Einleitung: Die entscheidende Rolle von Leistungsverstärkern in kognitiven Funknetzen

Kognitive Funknetze (CRNs) stellen einen Paradigmenwechsel in der drahtlosen Kommunikation dar, der darauf abzielt, die Knappheit lizenzierter Frequenzen durch den dynamischen Frequenzzugang zu überwinden. In einem CRN erkennen und besetzen sekundäre Benutzer auf intelligente Weise unbesetzte Frequenzbänder, ohne dass primäre Benutzer schädliche Störungen erleiden. Das gesamte System beruht auf adaptiven Transceivern, die die Umgebung wahrnehmen, Entscheidungen treffen und Übertragungsparameter in Echtzeit neu konfigurieren können. Im Mittelpunkt jedes HF-Senders steht der Leistungsverstärker (Power Verstärker, PSA) – die Komponente, die das Signal auf ein für einen zuverlässigen Empfang ausreichendes Niveau erhöht. Die Leistung eines CRNs hängt direkt mit den Fähigkeiten seines PA zusammen: Abdeckungsbereich, Datenrate, Energieverbrauch und Interferenzfußabdruck hängen alle davon ab, wie effektiv der Verstärker das Signal unter Wahrung seiner Integrität verstärkt. Dieser Artikel untersucht die unverzichtbare Rolle von Leistungsverstärkern in CRNs, untersucht ihre Auswirkungen auf die Netzwerkleistung, die üblicherweise verwendeten Arten, die Herausforderungen, denen sie gegenüberstehen, und die zukünftigen Richtungen der PA-Technologie in kognitiven Funksystemen.

Power Verstärker im Kontext des kognitiven Radios verstehen

Grundfunktion und Schlüsselparameter

Ein Leistungsverstärker erhält ein HF-Signal mit geringer Leistung vom Modulator des Transceivers und erhöht seine Leistung vor der Übertragung durch die Antenne. In jedem Kommunikationssystem sind PAs durch mehrere kritische Parameter gekennzeichnet: Verstärkung, Ausgangsleistung, Bandbreite, Linearität, Effizienz und Rauschzahl. Bei CRNs erhalten diese Parameter zusätzliche Bedeutung, da der Sender über einen weiten Frequenzbereich arbeiten und seine Ausgangsleistung dynamisch anpassen muss, um Störungen zu vermeiden und die Spektrumvorschriften einzuhalten.

  • Gain: Das Verhältnis von Ausgangsleistung zu Eingangsleistung, typischerweise ausgedrückt in Dezibel (dB). CRN PAs benötigen einen hohen Gewinn, um Verluste im Pfad auszugleichen und variable Distanzverbindungen zu unterstützen.
  • Linearität: Die Fähigkeit, Amplitude und Phase des Eingangssignals ohne Verzerrung zu reproduzieren. Nichtlinearitäten erzeugen Oberwellen und Intermodulationsprodukte, die in benachbarte Kanäle gelangen können, was die Einschränkung der kognitiven Operation durch Nicht-Einmischung verletzt.
  • Effizienz: Das Verhältnis von HF-Ausgangsleistung zu DC-Leistung, die verbraucht wird. In batteriebetriebenen kognitiven Geräten verlängert hoher Wirkungsgrad den Betrieb und reduziert thermische Belastung.
  • Bandbreite: Der Frequenzbereich, über den die PA mit akzeptabler Leistung arbeiten kann. Kognitive Funkgeräte benötigen oft Breitband- oder Multiband-PAs, um verschiedene Spektrummöglichkeiten zu nutzen.

Wie sich CRN-Anforderungen von traditionellen Systemen unterscheiden

In herkömmlichen drahtlosen Netzwerken (z. B. Mobilfunk oder WLAN) verwendet der Sender typischerweise ein festes Frequenzband und ein vorhersehbares Leistungsniveau. Kognitive Funkgeräte müssen jedoch das Spektrum erfassen, Löcher identifizieren und die Trägerfrequenz und Ausgangsleistung auf einer Paketbasis einstellen. Dies stellt einzigartige Anforderungen an die PA: Sie muss das sofortige Frequenzsprungen unterstützen, die Linearität über einen breiten dynamischen Bereich der Ausgangsleistung beibehalten (von nahezu Null bis maximal) und die schnelle Umschaltung bewältigen, die für den Zugang zum Zeitspektrum erforderlich ist. Darüber hinaus darf die PA keine übermäßigen Out-of-Band-Emissionen erzeugen, die primäre Benutzer während der Spektrumsensierung maskieren könnten. Die Wahl der PA-Architektur und das Design ihrer Vorspannung, passenden Netzwerke und Linearisierungsschaltungen werden für den Erfolg einer CRN entscheidend.

Auswirkungen von Leistungsverstärkern auf die CRN-Leistung

Coverage Area und Range Extension

Der offensichtlichste Beitrag einer PA ist die Erhöhung der übertragenen Leistung, was den Kommunikationsbereich direkt erweitert. In CRNs, in denen sekundäre Benutzer über große geografische Gebiete verteilt sein können, kann die Fähigkeit, eine zuverlässige Kommunikation über mehrere Kilometer zu erreichen, den Unterschied zwischen einem lebensfähigen und einem ausgefallenen Netzwerk ausmachen. Allerdings müssen die gesetzlichen Grenzen für die maximale übertragene Leistung (z. B. FCC Part 15) immer noch eingehalten werden. Eine gut konzipierte PA kann die maximal zulässige Leistung mit minimaler Verschlechterung liefern, wodurch die Abdeckung maximiert wird, ohne das Interferenzrisiko für primäre Benutzer zu erhöhen.

Signalqualität und Fehlerrate

Die Signalqualität in einem CRN wird durch die Fehlervektorgröße (EVM) und die Bitfehlerrate (BER) gemessen. Ein lineares PA behält die Modulationsgenauigkeit bei und stellt sicher, dass der Empfänger die übertragenen Symbole auch unter Bedingungen mit niedrigem Signal-Rausch-Verhältnis korrekt decodieren kann. Nichtlineares PA-Verhalten – wie Amplitude-Amplitude- (AM-AM) und Amplitude-Phase- (AM-PM) Verzerrung – komprimiert die Signalkonstellation und führt Intersymbolinterferenzen ein. Für fortgeschrittene Modulationsschemata wie 64-QAM oder 256-QAM, die zunehmend in CRNs mit hohem Durchsatz verwendet werden, können selbst kleine Nichtlinearitäten unannehmbare BER verursachen. Daher begrenzt die Linearität des PA direkt die erreichbare spektrale Effizienz.

Interferenzmanagement und Spektrumsensation

Eines der Grundprinzipien des kognitiven Funks ist "nicht schaden" für primäre Benutzer. Die PA muss so ausgelegt sein, dass sie Out-of-Band-Emissionen minimiert, die in benachbarte lizenzierte Bänder fallen könnten. Dies wird durch das benachbarte Kanalleistungsverhältnis (ACPR) quantifiziert. Eine PA mit schlechter Linearität erzeugt spektrales Nachwachsen, das den Rauschpegel für primäre Empfänger in der Nähe des CRN-Senders anheben kann. Zusätzlich hört das CRN-Gerät während der Spektrumserfassung auf schwache primäre Signale. Wenn das eigene Rauschen der PA oder seine Oberwellen während der Wahrnehmung in den Empfängerpfad gelangen, kann es falsche Detektionen erzeugen oder echte Signale maskieren. Techniken wie Zeitduplexing (TDD) mit separaten Wahrnehmungsintervallen oder die Verwendung eines Low-Noise-Verstärkers (LNA) vor dem Sensordetektor können dies mildern, aber die intrinsische Rauschleistung der PA bleibt entscheidend.

Energieeffizienz und Batterielebensdauer

Die PA ist in der Regel die energiehungrigste Komponente in einem drahtlosen Sender; sie kann im gesättigten Betrieb 30% bis 70% der gesamten Geräteleistung verbrauchen. In CRNs, bei denen es sich um batteriebetriebene Sensoren, IoT-Knoten oder tragbare Handys handelt, verlängert die Verbesserung der PA-Effizienz direkt die Betriebsdauer und reduziert den Kühlbedarf. Moderne PAs für kognitive Funkgeräte verwenden oft Umschlagverfolgungs- (ET) oder Doherty-Architekturen, um eine hohe Effizienz über einen breiten Ausgangsleistungsbereich zu erhalten. Energieeffizienz hat auch Auswirkungen auf Netzwerkebene: Wenn jeder Knoten weniger Strom verbraucht, verringert sich der CO2-Fußabdruck des gesamten Netzwerks und Basisstationen können mehr Benutzer unterstützen, ohne die Strombudgets zu überschreiten.

Arten von Leistungsverstärkern, die in kognitiven Funknetzen verwendet werden

Verstärker der Klasse A

Klasse-A-PAs sind die linearste und einfachste Konstruktion — der Transistor leitet den gesamten 360-Grad-Zyklus des Eingangssignals durch. Dies führt zu einer hervorragenden Linearität, aber zu einem sehr geringen Wirkungsgrad (theoretisch maximal 50%, praktisch 10-20%). In CRN-Anwendungen wird Klasse A nur dann verwendet, wenn die Reinheit des Signals im Vordergrund steht und der Stromverbrauch keine große Einschränkung darstellt, wie in Labortestgeräten oder hochpräzisen Sendesendern. Ihre schlechte Effizienz macht sie für die meisten tragbaren kognitiven Funkgeräte ungeeignet.

Verstärker der Klasse B und der Klasse AB

Klasse B PAs leiten für den halben Zyklus (180 Grad), verdoppeln die theoretische Effizienz auf etwa 78,5%, aber ihre Push-Pull-Konfiguration führt Crossover-Verzerrung bei niedrigen Signalpegeln ein. Klasse AB stellt einen Kompromiss dar - der Transistor leitet mehr als 180 Grad, aber weniger als 360 Grad, reduziert die Crossover-Verzerrung bei moderater Effizienz (30-60%). Diese werden in Mobilfunk- und Wi-Fi-Anwendungen weit verbreitet verwendet, und viele kognitive Funkprototypen verwenden Klasse AB PAs, weil sie einen guten Kompromiss zwischen Linearität und Effizienz für mittlere Leistungspegel bieten. Mit digitaler Vorverzerrung (DPD) Linearisierung kann Klasse AB die von CRNs benötigten Modulationen höherer Ordnung unterstützen.

Verstärker der Klasse C

Klasse C PAs führen weniger als 180 Grad des Zyklus und erreichen einen Wirkungsgrad von bis zu 90%, jedoch mit starker Nichtlinearität. Sie werden selten direkt in CRN-Sendern verwendet, da die Verzerrung für Anwendungen mit bis zu 64-QAM zu hoch ist. Sie finden jedoch periphere Verwendung in Oszillatorschaltungen oder in Hochleistungsstufen, in denen eine konstante Hüllkurvenmodulation (z. B. GMSK) verwendet wird, wie einige ältere Sensornetzwerke, die auf einfachen Spektrumzugriff angewiesen sind.

Doherty-Verstärker

Die Doherty-Architektur kombiniert einen Hauptverstärker (Klasse AB) und einen Spitzenverstärker (Klasse C). Bei geringer Leistung arbeitet nur der Hauptverstärker und erreicht einen hohen Wirkungsgrad. Bei Spitzenleistung schaltet sich der Spitzenverstärker ein, wodurch der Ausgang bei gleichzeitig hohem Wirkungsgrad erhöht wird. Der Doherty-PA ist heute Standard in zellularen Basisstationen und wird zunehmend in der kognitiven Funkinfrastruktur übernommen, da er den Wirkungsgrad über einen 6-10 dB-Leistungs-Back-off-Bereich beibehält - genau der Zustand, in dem ein CRN-Sender seine Leistung kontrollieren muss, um Störungen zu vermeiden. Moderne GaN-Doherty-PAs können bei voller Leistung > 50 % und bei 6 dB-Back-off > 40 % erreichen, was sie ideal für energiebewusste CRN-Knoten macht.

Umhüllen Tracking Verstärker

Envelope Tracking verwendet einen DC-DC-Wandler, um die Versorgungsspannung der PA dynamisch mit der Hüllkurve des HF-Signals zu modulieren. Dadurch wird der Transistor in der Nähe seines Sättigungsbereichs betrieben, wo die Effizienz am höchsten ist, auch wenn die Signalamplitude nicht an der Spitze liegt. Envelope Tracking kann Effizienzniveaus liefern, die mit Doherty-Designs über eine breitere Bandbreite konkurrieren, und es ist besonders gut geeignet für Signale mit hohen Peak-to-Age-Leistungsverhältnissen (PAPR), wie OFDM - die Modulation der Wahl in vielen kognitiven Funksystemen. ET PAs sind in viele moderne zelluläre Chipsätze integriert (z. B. für LTE-A und 5G) und werden für Breitband-CRN-Anwendungen angepasst.

Neue Technologien: GaN, LDMOS und digitale Vorverzerrung

Leistungstransistoren aus Galliumnitrid (GaN) bieten eine höhere Durchbruchspannung, eine größere Bandbreite und eine bessere Effizienz als herkömmliche Silizium-LDMOS- oder GaAs-Geräte. GaN-PAs sind für CRNs besonders attraktiv, da sie über eine Multioktavbandbreite unter Beibehaltung einer hohen Linearität betrieben werden können. LDMOS (laterally diffusioned metal oxide semiconductor) bleibt in der Hochleistungsinfrastruktur aufgrund ihrer bewährten Zuverlässigkeit und niedrigen Kosten dominant. Digitale Vorverzerrung (DPD) ist keine PA-Topologie, sondern eine Linearisierungstechnik, die das Eingangssignal im digitalen Bereich vorzerrt, um die Nichtlinearitäten der PA zu beseitigen. In Kombination mit einer Klasse AB oder Doherty PA kann DPD ACPR-Werte unter -60 dBc erreichen und die strengsten kognitiven Funkemissionsmasken erfüllen. Viele moderne CRN-Testumgebungen verwenden FPGA-basierte DPD, um einen breitbandigen, hochwertigsten Modulationsbetrieb mit erschwinglichen PAs zu ermöglichen.

Herausforderungen beim Power Amplifier Design für CRNs

Wärmemanagement

Hochleistungs-PAs führen zu erheblichen Wärmeabfuhren, insbesondere bei Betrieb mit geringem Wirkungsgrad. Bei CRNs kann der Sender verpflichtet sein, schnell zwischen Leistungspegeln zu wechseln oder während Datenbursts längere Zeit im Hochleistungsmodus zu bleiben. Schlechte thermische Auslegung kann dazu führen, dass die Übergangstemperaturen die sicheren Grenzwerte überschreiten, die Lebensdauer der Transistoren verkürzt werden und eine Leistungsdrift verursacht wird. Fortgeschrittene Verpackungen, Kühlkörper und aktive Kühlung (z. B. Ventilatoren in Basisstationen) sind notwendig, aber diese erhöhen Größe und Gewicht - problematisch für mobile kognitive Geräte.

Linearität vs. Effizienz Trade-off

Dies ist die ständige Herausforderung des PA-Designs: Die Steigerung der Effizienz reduziert oft die Linearität und umgekehrt. Kognitive Funkgeräte, die sowohl eine hohe spektrale Effizienz (von QAM hoher Ordnung) als auch einen geringen Stromverbrauch benötigen, müssen ein Gleichgewicht finden. Techniken wie DPD, Hüllkurvenverfolgung und Doherty tragen dazu bei, die Pareto-Grenze zu erweitern, aber sie erhöhen Komplexität und Kosten. Für kostengünstige, energiesparende CRN-Knoten (z. B. IoT-Sensoren) ist eine einfachere Klasse AB mit moderater Linearisierung möglicherweise die einzige praktische Option.

Breitband- und Multiband-Betrieb

CRNs sollen über verschiedene Frequenzbänder hinweg betrieben werden, von VHF/UHF bis hin zu Mikrowellen (z. B. 2,4 GHz ISM, TV-Weißräume, Radarbänder). Die Entwicklung einer einzelnen PA, die Verstärkung, Effizienz und Linearität über eine Bandbreite von mehreren Oktavbereichen aufrechterhält, ist äußerst schwierig. Oft verwendet das kognitive Radio mehrere PAs für verschiedene Bänder oder verwendet abstimmbare Anpassungsnetzwerke - aber diese erhöhen Verlust und Komplexität. Zukünftige Forschung zu Breitband-GaN-PAs und rekonfigurierbare Impedanzanpassung kann dieses Hindernis lindern.

Miniaturisierung für tragbare Geräte

Viele CRN-Anwendungen beinhalten tragbare, handgehaltene oder unbemannte Luftfahrzeuge (UAVs), bei denen Größe und Gewicht eine Premium sind. Die PA, zusammen mit ihrem Kühlkörper und der Stromversorgungsschaltung, nimmt oft eine große Stellfläche ein. Die Integration der PA in einen Chip (z. B. CMOS oder SiGe BiCMOS) ist ein Ziel, aber die erforderlichen Leistungsniveaus (Zig bis Hunderte von Milliwatt) erweitern die Grenzen von Siliziumprozessen. Verbindungshalbleiter (GaAs, InP) bieten eine bessere HF-Leistung, sind jedoch schwieriger mit digitaler Logik zu integrieren.

Frequenzsensor-Rauschboden

Während der Wahrnehmungsphase muss der kognitive Funkempfänger Primärsignale erfassen, die so niedrig wie –100 dBm sein können. Jedes von der PA erzeugte Rauschen (entweder aufgrund seiner eigenen Rauschzahl oder durch Leckagen aus der Senderkette) kann den Rauschpegel des Empfängers erhöhen und verpasste Erkennungen oder Fehlalarme verursachen. Sorgfältiges Design von T/R-Schaltern (Sende-/Empfangs-Schaltern), Zeitbereichs-Sensing- und Übertragungsplänen und eine physische Isolation zwischen PA und LNA sind erforderlich. Einige fortschrittliche CRNs verwenden separate Frontends für die Wahrnehmung und Übertragung, was jedoch Kosten und Komplexität erhöht.

Future Directions: Intelligentere Verstärker für kognitives Radio

Adaptive Biasing und Lastmodulation

Zukünftige PAs werden adaptive Echtzeit-Biasing beinhalten, die den Arbeitspunkt des Transistors auf der Grundlage der momentanen Signalhülle oder der erforderlichen Ausgangsleistung anpassen. Dies kann die Effizienz bei Back-Off-Levels ohne Overhead-Hüllkurven verbessern.

Machine Learning für PA Linearisierung und Optimierung

Machine-Learning-Algorithmen – insbesondere tiefe neuronale Netze und Reinforcement-Learning – werden auf das PA-Verhalten angewendet und DPD-Koeffizienten in Echtzeit zu optimieren. In einem CRN, wo sich die Kanal- und Betriebsbedingungen schnell ändern, kann sich ein ML-basierter Linearisierer schneller anpassen als herkömmliche Closed-Loop-Ansätze. Darüber hinaus kann Reinforcement-Learning dem kognitiven Radio helfen, die beste PA-Konfiguration zu wählen (z. B. Leistungspegel, Bias-Punkt, sogar PA-Auswahl), um den Gesamtnetzwerkdurchsatz zu maximieren und gleichzeitig den Energieverbrauch und die Interferenz zu minimieren.

Kognitive Leistungsverstärker (selbstbewusste PA)

Ein aufkommendes Konzept ist der „kognitive Verstärker, der seinen eigenen Zustand – Temperatur, Ausgangsleistung, Linearität – erfasst und seine internen Parameter autonom anpasst. Dies könnte durch die Einbettung von Sensoren und eines kleinen Mikrocontrollers in das PA-Modul realisiert werden. Solche selbstbewussten PAs wären besonders in CRN-Knoten wertvoll, die in rauen Umgebungen eingesetzt werden, in denen eine manuelle Abstimmung unmöglich ist. Sie könnten ihren Status auch dem Ressourcenmanager des Netzwerks zur globalen Optimierung melden.

Integration mit Software-Defined Radio (SDR)

Der Trend zu volldigitalen Transceivern, bei denen die meisten Signalverarbeitungen im digitalen Bereich stattfinden, setzt die PA als letzte analoge Komponente in den Vordergrund. Zukünftige SDR-basierte CRNs erfordern PAs, die digital gesteuert werden können - zum Beispiel durch SPI- oder MIPI-Schnittstellen, die Verstärkungs-, Bias- und sogar Bypass-Modi festlegen. Voll integrierte PA-Module mit digitaler Rückkopplung (z. B. integrierte Leistungsdetektoren und Temperatursensoren) ermöglichen eine engere Koordination zwischen der kognitiven Maschine und dem HF-Frontend.

Energy Harvesting und Self-Powered Verstärker

Bei CRN-Sensoren mit extrem niedrigem Stromverbrauch könnte die Umgebungsenergiegewinnung (Solar, thermisch, RF) den gesamten Knoten einschließlich der PA versorgen. Während die Leistungspegel bei der Ernte typischerweise niedrig sind (Mikrowatt bis Milliwatt), versprechen Fortschritte bei hocheffizienten PA-Designs (z. B. Schaltverstärker der Klasse E / F), selbsttragende kognitive Funkgeräte für die periodische Datenübertragung möglich zu machen.

Schlussfolgerung

Leistungsverstärker sind nicht nur eine unterstützende Komponente in kognitiven Funknetzwerken; sie sind ein Dreh- und Angelpunkt, der die Machbarkeit, Leistung und Energieeffizienz des gesamten Systems bestimmt. Von der Erweiterung der Abdeckung bis zum Management von Interferenzen, von der Ermöglichung einer Modulation hoher Ordnung bis hin zur Erhaltung der Batterielebensdauer prägen die Eigenschaften der PA jeden Aspekt des CRN-Betriebs. Die Wahl der Verstärkerklasse, der Linearisierungstechnik und der Halbleitertechnologie muss auf die spezifischen Anforderungen der kognitiven Anwendung abgestimmt werden - sei es eine Breitbandinfrastrukturbasisstation, ein tragbares Gerät oder ein IoT-Sensor. Während sich CRNs zu einer allgegenwärtigen Spektrumsfreigabe und intelligenten drahtlosen Umgebungen entwickeln, wird die laufende Forschung zu Breitband, effizienten und selbstadaptiven PAs von wesentlicher Bedeutung sein. Die Zukunft wird wahrscheinlich Verstärker sehen, die so kognitiv bewusst sind wie die Netzwerke, die sie bedienen, dynamisch optimieren ihr Verhalten, um die beiden Ziele von hohem Durchsatz und minimaler Interferenz zu erreichen. Für Ingenieure und Forscher, die im kognitiven Funk arbeiten, ist das Verständnis und die Weiterentwicklung der Leistungsverstärkertechnologie eine kritische und lohnende Herausforderung.

Weiterlesen: Für einen tieferen Einblick in PA-Linearisierungstechniken siehe „Digitale Vorverzerrung von Power Amplifiers für drahtlose Kommunikation (IEEE). Für einen Überblick über GaN-Technologie in HF-Leistung, siehe Qorvos Gallium Nitride Technology Overview. Für die jüngsten Fortschritte im kognitiven Radio-Frontend-Design, konsultieren Sie Analog Devices’ Technical Article on cognitive RF design.