.根据权利要求5所述的非线性系统逆特性辨识方法，其中在中间预失真信号z(n)生成步骤中，按照下面的公式使用反馈输出信号yG(n)和查询表函数Q{·}生成中间预失真信号z(n)：
z(n)＝yG(n)·Q([|yG(n)|])。
7.根据权利要求6所述的非线性系统逆特性辨识方法，其中在滤波函数F{·}构造步骤中，按照下面的公式使用中间预失真信号z(n)和原始输入信号x(n)构造滤波系数H -1 H
W＝(ZMZM) ·ZM·X
其中
T
X＝[x(1)，x(2)，...，x(N)]
N是收集的数据的长度，L是滤波的阶数，从而滤波函数F{·}用矩阵和向量形式表示为：
F{z(n)}＝ZM·W。
8.根据权利要求7所述的非线性系统逆特性辨识方法，其中在满足设定的条件时将查询表函数Q{·}和滤波函数F{·}输出作为非线性系统的逆特性。
9.根据权利要求1～8任一所述的非线性系统逆特性辨识方法，其中反馈输出信号yG(n)按照下面的公式生成
yG(n)＝y(n)/G
G为非线性系统的期望增益，y(n)为非线性系统的输出。
10.根据权利要求9所述的非线性系统逆特性辨识方法，还包括数据收集步骤，用于对非线性系统施加特定的原始输入信号x(n)并获取相应的输出信号y(n)。
11.一种非线性系统逆特性辨识装置，用于根据非线性系统的原始输入信号x(n)及相应的反馈输出信号yG(n)对非线性系统的逆特性进行辨识，包括：
参数计算器，用于对非线性系统的逆特性进行辨识，生成表示非线性系统的逆特性的查询表函数Q{·}和滤波函数F{·}；以及
收敛判决器，用于判定参数计算器所生成的查询表函数Q{·}和滤波函数F{·}是否满足设定的条件，并控制参数计算器迭代计算查询表函数Q{·}和滤波函数F{·}；
其中，所述参数计算器包括：
查询表生成器，用于根据逆滤波信号xF(n)和反馈输出信号yG(n)计算查询表函数Q{·}；
中间预失真器，用于根据反馈输出信号yG(n)和查询表生成器所计算的查询表函数Q{·}生成中间预失真信号z(n)；
滤波参数计算器，用于根据中间预失真器所生成的中间预失真信号z(n)和原始输入信号x(n)构造滤波函数F{·}；以及
逆滤波器，用于利用滤波参数计算器所构造的滤波函数F{·}按照公式xF(n)＝-1
F {x(n)}对原始输入信号x(n)进行逆滤波生成逆滤波信号xF(n)。
12.根据权利要求11所述的非线性系统逆特性辨识装置，还包括选择器，用于在第一次生成查询表函数Q{·}时，选择原始输入信号x(n)作为逆滤波信号xF(n)输入到查询表生成器，使查询表生成器根据原始输入信号x(n)和反馈输出信号yG(n)来计算查询表函数Q{·}，以及在之后生成查询表函数Q{·}时，选择逆滤波器所生成的逆滤波信号xF(n)输入到查询表生成器，使查询表生成器根据逆滤波信号xF(n)和反馈输出信号yG(n)计算查询表函数Q{·}。
13.根据权利要求12所述的非线性系统逆特性辨识装置，还包括：滤波器，用于根据公式 使用滤波参数计算器所构造的滤波函数F{·}和中间预失真信号z(n)生成原始输入信号x(n)的估计值
标准均方误差NMSE计算器，用于按照下面的公式计算标准均方误差NMSE其中，收敛判决器根据标准均方误差NMSE是否收敛或者迭代次数是否大于预定门限值来判定是否满足设定的条件。
14.根据权利要求13所述的非线性系统逆特性辨识装置，还包括地址发生器，用于根据下面的公式将反馈输出信号yG(n)量化为查询表生成器所生成的查询表中的某一个地址k，
k＝[|yG(n)|] k＝0，...，K-1
其中，[|·|]代表取模和量化。
15.根据权利要求14所述的非线性系统逆特性辨识装置，其中查询表生成器被配置成按照公式gp(n)＝xF(n)/yG(n)计算每个样点的增益；
将具有相同地址的gp(n)按照下面的公式划分为一个组，
GPk＝[gp(i)，...gp(j)] 0＜k＜K-1，
1＜i，j＜N
以便与查询表中的一个地址k相对应；以及
获得每个组的增益，从而生成查询表函数Q{·}。
16.根据权利要求15所述的非线性系统逆特性辨识装置，其中查询表生成器被配置成将每个组内的gp(n)按照下面的公式分别对模值和相位取平均，
gk＝mean(|GPk|)
pk＝mean(∠GPk)
从而获得查询表函数Q{·}
Q{·}＝Gain ⊙exp(j.Phase)
其中
T
Gain＝[g 0，...，gi，...]
T
Phase＝[p0，...pi，...]
⊙表示Hadamard乘积，上标T表示将矩阵转置。
17.根据权利要求16所述的非线性系统逆特性辨识装置，其中中间预失真器按照下面的公式使用反馈输出信号yG(n)和查询表生成器所计算的查询表函数Q{·}生成中间预失真信号z(n)：
z(n)＝yG(n)·Q([|yG(n)|])。
18.根据权利要求17所述的非线性系统逆特性辨识装置，其中滤波参数计算器按照下面的公式使用中间预失真器所生成的中间预失真信号z(n)和原始输入信号x(n)构造滤波器系数
H -1 H
W＝(ZMZM) ·ZM·X
其中
T
X＝[x(1)，x(2)，...，x(N)]
N是收集的数据的长度，L是滤波的阶数，从而滤波函数F{·}用矩阵和向量形式表示为：
F{z(n)}＝ZM·W。
19.根据权利要求18所述的非线性系统逆特性辨识装置，其中在满足设定的条件时将查询表函数Q{·}和滤波函数F{·}输出作为非线性系统的逆特性。
20.根据权利要求11～19任一所述的非线性系统逆特性辨识装置，其中反馈输出信号yG(n)按照下面的公式生成
yG(n)＝y(n)/G
G为非线性系统的期望增益，y(n)为非线性系统的输出。
21.根据权利要求20所述的非线性系统逆特性辨识装置，还包括数据收集存储设备，用于对非线性系统施加特定的输入信号x(n)并获取相应的输出信号y(n)。
22.一种功率放大器预失真器，包括：
地址发生器，用于对原始输入信号进行取模、量化后转化为查询表地址；
一维查询表，按照查询表函数Q{·}进行配置，并根据地址发生器输出的查询表地址输出校正因子；
乘法器，用于将原始输入信号与一维查询表输出的校正因子相乘，获得中间预失真信号；以及
滤波器，按照滤波函数F{·}进行配置，并对乘法器所输出的中间预失真信号进行滤波，生成预失真信号；
其中，查询表函数Q{·}和滤波函数F{·}根据权利要求1～8任一所述的非线性系统逆特性辨识方法生成或者根据权利要求11～19任一所述的非线性系统逆特性辨识装置生成。
23.根据权利要求22所述的功率放大器预失真器，还包括数据收集存储装置，用于收集功率放大器的原始输入信号和反馈输出信号，该数据收集存储装置包括：
数模转换器，用于将原始输入信号转换为模拟信号；
上变频器，用于将从数模转换器输出的模拟信号上变频为射频信号；
功率放大器，用于对上变频器输出的射频信号进行功率放大；
定向耦合器，用于将功率放大器的输出分支为两路信号，一路信号作为输出信号进行输出，另一路信号反馈给衰减器；
衰减器，用于接收定向耦合器反馈的信号，并对该反馈信号进行衰减；
下变频器，用于将衰减器输出的衰减信号下变频为基带信号；
模数转换器，用于将下变频器输出的基带信号转换为数字信号，作为反馈输出信号；以及
数据收集存储模块，用于收集存储原始输入信号和反馈输出信号。
24.一种功率放大设备，包括：
预失真模块，用于对原始输入信号进行预失真，输出预失真输入信号；
数模转换器，用于将预失真模块所输出的预失真输入信号转换为模拟信号；
上变频器，用于将从数模转换器输出的模拟信号上变频为射频信号；
功率放大器，用于对上变频器输出的射频信号进行功率放大并输出功率放大后的信号作为输出信号；
其中，所述预失真模块的结构与根据权利要求22所述的功率放大器预失真器的结构相同。
25.根据权利要求24所述的功率放大设备，还包括：
定向耦合器，用于将功率放大器的输出分支为两路信号，一路信号作为输出信号进行输出，另一路信号反馈给衰减器；
衰减器，用于接收定向耦合器反馈的信号，并对该反馈信号进行衰减；
下变频器，用于将衰减器输出的衰减信号下变频为基带信号；
模数转换器，用于将下变频器输出的基带信号转换为数字信号，作为反馈输出信号；以及
数据收集存储模块，用于收集存储原始输入信号和反馈输出信号。
26.一种功率放大设备，包括：
预失真模块，其结构与根据权利要求22所述的功率放大器预失真器的结构相同，用于对原始输入信号进行预失真，输出预失真输入信号；
数模转换器，用于将预失真模块所输出的预失真输入信号转换为模拟信号；
上变频器，用于将从数模转换器输出的模拟信号上变频为射频信号；
功率放大器，用于对上变频器输出的射频信号进行功率放大并输出功率放大后的信号作为输出信号；
定向耦合器，用于将功率放大器的输出分支为两路信号，一路信号作为输出信号进行输出，另一路信号反馈给衰减器；
衰减器，用于接收定向耦合器反馈的信号，并对该反馈信号进行衰减；
下变频器，用于将衰减器输出的衰减信号下变频为基带信号；
模数转换器，用于将下变频器输出的基带信号转换为数字信号，作为反馈输出信号；
延时器，用于对原始输入信号进行延时，生成延时输入信号；以及
预失真数据更新器，用于接收模数转换器所输出的反馈输出信号和延时器所输出的延时输入信号，并根据所接收的反馈输出信号和延时输入信号对查询表函数和滤波器系数进行在线更新。
27.根据权利要求26所述的功率放大设备，其中预失真数据更新器被配置为根据权利要求1～8任一所述的非线性系统逆特性辨识方法在线更新预失真模块的查询表函数和滤波函数。
28.根据权利要求26所述的功率放大设备，其中预失真数据更新器被配置为按照下述方式在线更新预失真模块的查询表函数和滤波函数：
比较原始输入信号x(n)与反馈输出信号，按照下面的公式计算误差信号：
其中，F{·}、Q{·}、P{·}分别代表滤波函数、查询表函数和功率放大器函数，而z(n)＝x(n)·Q([|x(n)|])，
查询表函数Q{·}为
Q([|x(n)|])＝[q0，q1，...，qK-1]T
滤波器系数为
W＝[w1，w2，...，wL-1]T
L代表滤波器的记忆深度，[|·|]代表取模和量化；以及
按照下面的公式在线更新查询表函数和滤波器系数
其中
T
U＝[μ1，μ1，...，μL-1]
U和μq均为收敛步长。
29.一种在线更新功率放大设备的预失真模块的参数的方法，包括步骤：
比较功率放大设备的原始输入信号x(n)与反馈输出信号，按照下面的公式计算误差信号：
其中，F{·}、Q{·}、P{·}分别代表滤波器的滤波函数、查询表的查询表函数、以及功率放大器的放大函数，而
z(n)＝x(n)·Q([|x(n)|])，
查询表函数Q{·}为
Q([|x(n)|])＝[q0，q1，...，qK-1]T
滤波器系数为
W＝[w1，w2，...，wL-1]T
L代表滤波器的记忆深度，[|·|]代表取模和量化；以及
按照下面的公式在线更新查询表函数和滤波器系数
其中
T
U＝[μ1，μ1，...，μL-1]
U和μq均为收敛步长。

非线性系统逆特性辨识装置及方法、功率放大器及其预失\n真器\n技术领域\n[0001] 本发明一般地涉及非线性系统，特别是非线性功率放大器，尤其是无线通信系统的发射机(比如基站和移动台)中使用的非线性功率放大器。更具体地说，本发明涉及非线性系统尤其是非线性功率放大器的逆特性辨识装置和方法、功率放大器预失真器以及使用非线性系统逆特性辨识装置和预失真器的功率放大设备，其主要利用数字技术在基带实现预失真，以弥补非线性补功率放大器的无记忆非线性特性和记忆特性。\n背景技术\n[0002] 作为非线性系统的典型代表，功率放大器是很多电子设备的重要组成部分，它可以将微弱的电信号放大，以满足远程传输的需要。其中，放大的能量来自于直流电源，即功率放大器可以将直流能量转化为交流信号。\n[0003] 根据功率放大器的物理特性，随着输入信号的功率由小到大，反映功率放大器的输入信号与输出信号的功率关系的特性曲线可以分为线性区、非线性区和饱和区。图1示出功率放大器PA的非线性输入输出信号特性。在输入信号VIN幅度较小的区域，功率放大器PA的输出VOUT几乎是输入信号VIN的线性放大，但是随着输入信号VIN幅度的增大，功率放大器PA的非线性特性逐渐明显直到最后饱和。该非线性表现为在频域上，由于交调作用，被放大的信号的带外出现频谱展宽，带内则出现畸变，如图2所示，显示了由非线性功率放大器所引起的频谱展宽。\n[0004] 理想情况下，希望功率放大器仅仅起到线性放大的作用，即输出信号只是输入信号的简单线性放大，因此让功率放大器工作在线性区。但是此时功率放大器将直流信号转换为交流信号的效率非常低，造成大量能量的浪费，并且需要增加额外的散热设备。\n[0005] 因此，一方面为了提高功率放大器的效率，另一方面由于很多现代通信系统中的信号都有很大的动态范围(峰均功率比)，所以功率放大器往往需要在非线性区工作，从而导致输出信号的畸变(在频域上，带内出现畸变，带外则出现频谱展宽)。在功率放大器领域，通常将这种当前输出仅受当前输入影响的非线性功率放大器的畸变称作功率放大器的无记忆非线性特性。\n[0006] 在众多克服功率放大器非线性特性的方法中，基带预失真是一种备受关注的方法。如图3所示，示出用于抵消图1所示的非线性特性的功率放大器预失真器的输入输出信号特性的示意图。基带预失真技术通过使用预失真器PD模拟功率放大器PA的逆特性，使原始输入信号VIN在输入到功率放大器之前发生预畸变，从而补偿功率放大器PA的非线性，并在功率放大器的输出端获得没有畸变的放大输出信号VOUT。具有预失真处理功能的功率放大器的输入输出信号特性直到接近饱和区之前均表现出非常好的线性特性，如图4所示，示出设置有预失真器的功率放大器的输入输出信号特性的示意图。\n[0007] 但是，大多数工作良好的预失真器都针对单音调信号或者窄带频率信号。也就是说，大都用于补偿上面所提到的功率放大器的无记忆非线性。然而，随着信号的带宽越来越宽，功率放大器又表现出一定的记忆特性(频率选择性)，即当前的输出信号不仅与当前的输入信号有关，还与之前的输入信号有关，如图5所示，示出具有记忆特性的非线性功率放大器的输入输出信号特性的示意图。功率放大器的记忆特性在其输出上表现为载波附近的非对称频谱，如图6所示，示出由具有记忆特性的非线性功率放大器所放大的信号的频谱示意图。也就是说，尽管载波(期望信号)频谱是完全对称的，但是失真所导致的伪频谱对于中心载波来说却是非对称的。\n[0008] 因此，为了准确地模拟具有上述记忆特性的功率放大器的逆特性，就必须采用更加复杂的结构和方法来对功率放大器的逆特性进行建模和参数估计，以便实现预失真。目前用于同时补偿功率放大器的无记忆非线性特性和记忆特性两者的技术主要包括记忆多项式模型和二维查询表方法。\n[0009] 记忆多项式模型是Volterra模型的简化模型。Volterra模型采用Volterra级数来对非线性系统进行精确建模，通过仿真功率放大器的逆Volterra级数模型从理论上可以抵消功率放大器的无记忆非线性特性和记忆特性。虽然Volterra模型对于抵消功率放大器的无记忆非线性特性和记忆特性非常有效，但是其物理实现几乎是不可能的，因为需要使用复杂的公式，并且需要巨量的数学运算。为此，提出了简化的Volterra模型，即，记忆多项式模型。如图7所示，示出根据现有技术使用记忆多项式模型对具有记忆特性的非线性功率放大器的输入信号进行预失真处理的示意图，其中记忆多项式模型使用与当前输入和先前输入相关的多项式函数表示输出。抵消功率放大器的非线性的能力取决于所使用的先前输入的数量和多项式的阶数。精细地描述功率放大器的非线性特性需要使用含有高阶项的多项式，这往往引起大条件数的矩阵的产生，导致数值计算非常困难。\n[0010] 二维查询表方法则是根据功率放大器的当前输出与其当前输入和前一输入之间的关系，将功率放大器的逆特性制成查询表，从而在对输入信号进行功率放大之前利用从查询表中得到的加权系数对输入信号进行预失真，由此抵消功率放大器的非线性特性。如图8所示，示出根据现有技术使用二维查询表对具有记忆特性的非线性功率放大器的输入信号进行预失真处理的示意图。但是，二维查询表不仅需要很大的内存来存储大量的预失真数据，而且记忆深度有限，往往只利用当前输入和前一输入与输出的关系对功率放大器的输入信号进行预失真，用于抵消功率放大器的记忆特性。如果需要增加记忆深度，则多维查询表将变得非常复杂，而且很难实现。\n[0011] 对于类似于非线性功率放大器的其它非线性系统也存在以上类似的技术问题。\n发明内容\n[0012] 有鉴于此，本发明的一个目的是提供一种非线性系统逆特性辨识装置和方法，能够有效减少对存储设备和数值计算的要求。\n[0013] 本发明的另一个目的是提供一种功率放大器逆特性辨识装置和方法、功率放大器预失真器、以及使用功率放大器逆特性辨识装置和预失真器的功率放大设备，其主要利用数字技术在基带实现预失真，以弥补功率放大器的无记忆非线性特性和记忆特性，同时有效减少对存储设备和数值计算的要求。\n[0014] 根据本发明的一个方面，提供一种非线性系统逆特性辨识方法，用于根据非线性系统的原始输入信号x(n)及相应的反馈输出信号yG(n)对非线性系统的逆特性进行辨识，包括：查询表函数Q{·}生成步骤，根据逆滤波信号xF(n)和反馈输出信号yG(n)计算查询表函数Q{·}；中间预失真信号z(n)生成步骤，根据反馈输出信号yG(n)和查询表函数Q{·}生成中间预失真信号z(n)；滤波函数F{·}构造步骤，根据中间预失真信号z(n)和原始输入信号x(n)构造滤波函数F{·}；逆滤波步骤，利用滤波函数F{·}的参数按照公式xF(n)-1\n＝F {x(n)}对原始输入信号x(n)进行逆滤波生成逆滤波信号xF(n)；以及迭代重复以上各个步骤直到满足设定的条件为止；其中，查询表函数Q{·}和滤波函数F{·}代表非线性系统的逆特性。\n[0015] 根据本发明的另一个方面，提供一种非线性系统逆特性辨识装置，用于根据非线性系统的原始输入信号x(n)及相应的反馈输出信号yG(n)对非线性系统的逆特性进行辨识，包括：参数计算器，用于对非线性系统的逆特性进行辨识，生成表示非线性系统的逆特性的查询表函数Q{·}和滤波函数F{·}；以及收敛判决器，用于判定参数计算器所生成的查询表函数Q{·}和滤波函数F{·}是否满足设定的条件，并控制参数计算器迭代计算查询表函数Q{·}和滤波函数F{·}；其中所述参数计算器包括：查询表生成器，用于根据逆滤波信号xF(n)和反馈输出信号yG(n)计算查询表函数Q{·}；中间预失真器，用于根据反馈输出信号yG(n)和查询表生成器所计算的查询表函数Q{·}生成中间预失真信号z(n)；滤波参数计算器，用于根据中间预失真器所生成的中间预失真信号z(n)和原始输入信号x(n)构造滤波函数F{·}；以及逆滤波器，用于利用滤波参数计算器所构造的滤波函数F{·}按-1\n照公式xF(n)＝F {x(n)}对原始输入信号x(n)进行逆滤波生成逆滤波信号xF(n)。\n[0016] 根据本发明的再一个方面，提供一种功率放大器预失真器，包括：地址发生器，用于对原始输入信号进行取模、量化后转化为查询表地址；一维查询表，按照查询表函数Q{·}进行配置，并根据地址发生器输出的查询表地址输出校正因子；乘法器，用于将原始输入信号与一维查询表输出的校正因子相乘，获得中间预失真信号；以及滤波器，按照滤波函数F{·}进行配置，并对乘法器所输出的中间预失真信号进行滤波，生成预失真信号；其中，查询表函数Q{·}和滤波函数F{·}根据上面所述的非线性系统逆特性辨识方法生成或者根据上面所述的非线性系统逆特性辨识装置生成。\n[0017] 根据本发明的另一个方面，提供一种功率放大设备，包括：预失真模块，用于对原始输入信号进行预失真，输出预失真输入信号；数模转换器，用于将预失真模块所输出的预失真输入信号转换为模拟信号；上变频器，用于将从数模转换器输出的模拟信号上变频为射频信号；功率放大器，用于对上变频器输出的射频信号进行功率放大并输出功率放大后的输出信号；其中，所述预失真模块的结构与前面所限定的功率放大器预失真器的结构相同。\n[0018] 根据本发明的再一个方面，提供一种功率放大设备，包括：预失真模块，其结构与根据前面所限定的功率放大器预失真器的结构相同，用于对原始输入信号进行预失真，输出预失真输入信号；数模转换器，用于将预失真模块所输出的预失真输入信号转换为模拟信号；上变频器，用于将从数模转换器输出的模拟信号上变频为射频信号；功率放大器，用于对上变频器输出的射频信号进行功率放大并输出功率放大后的输出信号；定向耦合器，用于将功率放大器的输出分支为两路信号，一路信号作为输出信号进行输出，另一路信号反馈给衰减器；衰减器，用于接收定向耦合器反馈的信号，并对该反馈信号进行衰减；下变频器，用于将衰减器输出的衰减信号下变频为基带信号；模数转换器，用于将下变频器输出的基带信号转换为数字信号，作为反馈输出信号；延时器，用于对原始输入信号进行延时，生成延时输入信号；以及预失真数据更新器，用于接收模数转换器所输出的反馈输出信号和延时器所输出的延时输入信号，并根据所接收的反馈输出信号和延时输入信号对查询表函数和滤波器系数进行在线更新。\n[0019] 根据本发明的另一个方面，提供一种在线更新功率放大设备的预失真模块的参数的方法，包括步骤：\n[0020] 比较功率放大设备的原始输入信号x(n)与反馈输出信号，按照下面的公式计算误差信号：\n[0021] \n[0022] \n[0023] \n[0024] 其中，F{·}、Q{·}、P{·}分别代表滤波器的滤波函数、查询表的查询表函数、以及功率放大器的放大函数，而\n[0025] z(n)＝x(n)·Q([|x(n)|])，\n[0026] 查询表函数Q{·}为\n[0027] Q([|x(n)|])＝[q0，q1，...，qK-1]T\n[0028] 滤波器系数为\n[0029] W＝[w1，w2，...，wL-1]T\n[0030] L代表滤波器的记忆深度，[|·|]代表取模和量化；以及\n[0031] 按照下面的公式在线更新查询表函数和滤波器系数\n[0032] \n[0033] 其中\nT\n[0034] U＝[μ1，μ1，...，μL-1]\n[0035] U和μq均为收敛步长。\n[0036] 根据本发明的上述非线性系统逆特性辨识装置和方法、功率放大器预失真器、以及使用功率放大器逆特性辨识装置和预失真器的功率放大设备，避免了由于矩阵高条件数引起的数值计算困难。\n[0037] 在下面的说明书部分中给出本发明的其他方面，其中，详细说明用于充分地公开本发明的优选实施例，而不对其施加限定。\n附图说明\n[0038] 下面结合具体的实施例，并参照附图，对本发明的上述和其它目的和优点做进一步的描述。在附图中，相同的或对应的技术特征或部件将采用相同或对应的附图标记来表示。\n[0039] 图1是示出功率放大器的输入输出信号的非线性特性的示意图；\n[0040] 图2是示出由非线性功率放大器所放大的信号的频谱示意图；\n[0041] 图3是示出用于抵消图1所示的非线性特性的功率放大器预失真器的输入输出信号特性的示意图；\n[0042] 图4是示出设置有预失真器的功率放大器的输入输出信号特性的示意图；\n[0043] 图5是示出具有记忆特性的非线性功率放大器的输入输出信号特性的示意图；\n[0044] 图6是示出由具有记忆特性的非线性功率放大器所放大的信号的频谱示意图；\n[0045] 图7是示出根据现有技术使用记忆多项式模型对具有记忆特性的非线性功率放大器的输入信号进行预失真处理的示意图；\n[0046] 图8是示出根据现有技术使用二维查询表对具有记忆特性的非线性功率放大器的输入信号进行预失真处理的示意图；\n[0047] 图9是示出利用Hammerstein模型构建非线性系统的逆特性的结构示意图；\n[0048] 图10是示出本发明所采用的用于获得非线性系统的逆特性的间接学习法的原理示意图；\n[0049] 图11是示出根据本发明的间接学习法离线获得非线性系统的逆特性的辨识装置的原理示意图；\n[0050] 图12是示出根据本发明的间接学习法离线获得非线性系统的逆特性的辨识方法的优化处理过程的流程图；\n[0051] 图13是示出根据本发明的一个优选实施例的非线性系统逆特性辨识装置的方框图；\n[0052] 图14是示出用于收集功率放大器的输入输出数据的装置结构的方框图；\n[0053] 图15是示出根据本发明的能够实现预失真的非线性功率放大设备的结构方框图；\n[0054] 图16是示出根据本发明的能够在线更新升级预失真模块的参数的功率放大设备的结构原理图；以及\n[0055] 图17是示出个人计算机的示例性结构的框图。\n具体实施方式\n[0056] 下面参照附图来说明本发明的实施例。\n[0057] 本发明对于非线性系统逆特性的辨识基于常用的Hammerstein模型。\nHammerstein模型是考虑了非线性系统的记忆特性而建立的一种非线性结构模型，由无记忆非线性模型和线性时变系统两部分串联构成。图9示出了利用Hammerstein模型90构建非线性系统的逆特性的结构示意图。如图9所示，Hammerstein模型90包括地址发生器\n91、查询表(Look-Up Table，LUT)92、FIR(有限冲激响应)滤波器93以及乘法器95。地址发生器91根据输入信号x(n)生成用来查询LUT 92的地址，然后根据该地址从LUT 92中选择用复数表示的系数。在将复数系数与输入信号x(n)在乘法器95相乘之后，所得到的乘积通过FIR滤波器93进行数字滤波，从而形成最终的预失真信号u(n)。这里，用k表示LUT 92的地址。\n[0058] 一维LUT可以用于补偿非线性系统的无记忆非线性特性，滤波器用于补偿非线性系统的记忆特性，从而避免了占用大量的内存和高阶多项式的使用，减少了运算量。因此，问题转化为如何构建该一维LUT和FIR滤波器的参数，使得二者结合能够较好地拟和非线性系统的综合非线性特性。为此，本发明采用“间接学习法”。图10示出了本发明所采用的用于获得非线性系统的逆特性的间接学习法的原理。\n[0059] 通常情况下，非线性系统的特性不会随时间频繁地发生变化，因此学习算法和辨识预失真模型A的模块可以在收集一些输入和输出数据样点(例如n个输入数据样点和n个输出数据样点)后进行离线数据处理。在进行辨识后，将新参数发送到非线性系统的预失真模型A模块，以便对非线性系统的综合非线性进行补偿。如图10所示，这一过程是通过在离线更新数据时，使用所收集的输入和输出数据样点，通过极小化误差信号e(n)来获得非线性系统的逆特性(估计模型A的参数)。在图10中，x(n)为非线性系统的输入，y(n)为非线性系统的输出，G为非线性系统的期望增益系数，而yG(n)称为非线性系统的反馈输出。预失真模型A模块可以用现场可编程门阵列(FPGA)等各种可编程器件实现，从而容易地实现现场更新非线性系统的时变参数等。\n[0060] 图11示出根据间接学习法离线获得非线性系统的逆特性的辨识装置，即图10所示的学习算法和辨识预失真模型A的模块的原理示意图。该装置的原理基于图10所示的间接学习法。图中的数据收集存储模块301将收集存储的非线性系统的输入输出数据送给辨识模块300，辨识模块300则将这些数据映射输出后与数据收集存储模块301存储的非线性系统的输入数据经加法器306进行比较，并用误差信号e(n)作为修正辨识模块300中参数的依据。\n[0061] 辨识模块300包含地址发生器302、查询表303、乘法器304和双滤波器305。这里的地址发生器302、查询表303、乘法器304和双滤波器305分别相应于图9所示的地址发生器91、查询表92、乘法器95和FIR滤波器93，其具体工作原理将结合下文具体描述。\n[0062] 根据图11可知，误差信号e(n)可以表示为\n[0063] \n[0064] \n[0065] \n[0066] 其中x(n)表示图10所示的输入信号。在图10所示的非线性系统的期望增益为G，非线性系统的输出为y(n)的情况下，yG(n)可以用下式表示\n[0067] yG(n)＝y(n)/G (2)\n[0068] 表示辨识信号(输入信号x(n)的估计值)，记为\n[0069] \n[0070] 中间预失真信号z(n)为\n[0071] z(n)＝yG(n)·Q([|yG(n)|]) (4)\n[0072] 这里，F{·}代表滤波器305的滤波函数，Q{·}代表查询表303的查询表函数。\n[0073] [|·|]代表地址发生器302所执行的取模和量化，即\n[0074] k＝[|yG(n)|] k＝0，...，K-1 (5)\n[0075] k对应查询表当中的一个地址(例如0～255)。\n[0076] 由此，对非线性系统的逆特性进行辨识的问题转化为通过设计滤波器305与查询表303的参数来极小化误差信号e(n)。考虑到e(n)是一个时间序列，该辨识问题可以写作：\n[0077] \n[0078] 这里\n[0079] \n[0080] 为了能有效地极小化函数E，最好的办法是联合优化F{·}和Q{·}。本实施例提出一种计算方法，通过交替优化计算F{·}和Q{·}来极小化E，以优化得到的F{·}和Q{·}(滤波器305和查询表303)来逼近非线性系统的逆特性。\n[0081] 首先来分析计算函数Q{·}。查询表的内容可以通过分析每个样点的增益获得，这里每个样点的增益可表示为\n[0082] gp(n)＝x(n)/yG(n) (8)\n[0083] 也就是说，每一个gp(n)对应一个yG(n)y也就对应一个查询表当中的地址k，将具有相同地址k值的gp(n)归为一类(划入一个组)，将其记作\n[0084] GPk＝[gp(i)，...gp(j)] 0＜k＜K-1，\n[0085] 1＜i，j＜N (9)\n[0086] 将每个组内的gp(n)分别对模值和相位取平均，可以获得折衷的增益特性，即[0087] gk＝mean(|GPk|) (10)\n[0088] pk＝mean(∠GPk) (11)\n[0089] 于是，可以获得查询表函数Q{·}\n[0090] Q{·}＝Gain⊙exp(j·Phase) (12)\n[0091] 其中\n[0092] Gain＝[g0，...，gi，...]T (13)\n[0093] Phase＝[p0，...pi，...]T (14)\n[0094] 并且，⊙表示Hadamard乘积，上标T表示将矩阵转置。\n[0095] 在根据公式(12)获得查询表函数Q{·}后，可以根据公式(4)计算中间预失真信号z(n)。\n[0096] 应该指出的是，在上面计算折衷增益特性的时候，选择的是每个组内gp(n)的模值和相位各自的平均值。当然也可以使用其它本领域技术人员公知的算法来获得该折衷的增益特性，比如中值法、最小二乘法等等，在此省略具体的相关描述。\n[0097] 下面分析计算滤波函数F{·}，这可以通过最小二乘法获得。在得到中间预失真信号z(n)后，为了获得最优的滤波函数F{·}以逼近输入信号x(n)，可根据最小二乘法得到滤波器系数：\n[0098] W＝(ZMHZM)-1·ZMH·X (15)\n[0099] 其中\n[0100] X＝[x(1)，x(2)，...，x(N)]T (16)\n[0101] \n[0102] 这里，N是收集的数据的长度，L是FIR滤波器的阶数(记忆深度)。\n[0103] 在根据公式(15)计算得到滤波器的参数W后，滤波函数F{·}用矩阵和向量形式可以表示为：\n[0104] F{z(n)}＝ZM·W (18)\n[0105] 然后，根据公式(3)和公式(18)可以得到输入信号x(n)的估计值 从而根据公式(1)计算误差信号e(n)。如果误差信号e(n)满足设定的条件，则认为输入信号x(n)的估计值 满足要求。这意味着当前所使用的查询表函数Q{·}和滤波函数F{·}很好地拟和了非线性系统的特性，可以用作图10所示的预失真模型A的参数。\n[0106] 另一方面，如果误差信号e(n)不满足设定的条件，则输入信号x(n)的估计值不能满足要求，需要对查询表函数Q{·}和滤波函数F{·}进行进一步的修正。此时，利用滤波器305对输入信号x(n)按照下式进行逆滤波得到逆滤波信号xF(n)：\n[0107] xF(n)＝F-1{x(n)} (19)\n[0108] 然后，使用该逆滤波信号xF(n)代替公式(8)中的原始输入信号x(n)与非线性系统的反馈输出信号yG(n)一起，利用公式(4)、(5)以及公式(12)至公式(18)重新计算查询表函数Q{·}和滤波函数F{·}。接着，再根据公式(1)计算误差信号e(n)，直到满足设定的条件为止。\n[0109] 这里，设定的条件可以为在获得误差信号e(n)后，检查下面的公式(20)所示的标准均方误差NMSE是否收敛或者判断迭代次数是否大于某个门限值。\n[0110] \n[0111] 当然，本领域的技术人员应该理解，设定的条件不仅限于这里所提到的标准均方误差NMSE，也可以是其它的判定标准，比如均方误差MSE、峰值均方误差PMSE等等。\n[0112] 图12示出了由图11所示的辨识模块300执行的优化处理过程的流程图，即如何根据非线性系统的输入信号x(n)和输出信号y(n)来获得用于表征非线性系统的逆特性的查询表303函数Q{·}和滤波器305的函数F{·}。\n[0113] 如图12所示，首先在步骤S1201获取非线性系统的原始输入信号x(n)，以及经过非线性系统处理、然后经过反馈和衰减所得到的由辨识模块300处理的输出信号yG(n)。\n[0114] 接着，在步骤S1202将输出信号yG(n)逐个样点地进行取模与量化操作，根据公式(5)获得与每个样点的输出信号yG(n)对应的地址编号k。之后，在步骤S1203，设定初始标准均方误差NMSE0，并令迭代变量i＝0。\n[0115] 然后，在步骤S1204根据公式(8)～(14)进行分组与平均，获得查询表函数Q{·}。\n首先，根据公式(8)获得逐点增益gp(n)，并根据公式(9)将逐个样点增益按照对应的输出信号地址划分成若干组。接着，根据(10)～(14)获取查询表函数Q{·}。\n[0116] 在计算获得查询表函数Q{·}之后，在步骤S1205，根据公式(4)计算中间预失真信号z(n)。之后，在步骤1206对迭代变量i递增1，即i＝i+1。\n[0117] 然后，在步骤S1206进行滤波器设计获得滤波函数F{·}，并计算标准均方误差NMSEi。首先，根据公式(17)构造滤波矩阵ZM并根据公式(15)获得滤波函数F{·}。然后根据公式(3)和公式(18)计算输入信号x(n)的估计值 并根据公式(20)计算标准均方误差NMSEi。\n[0118] 在获得标准均方误差NMSEi之后，在步骤S1208判断是否标准均方误差NMSEi收敛或者迭代次数是否大于某个门限值。如果是，则处理流程前进到步骤S1209，将当前的查询表函数Q{·}和滤波函数F{·}输出给现场可编程门阵列FPGA，以便从硬件上实现预失真器。\n[0119] 如果在步骤S1208的判断结果表明标准均方误差NMSEi不收敛并且迭代次数不大于某个门限值，则处理流程前进到步骤S1210，利用滤波器对输入信号x(n)进行逆滤波得-1\n到xF(n)＝F {x(n)}。\n[0120] 然后，处理流程返回到步骤S1204，重复迭代执行步骤S1204～S1208。使用该逆滤波信号xF(n)代替公式(8)中的原始输入信号x(n)与非线性系统的反馈输出信号yG(n)一起，利用公式(4)、(5)以及公式(12)至公式(18)重新计算查询表函数Q{·}和滤波函数F{·}。接着，再根据公式(20)计算标准均方误差NMSEi，直到标准均方误差NMSEi收敛或者迭代次数大于某个门限值为止。\n[0121] 下面将详细描述实现上述辨识方法的优选非线性系统逆特性辨识装置的结构。如图13所示，示出根据本发明的一个优选实施例的非线性系统逆特性辨识装置的方框图。\n[0122] 在图13所示的数据存储设备810中存储有原始输入信号x(n)和经过衰减的反馈输出信号yG(n)，这些信号被送给参数计算器800。参数计算器800包括地址发生器801、查询表生成器802、滤波参数计算器803、中间预失真器804、滤波器805、逆滤波器806以及选择器807等单元。\n[0123] 反馈输出信号yG(n)输入参数计算器800后，由地址发生器801按照公式(5)转换为地址k。所转换的地址k和反馈输出信号yG(n)一起被输入到查询表生成器802。另外，查询表生成器802还输入来自选择器807的信号x(n)或逆滤波信号xF(n)，并根据公式(8)～(14)生成查询表函数Q{·}，将所生成的查询表函数Q{·}输出到中间预失真器\n804。\n[0124] 中间预失真器804接收来自查询表生成器802的查询表函数Q{·}和反馈输出信号yG(n)，从而根据公式(4)生成中间预失真信号z(n)，并将所生成的中间预失真信号z(n)分别输出到滤波参数计算器803和滤波器805。\n[0125] 滤波参数计算器803接收来自中间预失真器804的中间预失真信号z(n)和原始输入信号x(n)，并根据公式(15)～(18)生成滤波函数F{·}。所生成的滤波函数F{·}分别输出到滤波器805和逆滤波器806。\n[0126] 滤波器805根据滤波参数计算器803所生成的滤波函数F{·}，根据公式(3)对中间预失真器804所生成的中间预失真信号z(n)进行处理生成原始输入信号的估计值并将所生成的原始输入信号的估计值 输出到NMSE计算器808。\n[0127] NMSE计算器808接收滤波器805所生成的原始输入信号的估计值 和原始输入信号x(n)，并按照公式(20)计算输出标准均方误差NMSE到收敛判决器811。\n[0128] 与滤波器805对称设置的逆滤波器806也接收来自滤波参数计算器803的滤波函数F{·}，并使用该滤波函数F{·}对原始输入信号x(n)进行逆滤波，输出逆滤波信号xF(n)到选择器807。\n[0129] 选择器807用于选择原始输入信号x(n)和逆滤波信号xF(n)，根据需要将二者之一输出到查询表生成器802。具体地说，一般情况下在第一次迭代计算查询表函数Q{·}和滤波函数F{·}时，选择器807将原始输入信号x(n)输出到查询表生成器802，但在之后的迭代计算中选择逆滤波器806所生成的逆滤波信号xF(n)输出到查询表生成器802。\n[0130] 收敛判决器811记录标准均方误差NMSE和迭代步数，并以标准均方误差NMSE或者迭代步数作为判定条件。如果不满足判定条件，即，如果标准均方误差NMSE没有收敛或者迭代步数不超过预定阈值，则收敛判决器811控制参数计算器800反复迭代执行上述过程。如果满足判定条件，即，如果标准均方误差NMSE收敛或者迭代步数超过了预定阈值，则收敛判决器811控制参数计算器800输出最新计算得到的滤波函数F{·}和查询表函数Q{·}。\n[0131] 下面将以非线性功率放大器为例具体说明如何利用上面所述的非线性系统逆特性辨识方法和辨识装置来对功率放大器的无记忆非线性特性和记忆特性进行补偿，从而扩展其线性放大区。也就是说，如何利用上面所述的非线性系统逆特性辨识方法和辨识装置来对非线性功率放大器进行预失真。\n[0132] 首先需要对非线性功率放大器的输入输出数据进行收集，以便对其逆特性进行辨识。图14示出了用于收集功率放大器的输入输出数据的装置结构的方框图。需要指出的是，这里的功率放大器是以通信系统中基站和移动台的发射机所常用的功率放大器为例进行说明的，当然该功率放大器也可以应用到其它场合中。\n[0133] 如图14所示，该用于收集功率放大器的输入输出数据的装置包括：数模转换器\n101，用于将数字输入信号x(n)转换为模拟信号(为基带信号)；上变频器102，用于将从数模转换器101输出的基带信号上变频为射频信号；功率放大器103，用于对上变频器102输出的射频信号进行功率放大；定向耦合器104，用于将功率放大器103的输出分支为两路信号，一路信号作为输出信号y(n)进行输出，另一路信号反馈给衰减器105；衰减器105，用于接收定向耦合器104反馈的功率放大器103的输出，并对该反馈信号进行衰减；下变频器\n106，用于将衰减器105输出的衰减信号下变频为基带信号；模数转换器107，用于将下变频器106进行下变频所得到的基带信号转换为数字信号，即，反馈输出信号yG(n)；以及数据收集存储模块100，用于收集存储原始输入信号x(n)和反馈输出信号yG(n)。数据收集存储模块100中所存储的原始输入信号x(n)和反馈输出信号yG(n)用向量形式表示如下：\n[0134] X＝[x(1)，x(2)，......，x(n)] (21)\n[0135] YG＝[yG(1)，yG(2)，......，yG(n)] (22)\n[0136] 在使用图14所示的装置收集了功率放大器的原始输入信号x(n)和反馈输出信号yG(n)之后，可以使用图12所示的非线性系统逆特性辨识方法或图13所示的非线性系统逆特性辨识装置对该功率放大器的逆特性进行辨识，从而获得滤波函数F{·}和查询表函数Q{·}。\n[0137] 在获得滤波函数F{·}和查询表函数Q{·}之后，就可以构建功率放大器的预失真模块并用来对功率放大器的输入信号x(n)进行预失真，从而使功率放大器获得良好的线性输出。图15示出了根据本发明的实施例能够实现预失真的非线性功率放大设备的结构方框图。\n[0138] 如图15所示，该能够实现预失真的非线性功率放大设备包括：预失真模块400，用于对输入信号x(n)进行预失真，输出预失真信号；数模转换器405，用于将预失真模块400所输出的预失真信号转换为模拟信号(为基带信号)；上变频器406，用于将从数模转换器\n405输出的基带信号上变频为射频信号；功率放大器407，用于对上变频器406输出的射频信号进行功率放大并输出功率放大后的输出信号y(n)。此时，功率放大设备所输出的信号y(n)已经消除了功率放大器的无记忆非线性特性和记忆特性，具有良好的线性特性。\n[0139] 图15所示的预失真模块400包括：地址发生器401，用于对输入信号x(n)进行取模、量化后转化为查询表地址；一维查询表402，按照根据上面所述的辨识方法或辨识装置所得到的查询表函数Q{·}进行配置，并根据地址发生器401输出的查询表地址输出校正因子；乘法器403，用于将原始输入信号x(n)与一维查询表402输出的校正因子相乘，得到中间预失真信号；以及滤波器404，按照利用上面所述的辨识方法或辨识装置得到的滤波函数F{·}进行配置，并对乘法器403所输出的中间预失真信号进行滤波完成预失真，输出预失真信号到数模转换器405。\n[0140] 另外，也可以将图14所示的用于收集功率放大器的输入输出数据的装置中的定向耦合器104、衰减器105、下变频器106、模数转换器107、以及数据收集存储模块100结合到图15所示的功率放大设备中，以便构成具有数据收集存储功能和预失真功能两者的功率放大设备。\n[0141] 根据如上配置的具有预失真模块的非线性功率放大设备，利用数字技术在基带实现了预失真，不仅能够弥补功率放大器的无记忆非线性特性和记忆特性，而且能够有效减少对存储设备的容量要求并大大降低了对数值计算的要求。\n[0142] 上面所描述的是利用事先收集存储的功率放大器的输入信号x(n)和反馈输出信号yG(n)对功率放大器的逆特性进行离线辨识，然后根据辨识结果配置功率放大器的预失真模块。\n[0143] 但是，正如在前文中所提到的，非线性功率放大器作为一种非线性系统，其输出特性会随着时间的变化而发生变化。虽然这种变化短时间内并不显著，但是随着时间的延长其特性必然发生变化，因而最好定时对功率放大器的逆特性进行辨识，以便使其输出总是表现出良好的线性形态。\n[0144] 为了避免定期辨识功率放大器的逆特性并定期更新其预失真模块的参数所带来的烦琐工作，本实施例还提出一种在线更新升级预失真模块的参数的功率放大方法和设备。如图16所示，示出了根据本发明的能够在线更新升级预失真模块的参数的功率放大设备的结构原理图。\n[0145] 图16所示的功率放大设备包括预失真模块400、数模转换器405、上变频器406、功率放大器407、定向耦合器104、衰减器105、下变频器106、模数转换器107、预失真数据更新器600、以及延时器601。除了预失真数据更新器600和延时器601以外，其余的各个单元分别与图14和图15所示的相应单元的结构相同，并用相同的附图标记表示，在此省略其详细描述。\n[0146] 在图16所示的具有在线更新预失真模块的功率放大设备中，首先原始数字输入信号x(n)输入预失真模块400，经地址发生器401取模、量化后转换为查询表地址。根据该查询表地址从一维查询表402中读取校正因子，并将该校正因子与原始数字输入信号x(n)在乘法器403中相乘。相乘后的结果再经滤波器404进行滤波完成预失真处理，生成预失真信号。接着，预失真信号经数模转换器405和上变频器406变为射频模拟信号，发送给功率放大器407进行功率放大并输出放大后的信号y(n)。\n[0147] 放大后的输出信号y(n)经定向耦合器104反馈回来，然后经衰减器105衰减，之后下变频器106将信号下变频到基带，再由模数变换器107将基带信号转换为数字信号，并输入到预失真数据更新器600中。\n[0148] 原始的数字输入信号x(n)则有一路经过延时器601延时后也输入到预失真数据更新器600中。预失真数据更新器600相当于图11所示的辨识模块300，并且根据下面的算法更新预失真模块400中的滤波函数F{·}和查询表函数Q{·}。\n[0149] 从图16中可以推导出，将原始的数字输入信号x(n)与反馈回来的数字输出信号相比较可以得到误差信号：\n[0150] \n[0151] \n[0152] \n[0153] 其中，P{·}代表功率放大器函数，而\n[0154] z(n)＝x(n)·Q([|x(n)|]) (24)\n[0155] 查询表函数Q{·}可以写作\n0 1 K-1 T\n[0156] Q([|x(n)|])＝[q，q，...，q ] (25)\n[0157] 滤波器系数可以整理为\nT\n[0158] W＝[w1，w2，...，wL-1] (26)\n[0159] L仍然代表记忆深度。\n[0160] 于是查询表函数和滤波器系数可以按照下式更新：\n[0161] \n[0162] 其中\n[0163] U＝[μ1，μ1，...，μL-1]T (28)\n[0164] U和μq都是收敛步长。\n[0165] 当然，预失真数据更新器600也可以按照前面所述的非线性逆特性辨识方法利用最新获取的原始输入信号x(n)和反馈输出信号yG(n)对功率放大器的逆特性进行在线辨识，以获取实时的查询表函数Q{·}和滤波函数F{·}。\n[0166] 在获得了新的查询表函数和滤波函数后，就可以对预失真模块400中的相应参数进行修改，在此省略了由图16所示的预失真模块400和预失真数据更新器600所执行的处理方法的流程的详细描述。\n[0167] 根据本实施例所公开的辨识装置及辨识方法，不仅能够同时减少对存储设备和数值计算的要求，而且能够实现预失真模块参数的在线更新，从而实时保证了功率放大器的线性特性。\n[0168] 上面以非线性功率放大器作为示例详细描述了如何对时变非线性系统进行离线和在线逆特性辨识，并根据辨识结果对非线性系统进行预失真。\n[0169] 如上所述，本发明采用一个一维查询表和有限冲激响应(FIR)滤波器串联来描述功率放大器的非线性特性，从而避免了应用记忆多项式模型中所使用的很多高阶项来精确描述功率放大器的非线性特性，因为高阶项的使用往往导致相应地矩阵的条件数很高，给精确获取记忆多项式参数和预失真带来了困难。而且，根据本发明的功率放大器预失真器、以及使用功率放大器逆特性辨识装置和预失真器的功率放大设备采用的是一维查询表，大大节省了内存需要。\n[0170] 另外，还应该指出的是，上述系列处理和装置也可以通过软件和/或固件实现。在通过软件和/或固件实现的情况下，从存储介质或网络向具有专用硬件结构的计算机，例如图17所示的通用个人计算机700安装构成该软件的程序，该计算机在安装有各种程序时，能够执行各种功能等等。\n[0171] 在图17中，中央处理单元(CPU)701根据只读存储器(ROM)702中存储的程序或从存储部分708加载到随机存取存储器(RAM)703的程序执行各种处理。在RAM 703中，也根据需要存储当CPU 701执行各种处理等等时所需的数据。\n[0172] CPU 701、ROM 702和RAM 703经由总线704彼此连接。输入/输出接口705也连接到总线704。\n[0173] 下述部件连接到输入/输出接口705：输入部分706，包括键盘、鼠标等等；输出部分707，包括显示器，比如阴极射线管(CRT)、液晶显示器(LCD)等等，和扬声器等等；存储部分708，包括硬盘等等；和通信部分709，包括网络接口卡比如LAN卡、调制解调器等等。通信部分709经由网络比如因特网执行通信处理。\n[0174] 根据需要，驱动器710也连接到输入/输出接口705。可拆卸介质711比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器710上，使得从中读出的计算机程序根据需要被安装到存储部分708中。\n[0175] 在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可拆卸介质711安装构成软件的程序。\n[0176] 本领域的技术人员应当理解，这种存储介质不局限于图17所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质711。可拆卸介质711的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者，存储介质可以是ROM 702、存储部分708中包含的硬盘等等，其中存有程序，并且与包含它们的设备一起被分发给用户。\n[0177] 还需要指出的是，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。\n[0178] 虽然已经详细说明了本发明及其优点，但是应当理解在不脱离由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且，本申请的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。