De uitdaging van de lineariteit in RF-voedingsversterkers

Moderne communicatiesystemen, van 5G cellulaire basisstations tot satelliettransponders, vereisen uitzonderlijke signaaltrouw over brede bandbreedtes. In het hart van deze zenders ligt de RF-vermogensversterker (PA), een component die inherent uitwisselt voor lineariteit. Als het uitgangsvermogen nadert de verzadigingsgebied van de versterker, niet-lineaire effecten zoals AM-AM compressie en AM-PM vervorming uitgesproken. Deze vervormingen verspreiden niet alleen het signaalspectrum in aangrenzende kanalen (spectrale hergroei) maar ook degraderen fout vector magnitude (EVM), waardoor het onmogelijk om te voldoen aan de strenge eisen van hoge-order modulatie schema's zoals 64-QAM en 256-QAM. Predistoratietechnieken zijn ontstaan als de meest praktische en kostenefficiënte manier om versterkers te lineariseren met behoud van hoge efficiëntie. Dit artikel biedt een diepe, technische-georiënteerde exploratie van predistoriemethoden, van fundamentele principes tot cuting-edge adaptive digital implementations.

Begrip RF-versterker non-Linearity

Om effectieve predistortie te ontwerpen, moet je eerst het niet-lineaire gedrag van de vermogensversterker karakteriseren. Niet-lineairheden ontstaan uit de inherente eigenschappen van actieve apparaten (zoals GaN HEMTs of LDMOS transistors) en uit bevooroordeelde circuitdynamiek. De twee dominante vormen zijn amplitude-tot-amplitude (AM-AM) conversie en amplitude-tot-fase (AM-PM) conversie. AM-AM beschrijft hoe het uitgangssignaal amplitude comprimeert ten opzichte van de input, terwijl AM-PM de ongewenste faseverschuiving vangt die varieert met ingangsenvelop.

Geheugeneffecten en Brede Band Distortion

Bij moderne breedbandsignalen (bijvoorbeeld 100 MHz-geaggregeerde drager voor 5G NR) worden geheugeneffecten kritiek. Deze manifesteren zich als een geschiedenisafhankelijke non-lineairheid: de output hangt op elk moment af van niet alleen de onmiddellijke ingang maar ook van eerdere signaalwaarden. Geheugen ontstaat uit thermische tijdconstanten, elektrische energieopslag in biasnetwerken (vooral afvoervooroordelen ontkoppeling), en transistoren vangnetten effecten. Een predistorter die geheugen negeert zal niet voorkomen dat spectraalhergroei ver van de drager ver weg, meestal juist de regio waar de regelgeving grenzen aan aangrenzende kanaalstroom (ACPR) zijn strikt.

Predistoriebeginselen

Predistortion werkt door een niet-lineaire verwerkingsblok voor de versterker in te voegen. De eigenschap van dit blok is ontworpen om de omgekeerde overdrachtsfunctie van de versterker te zijn. In een ideaal scenario introduceert de predistorter de tegenovergestelde vervorming (-D). Mathematisch gezien, als de input-outputrelatie van de PA wordt beschreven door y(t) = F], waar F is een niet-lineaire operator, dan past de predistorter een functie toe G dergelijke functie [F]]in[]]]][FLT: [LT][LT][LT][LT][LT][LT][LT][LT] [LT] [LT] [LT] [LT] [

In de praktijk is de inversie bij benadering en adaptief omdat de kenmerkende driften van de PA met temperatuur, voedingsspanning en veroudering. Succesvolle voorvervorming vereist nauwkeurige modellering van de PA inclusief geheugen, real-time aanpassing en robuuste implementatie in het digitale of analoge domein.

Soorten voorvervaltechnieken

Predistortion kan worden gecategoriseerd door hardware domein (analoge vs. digitaal) en door adaptatie mechanisme (open-loop vs. adaptive closed-loop). Elke aanpak biedt verschillende trade-offs in linearisatie bandbreedte, complexiteit, energieverbruik, en haalbare annulering diepte.

Analoge predistortie

Analoge predistorters waren de eerste linearisatie methoden die werden ingezet. Een klassiek analoog ontwerp maakt gebruik van een kubieke generator: een Schottky diode paar produceert een derde-orde non-lineairheid die de IM3-producten van PA annuleert. Fase-uitlijning en amplitudeniveau worden ingesteld met vectormodulatoren. Terwijl analoge predistorters compact en laag-latency .ideaal voor legacy smalband systemen . they lijden aan beperkte correctiemogelijkheden. Ze kunnen niet compenseren voor geheugen effecten, ze bieden smalle correctie bandbreedte (meestal < 20 MHz), en ze drijven met temperatuur, die handmatige afstemming vereisen. Vooruitgangen zoals het gebruik van evenwichtige topologieën met programmeerbare dempings hebben een verbeterde flexibiliteit, maar voor brede band hoge-lineairheid eisen, digitale predistorie is de standaard geworden.

Digitale predistortie (DPD)

Digitale predistortion maakt gebruik van de kracht van FPGA, ASIC of hoge snelheid DSP om een vooraf vervormd baseband signaal te genereren voordat het wordt omgezet in RF. De predistorter wordt meestal geïmplementeerd met behulp van een polynomial model (geheugenloos of met geheugen) waarvan de coëfficiënten worden geschat op basis van feedback van de PA-uitvoer. De meest voorkomende modellen zijn:

  • Geheugenloze polynomiale (bv. alleen oneven volgorde): vangt AM-AM/AM-PM maar negeert geheugen. Alleen geschikt voor smalbandsignalen.
  • Geheugenpolynomial (bv. "Hammerstein" of "Wiener": introduceert vertraagde versies van de invoer om geheugeneffecten te verwerken. Dit is het werkpaard van de meeste DPD-implementaties vandaag.
  • Gegeneraliseerde geheugenpolynomiale (GMP): omvat kruistermen tussen verschillende vertragingen en enveloppen, die een hogere nauwkeurigheid bieden voor sterk niet-lineaire PA's met significant geheugen.
  • Volterra serie: het meest uitgebreide model, maar met hoge rekenkosten. Gesnoeide Volterra modellen (zoals dynamische afwijkingsreductie) worden gebruikt in onderzoek en high-end systemen.

Adaptieve coëfficiëntschatting wordt gedaan met behulp van de minst-kwadraten (LS), recursieve minst-kwadraten (RLS) of LMS-algoritmen. Het feedback-observatiepad vangt de PA-uitvoer (na downconversie en ADC) en richt het uit met het invoersignaal; restfout wordt geminimaliseerd om predistortercoëfficiënten bij te werken. Moderne DPD-systemen kunnen 20.330 dB verbetering in ACPR bereiken, waardoor PA's dicht bij verzadiging kunnen werken tijdens het voldoen aan spectrale maskers.

Adaptieve voorvervorming

Adaptieve voorvervorming combineert digitale voorvervorming met continue monitoring en aanpassingscoëfficiënt. De aanpassing kan gebaseerd zijn op direct leren (minimaliseren output error) of indirect leren (direct modelleren van de PA inverse). Indirect leren, met behulp van een "training" tak, vermijdt de noodzaak van een apart model van de PA en wordt op grote schaal toegepast. Het feedback pad moet zorgvuldig worden ontworpen: het vereist een zeer lineaire observatie ontvanger (vaak met een koppeling en een speciale ADC), frequentie uitlijning, en vertraging compensatie. Adaptieve DPD kan temperatuurveranderingen, belastingsvariaties en componentenveroudering volgen, waardoor een consistente lineariteit in de tijd zonder fabriekskalibratie wordt gegarandeerd.

Uitvoering van predistortie voor ultra-Lineaire prestaties

Het inzetten van predistortion in een productiesysteem omvat verschillende gedisciplineerde engineering stappen. Hieronder schetsen we een typische workflow voor DPD.

Stap 1: Teken de versterker

Nauwkeurige karakterisering begint met een vectorsignaalgenerator en een vectorsignaalanalysator (of een niet-lineaire vectornetwerkanalysator, NVNA). De PA wordt aangedreven met een breedbandgemoduleerd signaal (bv. een 5G NR 100 MHz golfvorm) terwijl het opnemen van input- en outputgolfvormen synchroon. Belangrijke metriek zijn AM-AM en AM-PM-ploegen, aangrenzende kanaalvermogensverhouding (ACPR), en het stroomspectrum. Voor geheugenkarakterisatie, twee-tone metingen met variabele toonafstand tonen asymmetrie in intermodulatieproducten, een hallmark van geheugeneffecten. De karakterisering moet betrekking hebben op het volledige dynamische bereik en temperatuurbereik dat in het veld wordt verwacht.

Stap 2: Model van de PA-non-lineairheid

Raw time-domein gegevens worden gebruikt om een gedragsmodel uit te pakken. Voor DPD is de modelkeuze afhankelijk van geheugendiepte en niet-lineaire volgorde. Een typische benadering is om eerst een geheugenloze polynomiale (onverwachte orders tot, laten we zeggen, 9e) te passen en dan geheugentermen toe te voegen als de restfout boven het doel ligt. Model extractie tools in MATLAB of Python (met behulp van pakketten zoals ) passen coëfficiënten met behulp van de minst kwadraten. Regularisatie (bijv. ribbel regressie) voorkomt overfitting. De geldigheid van het model wordt beoordeeld door de vooraf vervormde signaal ACPR en EVM te vergelijken met eisen. MathWorks biedt een uitgebreide DPD ontwerp workflow met Simulink en de LTE/5G Toolbox.

Stap 3: Implementeer de Predistorter

Het geschatte inverse model wordt in een digitale architectuur in kaart gebracht. Op een FPGA wordt de predistorter doorgaans geïmplementeerd als een opzoektabel (LUT) voor de amplitudeafhankelijke winst en fasecorrectie, gevolgd door een eindig impulsresponsfilter (FIR) om geheugeneffecten te verwerken. De LUT-adressen worden gegenereerd door de onmiddellijke envelop van het basisbandsignaal. Voor hogere prestaties vervangt een polynomiale evaluatiemotor (met behulp van het Horner-formulier voor efficiëntie) de LUT. De implementatie moet voldoen aan de latencybeperkingen: het predistore signaal moet worden gegenereerd binnen een fractie van de symboolperiode, waarbij meestal pijpleidingsfasen vereist zijn. Hoge snelheid ADC's ( > 500 Msps) en DAC's ( > 1 Gsps) zijn noodzakelijk voor 100 MHz+ bandbreedte DPD. Keysight's toepassings note on DPD test and meeting]]] details hardwarevereisten en kalibratietechnieken.

Stap 4: Integreer feedback en aanpassing

De feedback pad koppelt een klein monster van de PA-uitgang via een directionele koppeling (meestal .30 dB koppeling) en voert het naar de observatie ontvanger. De ontvanger moet voldoende lineariteit hebben om te voorkomen dat het invoeren van zijn eigen vervorming; een bekende techniek is om een bandpass filter te gebruiken om verre ruis te verwijderen. De opgenomen output wordt omgeconverteerd naar een lage IF of baseband en gedigitaliseerd. De DPD aanpassing motor voert dan tijd uit (cross-correlation), fase en gain uitlijning, en coëfficiënt-update. Aanpassing kan continu lopen met een snelheid van tientallen kHz, of alleen geactiveerd wanneer fout een drempel overschrijdt. De aanpassing algoritme moet numeriek stabiel zijn; RLS is gebruikelijk voor de snelle convergentie, terwijl LMS is eenvoudiger maar langzamer.

Voordelen van predistortietechnieken

De uitvoering van predistortion (met name adaptieve DPD) levert meetbare en significante verbeteringen op in de prestaties van het RF-systeem:

  • Verminderde signaalvervorming: ACPR verbeteringen van 15
  • Enhanced Spectral Efficiency: De mogelijkheid om hogere-orde modulatie te gebruiken (bijv. 1024-QAM) wordt haalbaar zonder de kanaalafstand te vergroten, waardoor de gegevensdoorvoer per hertz rechtstreeks toeneemt.
  • Hogere vermogensuitvoer: De PA kan minder worden afgeschrapt van zijn verzadigingspunt; een toename van 3
  • Verbeterde systeembetrouwbaarheid: Door de PA te bedienen op een efficiëntere vooringenomenheid (bv. klasse AB bij een lichte terugslag) en te vertrouwen op DPD voor lineariteit, afkoelingstemperaturen, vermindering van de belasting van het apparaat en verlenging van de levensduur.
  • Vereenvoudigd analoog ontwerp: Omdat de predistorter niet-lineairheid corrigeert, kan de PA zelf worden ontworpen voor een hogere efficiëntie (bv. klasse F of inverse klasse F) in plaats van voor een hoge lineariteit, die vaak 5

Praktische overwegingen en uitdagingen

Hoewel predistortie krachtig is, is het geen wondermiddel. Ingenieurs moeten verschillende praktische beperkingen navigeren.

Bandbreedtebeperking

Het DPD observatiepad moet minstens 3× tot 5× de signaalbandbreedte vastleggen om de significante vervormingsproducten te bevatten (bv. voor een 100 MHz signaal is een 500 MHz bandbreedte observatieketen typisch). Dit vereist zeer hoge snelheids-ADC's (1

Complexiteit vs. correctiediepte

Diepere annulering vereist hogere polynomiale orders en langere geheugentermen, die het aantal coëfficiënten verhogen die soms in de honderden. Overfitting kan instabiliteit veroorzaken; bovendien, het systeem moet veranderende omstandigheden volgen. Adaptieve algoritmen zoals RLS zijn computationeel duur; implementatie in een FPGA vereist zorgvuldige scheidings- en multiplier resource management.

Piek-tot-gemiddelde vermogensratio (PAPR)

Breedband OFDM-gebaseerde signalen hebben hoge PAPR, waardoor de PA met grote momentane excursies in verzadiging werkt. Predistortie kan corrigeren voor deze pieken, maar het correctiesignaal zelf kan de piekenvelop verhogen, mogelijk de PA verder in verzadiging brengen of het lineaire bereik van de predistorter overschrijden. Crestfactorreductie (CFR) gaat vaak voor DPD in de transmissieketen om dit te beperken.

Terugkoppelingspad-lijnariteit

De ruis van de observatieontvanger, de lineariteit en het dynamische bereik beperken direct de haalbare annulering. Een suboptimale feedbackketen introduceert zijn eigen vervormingen die het aanpassingsalgoritme interpreteert als PA-non-lineairheden, wat leidt tot onjuiste predistortiecoëfficiënten. Kalibratie van het feedbackpad.Inclusief I/Q onbalans, DC offset en vertraging is essentieel. Een 2020 IEEE-papier op DPD voor 5G bespreekt geavanceerde kalibratietechnieken voor FDD- en TDD-systemen.

Als draadloze normen naar grotere bandbreedtes (tot 800 MHz voor mmWave) en carrieraggregatie duwen, evolueren de predistortietechnieken.

DPD machine learning

Neurale netwerkgebaseerde predistorters (bijvoorbeeld met behulp van LSTM of CNN-architecturen) worden bestudeerd voor hun vermogen om complexe geheugeneffecten te modelleren met minder parameters dan Volterra series. Praktische FPGA implementaties van dergelijke netwerken blijven uitdagend vanwege latency en resource beperkingen, maar gespecialiseerde hardware (bijvoorbeeld Xilinx' AI Engine tiles) maakt real-time gevolgtrekkingen levensvatbaar.

Hybride predistortie

Het combineren van de sterke punten van analoge en digitale predistortie wint aan belangstelling. Een analoge predistorter kan grove correctie van derde-orde intermodulatieproducten (het verminderen van het dynamische bereik van de DPD), terwijl de DPD fijne tunes voor geheugen en hogere-orde termen. Deze aanpak vermindert de observatiebandbreedte vereiste en verlaagt ADC/DAC snelheid behoeften.

Digitale envelop volgen met DPD

Enveloptracking (ET) past de voedingsspanning van de PA in real time aan om de efficiëntie te verbeteren. ET introduceert echter extra niet-lineairheden afhankelijk van het enveloppad. Predistortie kan worden uitgebreid om het gecombineerde ET+PA-systeem te modelleren als een dynamische 2-input non-lineaire functie (signaalomslag en voedingsspanning), waardoor nieuwe routes naar ultra-efficiënte lineaire versterking worden aangeboden.

Conclusie

Predistortion blijft de gouden standaard voor het bereiken van ultra-lineaire RF-versterker prestaties zonder op te offeren efficiëntie. Van de vroege kubieke diode analoge circuits tot de huidige adaptieve digitale predistorters die werken op 100 MHz+ golfvormen, de techniek is gerijpt tot een mainstream eis voor alle geavanceerde zenders. Engineerers die master PA karakterisatie, gedragsmodellen, en adaptieve implementatie zijn uitgerust om systemen die voldoen aan de strenge lineariteit eisen van 5G/6G, satelliet, en militaire communicatie. Naarmate de industrie beweegt naar software-gedefinieerde radio's en AI-aided signaalverwerking, zal predistortion blijven aanpassen aan slimmer, efficiënter, en meer integraal aan de RF ontwerpstroom.

Voor nadere lezing, raadpleeg de praktische ontwerpvoorbeelden in Analoge apparaten' serie over DPD en het uitgebreide onderzoek in IET Magnetrons, Antenna's & Propagation.[