CN1343387A - 幅度重构放大器的闭环校准 - Google Patents

Abstract

一种用于校准与线性化放大器(102_N－1)的校准方法与装置,其中将输入信号(V_in)分解到N条信道(x₁(n))中。然后建立放大器的模型来为各信道生成估算的转换函数。利用估算的各信道的转换函数,为在放大之前作用在各信道上的均衡器计算均衡器值,从而能够通过非线性放大器放大幅度与/或相位调制的信号。

Description

幅度重构放大器的闭环校准

本申请为1998年3月6日提交的并转让给本发明的共同受让人的名为“采用幅度和/或调角载波的幅度重构的放大”的申请序号为08/036,372的部分继续申请。

发明领域

本发明涉及信号放大领域，更具体地，本发明涉及用具有符合许多蜂窝式或无线通信系统要求的低畸变的饱和或接近饱和的放大器，诸如符合AMPS、TDMA、GSM、及CDMA要求的放大器，以放大多个射频(RF)载波信号。

发明背景

蜂窝式电话系统是移动通信系统的重要实例。可将蜂窝式移动电话系统分类为采用模拟调制与采用数字调制的系统。使用最广的蜂窝式电话系统之一为一般称作高级移动电话系统(AMPS)。

AMPS蜂窝式电话系统通常包含移动电信交换局(MTSO)、若干基地台(信元台)、数据链接网、任选的中继器与变换器、以及移动用户单元(如移动电话)。MTSO为连接移动单元与陆线电话网之间的呼叫的专用交换机。MTSO的作用为将话音信道分配给各基地台。数据链路网在基地台与MTSO之间传输数据，并可包含有线或无线通信链路。各基地台通常包括天线、控制器及若干收发机。控制器处理通过建立的信道在交换系统与移动单元之间连接呼叫的过程。移动单元包括收发机与控制单元来执行双向通信。

这些电话系统通常采用调制解调器在MTSO与收发机之间传输信息。在单一信道上普遍执行均衡。例如，调制解调器中经常使用单信道均衡来减少由信道效应引起的进入信号的畸变。换言之，调制解调器中的均衡器补偿到达信号接收位置的有线线路效应。

其它使用中的蜂窝式电信系统包含时分多址联接(TDMA)系统及码分多址联接(CDMA)系统，它们是以所采用的数字调制类型命名的。欧洲数字蜂窝式系统称作移动通信全球系统(GSM)。这一系统采用TDMA调制。然而CDMA快成为标准并取代许多TDMA系统。IS-95北美数字蜂窝式系统采用CDMA调制。

发明概述

本发明描述了用于校准线性放大器的校准方法与装置。本发明方法的一个实施例包含模拟放大器信道与放大器以生成用于信道对中各信道的估算的放大器转换函数。利用各信道的估算的数据信道放大器转换函数，为均衡器计算放大以前作用在信道对中各信道上的均衡器值(如系数值)。

附图简要说明

从下面给出的详细描述及本发明的各种实施例的附图中将更全面地理解本发明，然而不应将本发明限制在这些特定实施例上，这些实施例只是为了说明与理解本发明。

图1为基地台的一部分的框图。

图2A-2C示出通过数模转换器输出的输入与校准信号的频率计划。

图3为数字处理器的框图。

图4A-C示出用于在数字下变频器中的处理的频率计划。

图5A-D示出用于在数字上变频器内的处理及用数模转换器进行的转换的频率计划。

图6为根据幅度重构原理的线性放大器的框图。

图7为作为校准过程的一部分的配对的实际放大器与模型放大器的框图。

图8为在计算均衡器时使用的系统结构的框图。

图9为校准过程的一个实施例的流程图。

本发明的详细描述

本发明描述了用于线性化饱和的或接近饱和的(如大约1db)放大器的方法与装置。在下面的描述中，陈述了诸如放大器的数目、协议类型等许多细节。然而，对于熟悉本技术的人员，显而易见可不用这些特定细节实践本发明。在其它实例中，为了避免冲淡本发明，众所周知的结构与器件是以框图形式而不是以细节示出的。

下面的详细描述的一些部分是用计算机存储器中的数据位上的算法与运算的符号表示提出的。这些算法描述与表示是熟悉数据处理技术的人员用来最有效地将他们的工作的实质传达给其它熟悉本技术的人员的手段。这里通常将算法设想为引导到所期望的结果的自相容的步骤序列。这些步骤是需要物理量的物理操作的步骤。通常，虽然并非必要，这些量采取能存储、传输、组合、比较、及操作的电或磁信号的形式。已证明主要是为了公共使用的原因将这些信号称作位、值、元素、符号、字符、项、数等是时常方便的。

然而，应记住所有这些与类似的要与适当的物理量关联的术语是应用在这些量上的方便标记。除非特别说明否则从下面的讨论中显而易见，在整个本发明中利用诸如“处理”或“计算”或“运算”或“确定”或“显示”之类的术语的讨论指称计算机系统或类似电子计算设备的动作与过程，它将作为计算机系统的寄存器与存储器中作为物理(电子)量表示的数据操作与变换成计算机系统存储器或寄存器或其它这种信息存储、传输或显示设备中作为物理量类似地表示的其它数据。

本发明还涉及用于执行这里的操作的装置。这一装置可以是专门为发明的目的构建的，或者可包括用存储在计算机中的计算机程序有选择地激活或重新配置的通用计算机。可将这一计算机程序存储在诸如(但不限于)包含软盘、光盘、CD-ROM、及磁光盘在内的任何类型的盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁或光卡、或适用于存储电子指令的任何类型的介质，并各耦合在计算机系统总线上的计算机可读的存储介质中。这里提出的算法与显示并不内在地与任何特定计算机或其它装置相关。各种通用机器可用于按照这里的教导的程序，或者可证明构成更专门化的装置来执行要求的方法步骤是方便的。从下面的描述中将出现各式各样的机器所需的结构。此外，本发明不是参照任何特定编程语言描述的。应理解可使用各式各样的编程语言来实现这里所描述的发明的教导。概述

这里所描述的装置能够将通常用于调频波形的放大器(即饱和放大器)用于要求放大器线性度的波形的应用。将放大器的输出组合成单一输出信号。在一个实施例中，将放大器信道(如两个信道)的输出组合成单一输出信号。但是也能组合任何数目的信道。

放大器信道很少等于与频率无关的恒定增益。并且，信道可包含导致这一方法中的畸变的滤波器及其它模拟部件(如不等的路径长度、电缆长度等)并从而需要补偿。因此，由于信道不平衡与/或频率响应变化而在输出上可能出现畸变产物。在一个实施例中，利用均衡器来提供平衡信道所必需的必要增益、相位与频率响应校正，借此改进线性度及减小畸变(甚至或使之最小)。与先有技术不同，均衡化是在模拟放大器前面数字地执行的(即预均衡化)。从而，均衡器除了对各信道提供频率响应校正之外还提供增益与相位平衡。

为了消除输出中的畸变产物，利用过程来使各信道的响应互相相等。在一个实施例中，利用最小二乘方法来保证在将信道加在一起时得到高质量信号。这是通过模拟放大器及根据放大器转换函数的线性估算选择均衡化来达到的。从而，同时计算多个信道的线性转换函数供在均衡信道中使用。

图1为将模拟或数字输入放大成放大的多载波输出的基地台的一部分的一个实施例的框图。这一高功率放大器可用作通信系统(如无线通信系统)中发射机的部件。

参见图1，基地台包括多载波驱动器组件101、一组饱和或接近饱和的放大器模块102_1-N、及功率组合器103。放大器模块102_1-N可包括诸如调频波形放大器或饱和(或接近饱和)的放大器等AMPS基地台的现有设备。在这一范围内，组件101与组合器103用于改进现有的放大器组。在一个实施例中，各放大器模块包括预驱动器放大器、驱动器放大器及功率放大器。示出的放大器模块数为2，然而实施例可拥有一个放大器模块或多于两个放大器模块。

组件101作为幅度重构调制器工作。对组件101的输入信号100可以是数字或模拟波形的。输入信号100可包含一或多个CDMA调制的信号。多载波驱动器组件101执行幅度重构调制。组件101可执行脉冲工作循环调制与/或引入各路径中的相位调制的组合以诱发在组合器103的输出上出现调幅。组合器103的输出上的这一调幅与输入信号的调幅匹配。以不致在放大的多载波输出信号上增加额外的调相的方式引入脉冲工作循环与相位调制。从而，诱发出现在输出上的幅度与相位调制与输入信号100的幅度与相位调制匹配。从多载波驱动器组件101得出的输出信号驱动包含饱和或接近饱和的放大器模块102_1-N的放大器信道。

将输入信号100下变频成中频(IF)信号V_in的输入RF/IF下变频器101A初始接收及下变频输入信号100。下变频使数字信号处理器101B能抽样输入RF信号。在一个实施例中，RF/IF下变频器101A还执行增益调节。RF/IF下变频器101A将IF信号V_in提供给数字信号处理器101B。

在一个实施例中，RF/IF下变频器101A包含信道混频器(未示出)将输入信号100与来自诸如本机振荡器35等公共本机振荡器(L0)的信号混频，将输入RF频率信号101变换成IF频率范围信号。混频之后，这一信号可经受滤波(未出示)来消除从混频操作导致的寄生信号。

数字信号处理器(DSP)101B抽样与处理IF信号V_in而在两条幅度重构信道的情况中产生幅度重构信号X_1a与X_1b。当DSP 101B将IF信号V_in分解成N条信道时，则DSP 101B具有N个输出。本描述的其余部分讨论两条信道的情况。应理解可将本发明推广到两条以上信道。

包含IF带通滤波器及IF/RF上变频器的接口将各该幅度重构信号连接到放大器模块102_1-N上。

IF带通滤波器101C与101D重新整形两个幅度重构信号X_1a与X_1b的输出以分别生成滤波后的幅度重构信号X_2a与X_2b。在一个实施例中，这些滤波器选择插入的抽样频谱的下一半中的频谱内容。

IF/RF上变频器101E与101F接收滤波后的幅度重构信号X_2a与X_2b。IF/RF上变频器101E与101F将它们的输入上接收的信号上变频到所需的发射频率。在一个实施例中，IF/RF上变频器101E与101F还执行增益调节。上变频后的幅度重构信号X_3a与X_3b驱动放大器模块102_1-N中的放大器。

在一个实施例中，各IF/RF上变频器101E与101F包括混频器(未示出)及滤波器(未示出)。混频器执行经过滤波的幅度重构信号与来自本机振荡器35的信号之间的混频操作。混频器的输出输入到滤波器中，后者处理混频操作的结果。

数字控制器110实现各种信号处理功能。主要如下面更详细地讨论的，数字控制器110计算自适应地均衡重构信道的整体频率响应所要求的FIR滤波器均衡器抽头系数。在一个实施例中，数字控制器110通过基地台接口耦合在基地台控制器/无线电上。

放大器模块102_1-N放大信号X_3a与X_3b。放大器模块102_1-N的输出耦合在功率组合器103的输入上。在一个实施例中，功率组合器103通过放大器输出信号的矢量重新组合线性地组合多个放大器输出以构成所要求的输出信号。功率组合器103的输出上的信号的幅度取决于来自全部永远激活的放大器102_1-N的经过调制的信号的相位与幅度。理想上，来自放大器模块102_1-N的输出信号的幅度是相等的，使得所要求的输出信号只取决于脉冲调制与增加的相位调制的占空因数。

在一个实施例中，可通过耦合器11将功率组合器103执行组合的结果输入隔离器104。隔离器104防止从一条放大器信道到另一条通过功率组合器103的泄漏。以这一方式，隔离器104为各放大器提供匹配的阻抗并附加吸出工作循环调制有可能已引入的频带频谱旁瓣。

隔离器104生成可输入高功率滤波器105的输出。滤波器105可执行限带滤波操作以通过来自隔离器的输出信号的中心频率分量，同时排除调相时引入的频谱边带。在一个实施例中，滤波器105可通过将与工作循环调制关联的工作循环转换成调幅而在其输出信号上产生附加的调幅。滤波器105的输出便是发射机输出。

还通过耦合器11将功率组合器103的输出作为反馈信号Y₂反馈给多载波驱动器组件101。反馈信号Y₂只是从功率组合器103输出的信号的一小部分。将反馈信号Y₂耦合在反馈RF/IF信号101G的输入上。RF/IF下变频器101G将反馈信号Y₂下变频到中频(IF)信号V_fb。在一个实施例中，RF/IF下变频器101G类似于RF/IF下变频器101A。RF/IF下变频器101G将IF信号V_fb提供给数字信号处理器101B。

在一个实施例中，RF/IF下变频器101G包含信道混频器(未示出)将反馈信号Y₂与来自诸如本机振荡器35等公共本机振荡器(LO)的信号混频，将其变换成IF频率范围信号。混频后，这一信号可经受滤波(未出示)以消除从混频操作得出的寄生信号。

在上面的描述中应指出，当必须将输入频率信号变换成中频范围信号时，利用混频器来合并来自本机振荡器的信号与反馈信号Y₂是必要的。在不需要这一变换的实施例中，则可以不需要混频器与本机振荡器。

在一个实施例中，多载波驱动器组件101包括在通用或专用计算机系统或机器上运行的软件。全部或一些多载波驱动器组件101可在硬件、数字逻辑、与/或包含集成电路在内(如ASIC)的一或多个电路中实现。

图2A示出一个这种实现的示范性频率计划。图2A示出所要求的输入频带定中在1947.5MHz上而LO则定中在1887.5MHz。图2B示出连同ADC 26.67MHz抽样率的谐波转换成60MHz IF后的频谱。图2C示出抽样后得出的频谱。注意在本实例中已采用了允许抽样频率低于IF频率的分谐波抽样。

图3为多载波驱动器组件101的数字信号处理器101B的一个实施例的框图。图4A-4D示出包含在数字信号处理器中的频率计划的附加细节。

参见图3，用模数转换器(ADC)301转换输入信号V_in。ADC 301的输出耦合在数字下变频器(DDC)302的输入上。后者用复频率变换将信号频率(图4A的75)变换ADC抽样率的四分之一(即Fs/4)到基带上(图4B的76)。DDC 302还滤波这一信号以消除Fs/2上的不需要的谐波分量(图4B的77)以达到图4C的频率计划。从而，DDC 302将抽样的实信号变换成复基带信号。DDC 302的输出包括同相(I)分量与正交相位(Q)分量。图4D示出得到的信号频谱。注意在一个实施例中，可用任何因子分样或插入输出样本。

DDC 302的输出输入到图3的其余部分，后者表示取该输入信号并将其转换成作用在现有的放大器组中的放大器模块102_1-N上的若干信号的线性化电路的一个示范性实施例。换言之，线性化电路准备好多载波输入信号供放大器处理。这些放大器可以是现有基地台的放大器。

这一线性化电路可包括均衡化存在的并对所有信道公共的幅度与相位变化的输入均衡器(未示出)。在一个实施例中，这些输入均衡器包括以本技术中众所周知的方式利用均衡器滤波器系数的有限脉冲响应(FIR)滤波器。

直角到极(R2P)坐标变换器304将直角坐标同相(I)与正交相位(Q)输入变换成带幅度与相位分量的极坐标幅度与相位格式。相位分量表示输入信号的角调制分量而幅度分量表示输入信号的包络调制分量。

相位分量耦合在幅度重构调制器305的输入上。还将幅度重构调制器305耦合成接收来自幅度重构相位调制发生模块340的输入。在一个实施例中，该幅度重构相位调制发生模块340包括生成P_mod信号的幅度重构相位查找表。

在一个实施例中，幅度重构相位调制发生模块340按照下式根据从R2P 304输出的输入信号的称作A_r2p的幅度生成P_mod：

                   P_mod＝arccos(A)其中A＝min(A_r2p/E_ref，1)。值E_ref是预定义的参照幅度。在一个实施例中，E_ref为削波值。幅度重构相位调制发生模块340的操作提供用于设定放大后的两个和矢量之间的角的相位值。它用于重构调幅输入信号所要求的幅值。

在一个实施例中，幅度重构模块305将相位调制P_mod提供给包含在其中的加法器305A与305B。注意用加法器305A加上P_mod，而用加法器305B减去P_mod。换言之，相位重构调制包括一组相位调制信号P_ar1与P_ar2，每一个输出信道用一个，这些信号的定义如下：

                P_ar1＝P_r2p1+P_mod

                P_ar2＝P_r2p2-P_mod最终结果是组合两个常量幅度矢量并重构输入信号上存在的幅度调制。

将相位调制信号P_ar1与P_ar2耦合在一对极到直角(P2R)坐标变换器307与308上。P2R变换器307与308将极坐标幅度与相位输入信号(放大器信道信号)变换成直角同相(I)与正交相位(Q)信号。

将P2R变换器307与308的输出耦合在位于各发射信道中的一对数字上变频器(DUC)309与310上。DUC 309与310将各发射信道的发射I与Q信号从复基带信号变换成实信号并加以插入。

将DUC 309与310的输出耦合在均衡可能存在幅度与相位变换的一对均衡器311上。在一个实施例中，均衡器311包括用下面描述的方式生成的均衡器系数操作的FIR滤波器311a与311b。

均衡器311的输出耦合在两个插入器315与316上。插入器315与316的输出分别耦合在将数字信号转换成模拟格式的数模转换器(DAC)312与313上。这些输出驱动放大器信道。

缓冲存储器330存储来自输入信道(V_in)与反馈信道(V_fb)两者的同步捕捉到的接连的样本。缓冲存储器330维护下载到数字控制器110供其使用的样本的组合。

包含ADC 320与数字下变频器321来处理反馈信号V_fb以产生抽样的反馈信号。

图5A-D示出用于包含在发射信道内的频率变换的频率计划。图5A示出在DUC 309与310的输入上存在的频率计划。在一个实施例中，DUC309与310首先通过在样本之间插入0来提高抽样率而插入它们的输入信号，然后滤波它们的输入信号来消除新的Fs/2上的分量，其中Fs为新的抽样率。图5B示出半带滤波后的频率计划。最后，将信号1/4带上移相(即Fs/4)。图5C示出1/4带(Fs/4)上移相及只选择信号的实部来产生要求的频谱之后的频率计划。图5D示出在输入上插入2之后D/A输出上的频率计划。在另一实施例中，用多相滤波器通过插入进一步提高抽样率。

应指出这里描述的某些数字信号处理操作可在软件、硬件、或两者的组合中执行。这一软件可在诸如计算机系统等专用或通用机器上运行，而硬件可包括诸如专用逻辑、电路等。并且，虽然上面描述了在极坐标域中执行数字处理的实施例，也能在I与Q(直角坐标)域中执行处理。校准过程

图6中以简化形式示出了根据幅度重构原理的线性放大器的一个模型。注意单个放大器没有必要是线性的，通过执行这种重构，能基本上减小信号幅度上的非线性效应甚至使它成为最小。

参见图6，将输入信号u(n)耦合在非线性函数F(u)的输入上。非线性函数F(u)将调幅信号u(n)变换成N个常量幅度的调相信号。在一个实施例中，N为2。将非线性函数F(u)(下面定义)的输出耦合在一对均衡器h₁与h₂上。在一个实施例中，均衡器h₁与h₂为一对有限脉冲响应(FIR)滤波器。均衡器h₁与h₂的输出耦合在功率放大器g₁与g₂上。在一个实施例中，功率放大器g₁与g₂也包含滤波器、RF上变频器(包含RF滤波器)、数模转换器(DAC)、及隔离器。功率放大器g₁与g₂的输出耦合在求和单元的输入上，后者的输出y(n)便是线性放大器的输出。在一个实施例中，函数求和块包括上述功率组合器103。注意虽未示出，在一个实施例中，各路径中存在隔离器，以及IF与RF滤波器。

虽然图6是用2条信道描述的，非线性函数F(u)可分解成N条幅度重构信道。在这一情况中，放大器模型将拥有 …而均衡器将拥有h₁、h₂、…、h_N。

将输入信号u(n)作用在非线性函数F(u)上。输入信号u(n)为带有幅度a(n)与相位调制b(n)的复基带输入信号u(n)＝a(u)exp(jb(n))。在一个实施例中，根据其大小削波幅度a(n)。在一个实施例中，削波后的幅度函数a(n)如下：

                     原文P17公式其中Aclip为预定义的削波电平，它取决于系统硬件。在一个实施例中，削波电平为0.7821。

响应输入信号u(n)，非线性函数F(u)生成一对调频信号X₁(n)与X₂(n)。这一对调频信号X₁(n)与X₂(n)给出如下：

                     X₁(n)＝e^j(b(n)+c(n))

                     X₂(n)＝e^j(b(n)-c(n))其中：

                     c(n)＝cos^-1( a(n))

均衡器h₁与h₂及功率放大器g_g1与g_g2处理得出的信号X₁(n)与X₂(n)。放大器的输出，这里称作w_g1(n)与w_g2(n)，相加以生成输出y(n)。

如果各信道中的均衡器h₁与h₂及功率放大器g₁与g₂提供恒定的增益G，则表示输出y(n)精确等于u(n)的定标的与削波的形式。这便是，放大器作为理想的软限制放大器工作。如不超过削波水平，则等值是精确的。下面的推导中说明这一点。

                  y(n)＝w_g1(n)+w_g2(n)

                   ＝G[e^j(b(n)-c(n))+e^j(b(n)-c(n))]

                   ＝Ge^j(b(n))[e^j(c(n))+e^j(-c(n))]

                   ＝2Ge^j(b(n))cos(c(n))

                   ＝2Ge^j(b(n))cos(cos^-1( a(n))

                   ＝2G a(n)e^j(b(n))

                   ≈2Ga(n)e^j(b(n))

不幸的是，放大器g₁与g₂很少见等于上面假设的与频率无关的恒定增益G。两个信道(上方与下方路径)中的任何差别与/或频率响应变化能导致在输出y(n)中出现畸变产物。此外，在一个实施例中，放大器g₁与g₂具有高功率放大器的非线性特征。后一效应得到下述事实的缓解，即幅度重构依赖于通过高功率级(即g₁与g₂)的恒定幅度信号并从而非线性的效应通常是轻微的。平衡器h₁与h₂提供平衡两条信道所必需的必要增益、相位与频率响应校正，并试图补偿非线性及减少畸变。在一个实施例中，均衡器h₁与h₂是作为原则上能提供增益与相位平衡两者以及分开补偿各信道的频率响应的FIR滤波器实现的。

总体目标为使各信道的频率响应互相相等并在所关注的带上尽可能平坦(在于不存在凹下部分或尖峰或尖锐的切边，或将它们互相减少或使它们最小)。这是通过在实现两大功能的自适应系统中使用自适应均衡器实现的：i)估算放大器转换函数(这里称作系统标识)，产生线性放大器系统模型；以及ii)利用放大器模型计算均衡器系统数(这里称作自适应均衡)。并且，使用了约束使得各信道的频率响应是近似平坦的。这一点可用两种方式实现：1)各信道的最小二乘方约束，及2)各信息的迫零约束。约束对整体减少或最小化的贡献程度受两个用户可调的激发器的控制，γ₁大于或等于0及γ₂大于或等于0，其中γ₁+γ₂＝1。

与先有技术不同，均衡是在放大器前面执行的(即预均衡)。在一个实施例中，均衡是在放大之前在数字域中执行的，而放大是在模拟中执行的。换言之，均衡的目的是使来自两条信道的信号时间对齐、相位对齐及大小对齐，从而可从两条信道的求和中得出对放大器的原始输入信号的放大的形式。并且如上所述，在一个实施例中，均衡是在与幅度无关的放大器配置的相位分量上执行的，这是与先有技术不同的。系统标识过程

图7中示出基于线性最小二乘方原理的校准方案。参见图7，将图6中所示的实际放大器600耦合在具有非线性处理函数F(u)、一对均衡器h₁与h₂、放大器模型 与

(矢量)及求和块的放大器模型700上。放大器模型700中的非线性函数F(u)及均衡器h₁与h₂是与放大器600中的相同的。然而，放大器模型

与

(矢量)只是实际放大器g₁与g₂的估算值。实际放大器包含不能用FIR滤波器模拟的非线性分量，如果FIR滤波器没有足够的参数，甚至线性分量也不能充分模拟。这一差别可影响均衡器的性能，因为它们是从放大器模型，即h₁与h₂生成，试图倒置

与

(矢量)的特征的(而不是g₁与g₂，它们不能直接得到)。注意一些矢量以粗体出现。

将放大器模型700的非线性函数F(u)耦合成接收与实际放大器600相同的输入信号u(n)。将系统标识单元701耦合成接收实际放大器600的输出信号y(n)、放大器模型700的输出信号

、及输入信号u(n)。在一个实施例中，系统标识单元701是数字控制器110的一部分。响应这些信号，系统标识单元701生成对实际放大器600与放大器模型700两者的均衡器、实际放大器600的非线性函数F(u)、及放大器模型700的放大器的输出(未示出)。

图7中虽未示出，缓冲器接收输入信号u(n)的样本及捕捉实际放大器600与放大器模型700两者的输出的样本。系统标识单元701在执行其一或多个功能时访问这些缓冲器以获取样本。

最小二乘方技术的目标为计算均衡器h₁与h₂，使得实际输出y(n)与最小二乘方意义(如下面定义的)中的输入u(n)的延迟的形式匹配。为达此目的，也将放大器模型 与

估算成使

与y(n)也在最小二乘方意义中匹配。

通常，当均衡器位于放大器前面时(如在本例中)，因为放大器特征是未知的而难于直接计算最小二乘方估算值。需要从y(n)到各均衡器输入信号X₁(n)与X₂(n)的梯度来计算最小二乘方估算值，但这需要放大器的知识。通过计算放大器的参照模型借此用线性滤波器

与

(矢量)估算实际放大器g₁与g₂而回避这一问题。

如上所述，放大器模型与均衡器可用FIR滤波器表示。因此，可将放大器模型的转换函数写如下： ${\hat{G}}_1\left(z\right)=\underset{i=0}{\overset{N_g-1}{\mathrm{\Σ}}}{\hat{g}}_1\left(i\right)z^{-i}$ ${\hat{G}}_2\left(z\right)=\underset{i=0}{\overset{N_g-1}{\mathrm{\Σ}}}{\hat{g}}_1\left(i\right)z^{-i}$ 其中N_g为模型的各信道中的系数数目。类似地，可将均衡器表示如下： $H_1\left(z\right)=\underset{i=0}{\overset{N_g-1}{\mathrm{\Σ}}}{h}_{1,i}\left(i\right)z^{-i}$ $H_1\left(z\right)=\underset{i=0}{\overset{N_g-1}{\mathrm{\Σ}}}{h}_{2,i}\left(i\right)z^{-i}$ 其中N_e为各均衡器中的系数数目。通常，N_g≥N_e，因为N_e受硬件限制，而N_g则由于是用控制器实现的而有一定程度的随意性。在一个实施例中，N_g＝32而N_e＝16，尽管希望它们越小越好。

参见图7，称作V_g1(n)与V_g2(n)的均衡器输出由下式给出：

                v_g1(n)＝h₁(n)*x₁(n) $=\underset{i=0}{\overset{N_g-1}{\mathrm{\Σ}}}{h}_{1,i}{x}_1(n-i)=x_1^T\left(n\right)h_1$

                v_g2(n)＝h₂(n)*x₂(n) $=\underset{i=0}{\overset{N_g-1}{\mathrm{\Σ}}}{h}_{2,i}{x}_2(n-i)=x_2^T\left(n\right)h_2$

其中X₁(n)＝[x₁(n)，…，X₁(n-N_e+1)]^T，X₂(n)＝[x₂(n)，…，X₂(n-N_e+1)]^T，h₁＝[h_1.1，…，h_1.e-1]^T，h₂＝[h_2.1，…，h_2.Ne-1]^T，而*表示卷积。这些能用矢量内积替代简化记法。计算放大器模型

为了计算放大器模型，令u(n)＝[u(n)，u(n-1)，…，u(n-N_s+1_s)]^T为包含输入信号u(n)的第n块样本的大小为N_s的矢量。类似的定义矢量y(n)、V_g1(n)、V_g2(n)、 及

，其中矢量y(n)包括实际放大器900的输出，矢量V_g1(n)与V_g2(n)为实际放大器600或放大器模型700之一的均衡器的输出，矢量V_g1(n)与V_g2(n)分别为放大器模型700的第一与第二信道放大器模型信号，而矢量

为放大器模型700的输出。

放大器模型信号

与

可用矩阵/矢量记号表示如下： ${\hat{w}}_{g1}\left(n\right)=V_{g1}\left(n\right){\hat{g}}_1$ ${\hat{w}}_{g2}\left(n\right)=V_{g_2}\left(n\right){\hat{g}}_2$ 其中V_g1(n)与V_g2(n)为用信号矢量V_g1(n)与V_g2(n)构成的Toeplitz矩阵。这些矩阵可表示如下，并只是为这一技术存储数据的许多可能方式之一

注意V_g1(n)与V_g2(n)分别对应于这两个矩阵的第一列(已附加了零使得这些矩阵的维数为((N_s+N_g)×N_g)。放大器模型的输出由下式给出： ${\hat{y}}_g\left(n\right)={\hat{W}}_{g1}\left(n\right)+{\hat{W}}_{g2}\left(n\right)$ 由于同时估算两个信道中的放大器模型，将复合系数矢量

(矢量)定义为＝

及复合数据矩阵V_g(u)定义为＝[V_g1(n)，V_g2(n)]是方便的(并且更紧凑的)。从而，可将放大器模型的输出等式改写为： ${\hat{y}}_g\left(n\right)={\hat{w}}_{g1}\left(n\right)+{\hat{w}}_{g2}\left(n\right)$ $=V_{g1}\left(n\right){\hat{g}}_1+V_{g2}\left(n\right){\hat{g}}_2$ $=[V_{g1}\left(n\right),V_{g2}\left(n\right)]\left[\begin{array}{c}{\hat{g}}_1\\ {\hat{g}}_2\end{array}\right]$ $=V_g\left(n\right)\hat{g}$ 其中V_g1(n)表示两个均衡器之一的输出而V_g2(n)表示另一个，以及V_g(n)表示均衡器的输出的所有数据。从而，用这种表示，放大器模型700的输出是通过均衡器的输出与放大器转换函数写出的。

令与估算 与

(矢量)相关的价格函数 $C_1\left(n\right)={\mathrm{\α}}_{1}y(n-p_1)-{\hat{y}}_g(n-p_2){\left|\right|}^2$

其中p₁与p₂分别为实际放大器与模型放大器引入的延迟。为了方便起见，在下面的推导中忽略不计它们。然而，正确地选择它们以便算法正确地工作是重要的。注意‖b‖²＝b^Tb对应于矢量b的平方范数。实值参数α₁补偿输出上的任何增益失配。

用模型放大器的输出代入

(矢量)(并删去p₁与p₂)得出 $C_1(n={\left|\right|{\mathrm{\α}}_{1}y\left(n\right)-V_g\left(n\right)\hat{g}\left|\right|}^2$ $=[{\mathrm{\α}}_1{y}^T\left(n\right)-{\hat{g}}^T{V}_g^T\left(n\right)||{\mathrm{\α}}_{1}y\left(n\right)-V_g\left(n\right)\hat{g}]$ 对

(矢量)求微分得出 $\frac{\∂C_1\left(n\right)}{\∂\hat{g}}=-2{\mathrm{\α}}_1{V}_g^T\left(n\right)y\left(n\right)+2V_g\left(n\right)\hat{g}$ 为

(矢量)解C₁(n)/

＝0给出LS结果 $\hat{g}\left[V_g^T\left(n\right)V_g\left(n\right){]}^{-1}\right[{\mathrm{\α}}_1{V}_g^T\left(n\right)y\left(n\right)]$ $\≡R_1^{-1}\left(n\right)P_1\left(n\right)$ 这一表达式可通过单个系数矢量改写如下： $\left[\begin{array}{c}{g}_1\\ {\hat{g}}_2\end{array}\right]={\left[\begin{array}{c}{V}_{g1}^T\left(n\right)V_{g1}\left(n\right)V_{g1}^T\left(n\right)V_{g2}\left(n\right)\\ V_{g2}^T\left(n\right)V_{g1}\left(n\right)V_{g2}^T\left(n\right)V_{g2}\left(n\right)\end{array}\right]}^1\left[\begin{array}{c}{\mathrm{\α}}_1{V}_{g1}^T\left(k\right)y\left(n\right)\\ {\mathrm{\α}}_1{V}_{g2}^T\left(k\right)y\left(n\right)\end{array}\right]$ 实际上矩阵不能如在上面的表达式中那样直接求逆。反之，可采用高斯消去法(GE)(或另一有效方法)来解下述方程组： $\left[V_g^T\left(n\right)V_g\left(n\right)\right]\hat{g}=\left[{\mathrm{\α}}_1{V}_g^T\left(n\right)y\left(n\right)\right]$ 注意上面方程的左边的矩阵不是Toeplitz(虽然它是对称的)。如从LS结果(通过单个系数矢量写出的)的表达式的右边显而易见它只是块Toeplitz的，因此不可能用Levinson型逆归(而不是GE)解出g(矢量)。(对于N×N矩阵，GE需要O(N²)运算，而Levinson算法减少到O(N)。)增强的均衡器过程

用类似于生成放大器模型 与 的方式计算均衡器h₁与h₂。图8中示出系统配置的框图。将这一系统与图7中的模型比较，观察到的均衡器与放大器模型是交换位置的。因为系统是线性的这样做不会丢失通用性。和前面一样生成输入信号x₁(n)与x₂(n)，但由于这一互换而模型与均衡器后面的中间信号与前面不同。通过使用不同的记号来强调这一改变：v_h1(n)与v_h2(n)是放大器模型的输出信号，而w_h1(n)与w_h2(n)为自适应均衡器的输出信号。自适应均衡器的新价格函数为C₂(n)＝γ₁C₂₁(n)+(1-γ₁)[γ₂(C₂₂(n)+C₂₃(n))+(1-γ₂)(C₂₄+C₂₅)]其中单个分量由止式结出

          C₂₁(n)＝‖α₂₁u(n-p₃)-y_h(n-p₂)‖²

          C₂₂(n)＝‖α₂₂x(n-p₃)-w_h(n-p₂)‖² $C_{24}={\left|\right|{\mathrm{\α}}_{24}1-{\hat{G}}_1{h}_1\left|\right|}^2$ $C_{25}={\left|\right|{\mathrm{\α}}_{25}1-{\hat{G}}_2{h}_2\left|\right|}^2$ 其中1为单位矢量，一的位置取决于系统延迟。C₂₁(n)是均衡的价格函数的一个实施例；单独减小C₂₁(n)将产生使y_n(n)在LS意义上逼近u(n)的均衡器。C₂₂(n)与C₂₃(n)分别是各信道的LS约束；它们调节均衡器使中间输出信号w_h1(n)与w_h2(n)分别逼近输入信号x₁(n)与x₂(n)。最后，C₂₄与C₂₅为迫零约束；它们调节均衡器使得h_j(n)与 (i＝1，2)卷积产生(Kronecker)△函数，即 $h_1\left(n\right)*{\hat{g}}_1\left(n\right)={\mathrm{\α}}_{21}\mathrm{\δ}(n-p_4)$

模型放大器延迟为p₂(和前面一样)，p₃为从输入u(n)到x₁(n)(与x₂(n))的延迟，而p₄为(1)的左边的有效(群)延迟。(注意所有p_i，i＝1、2、3、4，都向后参照输入u(n)。)为了方便起见，在下面的推导中删去延迟。α_ij为补偿价格函数项中的信号中的任何增益失配而包含的标量常数。前面描述过加权系数γ₁与γ₂。

利用矩阵/矢量记号，可将用均衡器系数h₁与h₂表示的输出写出如下：

                 y_h(n)＝w_h1(n)+w_h2(n)

                 ＝V_h1(n)h₁+V_h2(n)h₂ $=[V_{h1}\left(n\right),V_{h2}\left(n\right)]\left[\begin{array}{c}{h}_1\\ h_2\end{array}\right]$

                 ＝V_h(n)h其中w_h1(n)与w_h2(n)为均衡器的输出信号矢量且

它们在形式上类似于上面给出的V_g1(n)与V_g2(n)矩阵。原始价格函数考虑分量C₂₁(n)，它是原始算法的价格函数。将用均衡器系数h₁与h₂表示的输出代入价格函数C₂₁(n) $C_{21}\left(n\right)={\left|\right|{\mathrm{\α}}_{21}u\left(n\right)-V_h\left(n\right)h\left|\right|}^2$ $=[{\mathrm{\α}}_{21}{u}^T\left(n\right)-h^T{V}_h\left(n\right)][{\mathrm{\α}}_{21}u\left(n\right)-V\left(n\right)h]$ 对h求微分得出 $\frac{\∂C_{21}\left(n\right)}{\∂h}=-2V_h\left(n\right)u\left(n\right)+2V_h^T\left(n\right)V_h\left(n\right)h$ 解C₂₁(n)/h＝0给出下面的均衡器系数的(部分)LS解：[V_h ^T(n)V_h(n)]h＝[α₂₁V_h(n)u(n)]我们用R₂₁(n)h＝P₂₁(n)来表示它。如对放大器模型所进行的，可分开用两个信道系数矢量将部分LS解写出如下： $\left[\begin{array}{c}{V}_{h1}^{T}T\left(n\right)V_{h1}\left(n\right)V_{h1}^T\left(n\right)V_{h2}\left(n\right)\\ V_{h2}^T\left(n\right)V_{h1}\left(n\right)V_{h2}^T\left(n\right)V_{h2}\left(n\right)\end{array}\right]\left[\begin{array}{c}{h}_1\\ h_2\end{array}\right]=\left[\begin{array}{c}{\mathrm{\α}}_{21}{V}_{h1}^T\left(n\right)u\left(n\right)\\ {\mathrm{\α}}_{21}{V}_{h2}^T\left(n\right)u\left(n\right)\end{array}\right]$ 最小二乘方约束对于上面给出的C₂₁(n)中的价格函数，可将它写成

              C₂₂(n)＝‖α₂₂x₁(n)-V_h1(n)h₁‖²类似地，对上面给出的C₂₁(n)，可将其写成

              C₂₃(n)＝‖α₂₃x₂(n)-V_h2(n)h₂‖²从均衡器系数的(部分)LS解中的结果很清楚，分别用下式最小化上面给出的C₂₃(n)与C₂₄(n) $\left[V_{h1}^T\left(n\right)V_{h1}\left(n\right)\right]=h_1\left[{\mathrm{\α}}_{22}{V}_{h1}^T\left(n\right)X_1\left(n\right)\right]$ $\left[V_{h2}^T\left(n\right)V_{h2}\left(n\right)\right]h_2=\left[{\mathrm{\α}}_{23}{V}_{h2}^T\left(n\right)X_2\left(n\right)\right]$ 观察到这些表达式左边的分量对应于均衡器系数的LS解的左边的对角线分量(用两个信道系数矢量写出的)。从而，能以类似方式组合上面的等式，产生部分LS解 $\left[\begin{array}{cc}{V}_{h1}^T\left(n\right)V_{h1}\left(n\right)& 0\\ 0& V_{h2}^T\left(n\right)V_{h2}\left(n\right)\end{array}\right]\left[\begin{array}{c}{h}_1\\ h_2\end{array}\right]=\left[\begin{array}{c}{\mathrm{\α}}_{22}{V}_{h1}^T\left(n\right)x_1\left(n\right)\\ {\mathrm{\α}}_{23}{V}_{h2}^T\left(n\right)x_2\left(n\right)\end{array}\right]$ 它将用R₂₂(n)h＝P₂₂(n)表示。注意用上面给出的LS解的方程中的x₁(n)与x₂(n)替换了(部分)LS解中的u(n)。回忆C₂₂(n)与C₂₃(n)是用同一系数(1-γ₁)γ₂加权的。迫零约束

剩下的两个价格函数C₂₄与C₂₅是迫零约束；将均衡器计算成使组合的均衡器/系统模型700产生上面讨论的△函数。不将上面给出的C₂₄与C₂₅中的价格函数写成n的函数来强调它们不像其它价格函数那样直接与该数据相关，利用上面使用的记号，可将部分LS解写成 $[{\hat{G}}_1^T$ ${\hat{G}}_1]h_1={\mathrm{\α}}_{24}{\hat{G}}_1^{T}1$ $[{\hat{G}}_1^T$ ${\hat{G}}_1]h_2={\mathrm{\α}}_{25}{\hat{G}}_1^{T}1$ 其中

及1^T＝[0，…，0，1，0，…，0]；矢量中的一的位置是由均衡器与系统模型700的延迟指定的。组合进这些项产生下面的表达式 $\left[{\hat{G}}_1^T{\hat{G}}_1\right]h_1={\mathrm{\α}}_{24}{G}_1^{T}1$ $\left[{\hat{G}}_2^T{\hat{G}}_2\right]h_2={\mathrm{\α}}_{25}{G}_2^{T}1$ 它们能表示为

R₂₃h＝P₂₃。注意两个迫零约束都是用(1-γ₁)(1-γ₂)加权的。增强的均衡器系数

在这一点上，已为上面给出的单个价格函数的原始集合指定了部分LS解。从而用适当的γ₁与γ₂加权组合进结果，通过解下面的线性方程系便能计算出最佳均衡器系数：

      [γ₁R₂₁(n)+(1-γ₁)γ₂R₂₂(n)+(1-γ₁)(1-γ₂)R₂₃]h＝

                [γ₁P₂₁(n)+(1-γ₁)γ₂P₂₂(n)+(1-γ₁)(1-γ₂)P₂₃]回忆增益系数α_ij是嵌入P_ij(相互关联)矢量中的。通过改变权重γ_i，可以控制解依赖于原始价格函数对比于为各信道独立定义的新价格函数(约束)的程度。存在三种特殊情况：1)原始LS均衡器：γ₁＝1：R₂₁(n)h＝₂₁(n)2)独立LS均衡器：γ₁＝0且γ₂＝1：R₂₂(n)h＝P₂₂(n)3)迫零均衡器：γ₁＝0且γ₂＝0：R₂₃h＝P₂₃校准过程流程

图9中示出校准过程的一个实施例。在一个实施例中，校准过程是由演绎处理硬件执行的。这一处理硬件可包括诸如数字或模拟电路等硬件或诸如在通用或专用机器上运行的软件，或硬件与软件两者的组合。在一个实施例中，处理逻辑包括控制器1101。

参见图9，校准过程从处理逻辑获得当前均衡器值(处理框1301)开始。当前均衡器值包括各信道的正规化均衡器FIR抽头值。在一个实施例中，维护当前均衡器值的独立矩阵。在另一实施例中，可用单一矩阵代替两个矩阵。在又另一实施例中，可将这些值存储在寄存器或其它类型的存储器中。

接着，处理逻辑获得捕捉缓冲器数据并将数据重新格式化成正规化信号格式(处理框1302)。如果数据是以正规化信号格式捕捉的，则不需要重新格式化。在一个实施例中，四千样本存储在捕捉缓冲器中(即缓冲存储器330)。捕捉缓冲器以矩阵形式存储这些样本。

捕捉缓冲器数据并执行重新格式化之后，处理逻辑将输入信号分解成幅度重构信道对(处理框1303)。在一个实施例中，分解结果产生两个信道的基带波形(x₁(n)与x₂(n))以及均衡器后面的基带波形。

完成分解之后，处理逻辑估算各信道的模型FIR系数(抽头)值(处理框1304)。如上面讨论的，它们是

与

值。FIR抽头值试图使两或“N”个幅度重构信道都相等。在一个实施例中，处理逻辑利用均衡器后面的基带波形及实际放大器600与放大器模型700的延迟估算模型FIR系数。

利用基带波形，处理逻辑重新计算幅度重构信道对(处理框1306)。这一信道对包括出现在均衡器输出上的基带波形。

利用出现在两个信道的放大器输出及组合器输出上的幅度重构波形，处理器利用二条信道的模型FIR抽头值计算新的均衡器FIR抽头值(处理框1307)。

最后，处理逻辑转换新均衡器FIR抽头值并将其写入硬件寄存器中(处理框1308)。实际放大器600访问硬件寄存器并线性化本身，如上所述。

因此，这里描述的实施例利用现有的AMPS单载波放大器在蜂窝式AMPS基地台中以低互调畸变提供信号或多RF载波的高功率放大。

这些实施例可为CDMA与GSM载波或其它数字载波提供线性放大。线性应用利用数字信号处理器的精度并在数字域中提供线性放大而无须任何苛刻的周期性调谐或对齐。以这一方式，这里描述的实施例提供一或多个RF载波的放大并用饱和或接近饱和的放大器从天线发射它们。

这里描述的线性化同样适用于音频放大器。

从而，描述了用无线基地台的多载波信号放大的技术，其中使用多个饱和或接近饱和的放大器来实现线性放大器。用一个实施例，可将诸如CDMA等其它协议叠加到诸如AMPS基地台等基地台上。

尽管本技术领域中的普通技术人员在阅读了上面的描述之后无疑会清楚了解本发明的许多改变与修正，但要理解用示例方式展示与描述的任何特定实施例绝非意在认为是限制性的。许多其它改变是有可能的。例如，如所述描述的，放大器可以是单一放大器或多个放大器或者可包括配置成作为单一放大器工作的若干放大器。应用可以是能考虑到的蜂窝式、PCS、或任何其它频率范围。可将它用于无线局域环路、智能天线、音频放大器、或雷达应用。因此，对各种实施例的细节的参照并不想限制权利要求的范围，权利要求本身只陈述认为是对本发明主要的特征。

这样，描述了一种线性放大技术。

Claims (20)

1.一种校准放大器的校准方法，包括：

模拟该放大器来为处理输入信号的分解的形式的N条信道的各条生成估算的放大器转换函数；以及

计算放大以前作用在N条信道的各条上的均衡器的均衡器值，其中均衡器值的计算是基于为各信道估算的放大器转换函数。

2.如权利要求1中所述的方法，其中N条信道包括一信道对。

3.如权利要求1中所述的方法，还包括通过在输入信号上作用非线性函数将输入信号分解成一信道对。

4.如权利要求1中所述的方法，还包括减小放大器与放大器模型之间的预期误差。

5.如权利要求4中所述的方法，还包括其中该模型是线性的。

6.如权利要求1中所述的方法，还包括利用用于各信道的估算的放大器转换函数来减小放大器与放大器的线性模型之间的预期误差。

7.如权利要求1中所述的方法，还包括模拟放大器转换函数作为多个FIR滤波器。

8.如权利要求1中所述的方法，还包括用放大器模型FIR抽头值计算均衡器FIR抽头值。

9.一种用于校准放大器的校准装置，包括：

用于将输入信号分解成N条信道的装置；

用于模拟放大器来为N条信道的各条生成估算的放大器转换函数的装置；以及

用于为在放大以前作用在信道对中的各该N条信道上的均衡器计算均衡器值的装置，其中均衡器值的计算是基于用于各信道的估算的放大器转换函数。

10.如权利要求9中所述的装置，其中用于分解输入信号的装置包括用于在输入信号上作用非线性函数的装置。

11.如权利要求9中所述的装置，还包括用于减小放大器与该放大器的线性模型之间的预期误差的装置。

12.如权利要求9中所述的装置，还包括利用用于各信道的估算的放大器转换函数来减小放大器与该放大器的线性模型之间的预期误差的装置。

13.如权利要求9中所述的装置，还包括用于使放大器与该放大器的线性模型之间的预期误差最小的装置。

14.如权利要求9中所述的装置，其中该放大器转换函数包括模型FIR抽头值。

15.如权利要求9中所述的装置，还包括用于使用放大器模型FIR抽头值来计算均衡器FIR抽头值的装置。

16.一种用于放大器的校准与均衡的系统结构，包括：

具有是放大器的实际转换函数的估算值的估算的线性转换函数的放大器的线性模型；以及

耦合在线性模型与放大器上以根据线性模型的响应建立放大器中的均衡器来校准放大器的控制器。

17.如权利要求16中所述的系统结构，其中该控制器生成FIR系数来建立均衡器。

18.如权利要求16中所述的系统结构.其中该模型放大器将估算的放大器转换函数模拟为多个FIR滤波器。

19.如权利要求16中所述的系统结构，其中该控制器根据系统中的多个FIR滤波器的响应来确定FIR系数。

20.如权利要求16中所述的系统结构，其中该控制器生成估算的放大器转换函数并利用估算的放大器转换函数来估算平衡信道所必需的均衡。

Images