如何使数字预失真解决方案实用且相关

作者：Steve Summerfield and Frank Kearney

根据数字预失真（DPD）的大部分宣传材料，其性能基于静态定量数据。通常，该材料显示DPD频谱并引用相邻通道泄漏比（ACLR）数字。虽然这种方法解决了基本需求，但它未能捕捉到实际部署中发生的许多挑战、风险和性能权衡。向5G的快速过渡带来了大量新的挑战和场景，算法开发人员和设备供应商需要更加关注。支撑静态性能的基础必须是在许多元素处于不断变化的复杂环境中保持性能和稳定性的能力。

介绍

在理想情况下，功率放大器的输出将是输入的相同比例版本，放大器使用的大部分功率将驻留在输出信号中。因此，我们将拥有最大的效率并且没有失真。在现实世界中，我们做得不够：真正的线性放大器往往效率很低。例如，电缆分配系统中使用的放大器具有出色的线性度，但这是以效率为代价的。在大多数情况下，效率难以达到6%以上，功率平衡（94%）被浪费了。浪费的电力具有经济、环境和应用成本。在蜂窝基站中，电力占运营成本的50%以上。浪费的电力会增加用电量并产生温室气体，而大部分不作为无线电波发射的电力必须以热量的形式消散，这需要主动和被动热管理。

在过去的几十年中，蜂窝行业已将PA的效率提高到超过50%的性能水平。这是通过采用多尔蒂等智能架构和氮化镓等先进工艺技术来实现的。这种效率水平是有代价的——线性度。蜂窝系统中线性度差有两个主要后果：带内失真和带外发射。带内失真会破坏传输信号的保真度，并可能通过误差矢量调制（EVM）性能下降来表示。带外辐射会破坏 3GPP 辐射模板，并可能对占用相邻信道频率分配的运营商造成不必要的干扰。我们通常根据 ACLR 来衡量性能的这一方面。GaN PA带来了额外的挑战，因为电荷捕获效应也会产生带内失真。这些本质上是动态的，与ACLR隐含的任何SNR无关。

图1.具有记忆效应的PA动态传递函数。

校正PA非线性至关重要。这是一个合理的假设，如果知道PA的传递函数，则在数据上使用其逆函数将使非线性无效。然而，PA具有可被视为动态传递函数的东西;其输出到输入特性可以认为是连续变化的。此外，动态传递函数取决于PA特性（包括功率、电压和温度）、提供给PA的输入信号以及PA处理的先前信号（记忆效应）的组合。PA的动态非线性行为需要先建模，然后才能进行校正，因此需要数字预失真，DPD需要适应环境的动态。

图2.数字预失真系统的概念表示。

图2提供了许多DPD系统的核心要素：观察、估计和驱动。图2中的概念生成了一个跟踪PA预期响应的模型，以便生成适当的抵消信号来消除PA的预测非线性行为。有许多模型，例如无处不在的广义记忆多项式（GMP）。

图3.带和不带数字预失真的相邻通道泄漏。

在其线性区域工作的PA产生的带外失真较少，并且如图3所示，泄漏到相邻通道的噪声水平显著降低。图3显示了典型DPD测试台上频谱分析仪的屏幕截图，用于演示静态DPD性能是否符合许多ACLR一致性测试所要求的标准。

市场演变、性能增强和移动目标

自 1990 年代以来，DPD 已在蜂窝基站中商用，利用率计算为 800 多万次部署。随着蜂窝市场的技术和世代要求（2G、3G、4G和现在的5G）发生变化，对DPD的要求也随之变化。这些挑战包括但不限于更宽的带宽、更高的功率、载波布局、更高的峰均信号比以及基站数量和距离的致密化。

设备供应商急于区分其产品，并继续推动相对于相关 3GPP 规范的效率方面的性能增强。PA效率仍然是一个挑战。虽然传统的变革驱动因素是运营成本和热管理（包括与之相关的硬件/重量成本），但现在环境考虑因素为这种变化提供了加速剂。

PA和DPD具有部分共生关系。在某些情况下，这种关系可能是和谐的，而在另一些情况下则更加困难。一个供应商的DPD友好的PA可能会与另一个供应商的DPD友好。通常，当DPD和PA都经过配置和调整以匹配特定应用时，可以实现最佳性能。然而，PA设计在不断发展，以满足5G及以后的苛刻要求。与此同时，DPD必须不断发展以满足额外的需求。随着宽带和双频应用成为常态，PA 开发人员面临的挑战是如何在更高频率下实现更宽的带宽，同时保持性能预期。开发带宽能力为200 MHz及以上的PA是一项挑战，而确保其能够满足3GPP规范和效率也带来了进一步的挑战。这些挑战反过来又落在了DPD开发人员身上。

了解挑战

量化DPD性能并非易事。需要考虑的条件和方案矩阵 - 除了 PA 之外，还有许多其他缓解依赖项。当我们考虑性能时，需要明确定义测试条件的细节：在200 MHz带宽下实现>50%的效率比在20 MHz的工作带宽下实现相同效率水平的挑战要大得多。当我们考虑在分配频谱内的载波放置时，情况变得更加复杂;它可能是一个连续的信号，但它也可能是一个分段的载波分配，其中部分频谱被占用。

在高层次上，DPD性能有定量指标，这些数据点主要由3GPP规范或运营商要求定义：ACLR，EVM和效率。满足这些只是DPD性能的冰山一角。当稳定性和稳健性被添加到组合中时，挑战的艰巨性开始浮出水面。DPD性能有两个关键方面：静态基准性能和实际操作动态性能。

为了描述动态挑战，图4说明了动态环境中的信号演变，并显示了ACLR如何通过自适应DPD做出响应。这些数字是名义上的。该图提供了突然信号变化影响的示例，这些变化是极端但合法的。随着信号的变化，DPD模型会适应它。适应事件以点表示。在信号变化和下一次适应之间的过渡时间内，模型和信号之间存在不匹配，因此ACLR值可能会上升，从而增加了在瞬态持续时间内超过辐射规格的风险。

图4.动态单元加载、DPD 适配和 ACLR 瞬变。

适应需要有限的时间，所以总会有短暂的。高性能DPD面临的挑战是将模型失配时间降至最低，同时确保两种状态之间的平稳过渡。需要对该过程进行管理，以便同时考虑适应和中断ACLR的速度。了解模型不匹配如何取决于信号转换的性质非常重要。当不匹配度很高时，DPD可能会降低性能，甚至更糟的是，降低无线电的稳定性。如果发生不稳定，可能会导致DPD算法滚雪球失控，爆破发射掩模，在最坏的情况下，还会损坏无线电硬件。在性能与稳定性的跷跷板上，稳定性将始终是突出的设计考虑因素。DPD设计必须坚固耐用，以确保在正常和异常工作条件下的稳定性和错误恢复。

高性能实用DPD解决方案面临的挑战可以概括为以下要求：

静态性能（一致性测试或 BTS 流量负载大致恒定的情况）

美国前交叉韧带

EVM（包括氮化镓作为特例）

动力学

鲁棒性

此外，由于ADI公司是DPD的第三方供应商，因此还必须考虑以下几点：

保养

解决我们的客户（OEM）部署到其客户（操作员）时发生的性能问题。

演化

在现场的使用寿命期间，PA技术和信号空间应用可能会发生变化。

共性

OEM 可以根据每个产品微调其 DPD。我们没有那么奢侈。我们必须满足许多应用程序的需求，同时最大限度地减少可配置性和冗余。

提高DPD性能以应对挑战

仅考虑静态性能，DPD开发存在线性进展的因素。如果我们提供更多的资源，那么我们就会提高性能。例如，更多的GMP系数有助于更准确地对PA行为进行建模。因此，随着带宽的扩大，这成为保持性能（如果不是提高性能）策略的一个要素。然而，这种方法有其局限性。如果额外资源提供很少或根本没有好处，就会达到收益递减的点。DPD算法开发人员需要采取更具创造性的方法来进一步增强。ADI的方法是用更通用的基函数和高阶Volterra乘积来增强基本算法广义存储器多项式。当开发人员尝试创建一个能够准确预测PA行为的模型时，数据积累和数据操作是核心的基本要素。在连续的时间和功率水平上捕获数据，使开发人员能够获得更完整的水库或军械库，以对其进行评估并塑造模型行为。图 5 提供了采用这种方法的系统的概念性概述。请注意，更广泛的数据捕获/观察节点与数字电源监控相结合。电源监控有助于动态。先前存储的模型可以通过多种方式发挥作用，以减轻上面讨论的动态瞬变。

图5.DPD实施，具有更广泛的数据捕获/观察。

近年来，GaN PA技术给DPD开发人员带来了另一个挑战：长期记忆效应。氮化镓工艺技术在效率、带宽和工作频率方面具有许多明显的优势。然而，它确实表现出所谓的电荷捕获效应。GaN中的电荷捕获是一种长期记忆效应，其中存在陷阱，然后是热去捕获。基于 GMP 的 DPD 纠正了一些错误。但是，残余误差会继续影响信号质量。这种失真会导致EVM相应上升。图6提供了该现象的图形表示。注意PA增益波动以及这些波动的时间性质。另请注意陷印和去陷印状态，以及去陷印发生在较低功率符号上。

图6.GaN PA电荷捕获引入的长期增益误差。

由于时间效应是长期的，传统方法建议获取大量采样点，从而需要存储和处理大量数据。内存成本、硅面积和处理成本意味着这种方法对于商业DPD部署来说不是一个可行的选择。DPD开发人员必须消除电荷捕获的影响，但这样做的方式有助于高效实现和操作。电荷撷率校正（CTC）是ADRV9029收发器在功耗和计算时间方面以低成本支持的功能。它已被证明可以将 EVM 恢复到 EVM 3GPP 规范范围内的水平。下一代收发器，即将推出的ADRV9040，拥有更精细的解决方案，计划在动态场景中提供增强的性能，并更好地覆盖越来越多的具有独特电荷撷率特性的GaN PA。

图7.平衡DPD性能的所有要素与挑战。

如前所述，DPD实现的稳定性至关重要。通过持续监控内部状态和对异常情况提供快速响应来解决鲁棒性问题。

ADI解决方案的通用性通过对来自许多供应商的广泛PA样本进行测试来解决，其中许多供应商与许多供应商建立了共生的技术关系。

结论

很多时候，当呈现DPD性能时，重点是性能的静态元素。虽然EVM和ACLR的测量标准仍然有效，但必须更多地关注构成这些测量的操作条件和要求矩阵。5G NR的需求继续推动应用需求。再加上对更高PA效率的渴望，加剧了DPD算法开发的挑战。

当我们开始鉴定DPD性能时，我们需要一种整体方法来处理：

静态性能

动态性能

鲁棒性

稳定性

与规格有窄边距的DPD可能不受欢迎，而导致临时规格挤出的DPD可能会使操作员感到不安，而不稳定并导致非法排放和可能的PA故障的DPD是灾难性的。DPD算法不应被视为现成的产品;当根据PA和应用的具体情况修剪DPD时，可以实现最佳性能，因此，算法敏捷性和开发/现场支持也是重要的考虑因素。有效的DPD算法可以带来巨大的系统优势。不应低估所需经费和业绩评估的复杂性。

审核编辑：郭婷