基于自适应残差LSTM神经网络的宽动态功率范围正交开关电容功率放大器的数字预失真技术

《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》：Digital Predistortion for Wide Dynamic Power Range Quadrature Switched-Capacitor Power Amplifiers Using Self-Adaptive Residual LSTM Neural Network

动态功率范围PA的DPD挑战与SAR_LSTM自适应校准方法

　　

摘要：

在现代智能无线通信系统中，射频（RF）功率放大器（PA）的传输配置——尤其是发射功率——会在很宽的范围内动态变化，以适应各种服务场景和当前可用的通信资源，这给数字预失真（DPD）带来了新的挑战。传统的DPD解决方案主要是为PA在恒定平均功率水平（PL）下工作的场景设计的，因此无法直接应用，因为PA是一个受PL显著影响的动态非线性系统。为了解决这个问题，本文提出了一种自适应残差长短期记忆（SAR_LSTM）神经网络（NN），用于宽动态功率范围的正交开关电容器PA（SCPAs）。所提出的模型采用了两阶段方法：功率变化模块（PVM）和残差LSTM（R_LSTM）。在第一阶段，PVM生成一个与功率变化相关的特征向量，然后将其与原始输入信号相乘。在第二阶段，调整后的输入信号通过R_LSTM进行相应的预失真校准。这一过程将SCPA电路中功率变化的根本原因与我们的模型紧密结合起来，实现了在宽动态功率范围内高精度的自适应校准，而无需更新参数。在测量中，使用了一个基于15位变压器的正交SCPA芯片，该芯片采用了G级技术和IQ单元共享技术，并在28纳米CMOS工艺中实现，用于验证我们的方法。对于2.4 GHz下的802.11ax 40-MHz 64-QAM信号，实验结果表明，与最先进（SOTA）模型相比，所提出的模型在30 dB的动态功率范围内实现了更优越的线性化性能，平均相邻信道功率比（ACPR）为-39.5 dB，平均误差矢量幅度（EVM）为-41.6 dB。

引言

现代无线通信技术（如WiFi-6（IEEE 802.11ax协议）的快速发展，推动了对于更高数据速率、更宽信号带宽、更好频谱效率和更低误码率的需求。然而，作为无线通信系统中发射机的基本组成部分，射频（RF）功率放大器（PA）本质上是非线性的，并且具有记忆效应。这些特性会降低带内信号的误差矢量幅度（EVM），导致频谱再生——进而恶化相邻信道功率比（ACPR），并严重损害信号完整性，从而影响通信可靠性和能效。数字预失真（DPD）作为一种关键技术应运而生，用于应对这些挑战并提高信号完整性[1]。DPD的原理是在基带内部署一个RF PA的基带等效逆模型，确保级联系统作为线性放大系统运行。