專利名稱：：一種數(shù)字預失真處理參數(shù)求取的方法及裝置的制作方法
技術(shù)領域：
：本發(fā)明涉及數(shù)字通信領域，具體而言，本發(fā)明涉及一種數(shù)字預失真處理參數(shù)求取的方法及裝置。
背景技術(shù)：
：無線通信中的功率放大器通過提供優(yōu)良的線性和效率，來處理現(xiàn)代通信系統(tǒng)中所采用的復雜波形，通常，設計師選擇通過采用DPDQigitalPredistortion，數(shù)字預失真)技術(shù)來增加數(shù)字處理能力，該技術(shù)有助于將功率放大器PA的效率最大化，增加可靠性，并降低操作成本。與模擬方式相比，數(shù)字技術(shù)在成本、功耗和可靠性方面提供了諸多優(yōu)勢。由于這些優(yōu)點，老式的窄帶、單載波、三重轉(zhuǎn)換系統(tǒng)正在被數(shù)字信號處理和數(shù)摸轉(zhuǎn)換器控制的寬帶、多載波發(fā)射機所取代，數(shù)字信號處理和數(shù)摸轉(zhuǎn)換器產(chǎn)生直接中頻，甚至直接射頻輸出到射頻放大器?，F(xiàn)有的DPD技術(shù)處理原理示意圖如圖1所示，其中，反饋信號X和發(fā)送信號Y組成自相關矩陣和互相關矩陣，利用MMSE原理求得預失真系數(shù)w(η)，具體算法如下使用最小均方誤差MMSE作為代價函數(shù)在最小均方誤差意義下的最佳權(quán)向量為=argminJ(w)=R"X,得到的w。pt便是維納濾波的解。考慮了奇偶數(shù)階交調(diào)失真的條件下，其中X矩陣如下I、λ,U,-^v-^,νI-^vι,νI-^V--)Ι·^μ_■)Iν-.·>I-^ν_■>Iχμ~·>I-^N-2-2λΝ~2λΛ'~2|λΝ~2\λΝ-其中，采樣深度為N，記憶深度為Μ，非線性交調(diào)階數(shù)為Q，則Rn=Xh^X=rUrn_r2lr22run,2r、LhirIL.其中，M取值為3，z=g(1+1),表示dPD系數(shù)總長度?；ハ嚓P矩陣為Ryx=XXY*。其中對Rxx直接求逆的計算量會隨著系數(shù)長度的增加而變得很復雜，下面給出了利用Cholesky分解對其進行求逆的方法，利用Cholesky分解將有效降低計算復雜度。因為相關矩陣Rxx為Hermitian正定矩陣，其求逆可以用Cholesky分解來實現(xiàn)，從而降低計算復雜度。步驟如下假定Rxx=GGh為Rxx的Cholesky分解形式其中G矩陣是一個具有正的對角線元素的下三角矩陣，即cholesky分解的具體疊代過程假設B=G.1,具體計算步驟為Su那么，R^=(GGH)"1=GHG1=BHB。上述算法的核心部分是對自相關矩陣的cholesky分解，是現(xiàn)有的成熟技術(shù)。上述cholesky分解算法使用了大量的開根號和復數(shù)除法運算，因為此中算法的假定條件是Rxx=GGh,由于R是復數(shù)，所以G也是復數(shù)，所以在求時，§用了大量的復數(shù)除法運算和開根號運算。在求得^以后，接下來為了求得對角矩陣G的逆，仍然需要進行求逆運算，求逆運算也需要進行復數(shù)除法A丨量的復數(shù)除法和開根號大大的降低了系統(tǒng)求取系數(shù)的速度。在精度不能達到雙精度DOUBLE運算級別的時候，算法的性能也會有一定程度的損失?，F(xiàn)有技術(shù)對自相關矩陣的求逆采用cholesky分解算法，但是這種對矩陣只是分解成上3角和下3角Ryy=GGh的形式后，求解G矩陣使用到了開方運算和復數(shù)除法運算。復數(shù)除法首先需要求解分子和分母的相位，復數(shù)相除如下使用到的運算量包括6個乘法，2個開根號，1個除法，2個求相位，2個加法，1個減法下表是使用XILINX的ML505硬件評估板，軟件使用EDK10.1，測試上述方法所得到的結(jié)果。通過上述表格可以得到一個復數(shù)除法運算的周期為T=31803X2+2X3131+3668+875X6+26X2+24=78862如果分母是實數(shù)，，則運算周期大大降低，僅需要2個除法運算和一個加法運算T=3668*2=7336，運算周期僅僅是復數(shù)除法運算周期的1/10。因此有必要提出相應的技術(shù)方案，解決矩陣分解時計算量過于龐大的問題，例如避免在矩陣分解中進行大量的除法運算，從而能高效求取數(shù)字預失真處理參數(shù)。
發(fā)明內(nèi)容本發(fā)明的目的旨在至少解決上述技術(shù)缺陷之一，特別是解決矩陣分解時計算量過于龐大的問題，從而能高效求取數(shù)字預失真處理參數(shù)。為了達到上述目的，本發(fā)明一方面提出了一種數(shù)字預失真處理參數(shù)求取的方法，包括以下步驟計算反饋信號χ的自相關矩陣,其中Xh為反饋信號X的轉(zhuǎn)置共軛矩陣，反饋信號，采樣深度為N，記憶深度為M，非線性交調(diào)階數(shù)為Q，N、Μ、Q為自然數(shù)，L=MXQ；計算反饋信號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣；計算預失真參數(shù)W，其中RW=Bc本發(fā)明另一方面還提出了一種數(shù)字預失真處理參數(shù)求取的裝置，包括接收模塊、計算模塊以及輸出模塊，所述接收模塊用于反饋信號X以及發(fā)送信號Y，其中，反饋信號采樣深度為N，記憶深度為M，非線性交調(diào)階數(shù)為Q，N、M、Q為自然數(shù)，所述計算模塊用于計算反饋信號X的自相關矩陣的互相關矩陣以及計算反饋信號X與發(fā)送信號Y的共軛矩陣并根據(jù)RW=B求取預失真參數(shù)W；所述輸出模塊用于輸出預失真參數(shù)W。根據(jù)本發(fā)明提出的技術(shù)方案，解決矩陣分解時計算量過于龐大的問題，從而能高效求取數(shù)字預失真處理參數(shù)。本發(fā)明提出的技術(shù)方案，利用幾何上的正交原理，使用DPD的反饋信號和發(fā)送信號組成非線性相關矩陣，得到最佳的非線性估計參數(shù)。相關矩陣相對對角線呈現(xiàn)共軛對稱，使得相關矩陣的求解減少一半。同時通過非線性因子和記憶因子利用循環(huán)加法運算避免了除法和求模運算，進一步降低了運算量。最后在求解DPD系數(shù)時利用前向代換和反向代換，避免了復數(shù)除法運算和開方運算。在通過上述優(yōu)化后DPD系數(shù)的求取時間將大為縮短，為DPD在產(chǎn)品上的應用提供了高效可實現(xiàn)的算法。本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中圖1為現(xiàn)有技術(shù)中PDP處理的示意圖；，采樣深度為N，記憶深度為M，非線性交調(diào)階數(shù)為Q，N、M、Q為自然數(shù)，L=MXQ；計算反饋信圖2為正交原理的幾何說明的示意圖；圖3為本發(fā)明提出對PDP處理的示意圖；圖4為數(shù)字預失真處理參數(shù)求取方法的流程圖；圖5為數(shù)值的循環(huán)取值的示意圖；圖6為數(shù)字預失真處理參數(shù)求取裝置的結(jié)構(gòu)示意圖,具體實施例方式下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。為了便于理解本發(fā)明，首先對幾何上對正交原理作簡單介紹。估計信號和期望信號y(η)之間的差別％稱之為誤差信號ο如果估計出來的信號Kn)在一定性能準則下最接近于期望響應，這種估計器稱之為最佳估計器，其中&…)wffl(η)是估計器系數(shù)，xm(n)是輸入數(shù)據(jù)矢量。線性組合WlXl+W2X2…+WMXM存在于由矢量X1,X2…，Xm所決定的子空間里面，為了使得均方誤差最小，估計數(shù)值夕是由矢量y的頂端到由矢量\，&…，Xm組成的平面所作的垂線與平面的交點決定，y的頂端到平面交點的距離就是％。誤差矢量％就是y到χ平面的最短距離，此時e0和X正交，如果e0丄Xe。丄JllJ有E{xmeU=0,l<m<M^R=E{xxH}b=E{xy*}，如圖2所示，圖中M=2時就說明了這一點，因為e與平面中的每一個矢量都垂直，則有xm丄eQ，1彡m彡M。為了實現(xiàn)本發(fā)明之目的，本發(fā)明提出了一種數(shù)字預失真處理參數(shù)求取的方法，其特征在于，包括以下步驟計算反饋信號X的自相關矩陣,其中Xh為反饋信號X的轉(zhuǎn)置共軛矩陣，反饋信號號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣β二b、計算預失真參數(shù)W，其中RW=B。如圖3所示，為本發(fā)明提出對PDP處理的示意圖，下面結(jié)合流程圖對本發(fā)明提出的技術(shù)方案進行詳細介紹。如圖4所示，為數(shù)字預失真處理參數(shù)求取方法的流程圖，包括以下步驟SlOl計算反饋信號X的自相關矩陣。通常，自相關矩陣的組成運算量很大。運算量與反饋信號的采樣深度即訓練序列長度N成正比。設記憶深度為M，非線性交調(diào)階數(shù)為Q，DPD系數(shù)的長度為L=M*Q，自相關矩陣組成算法的計算量如下#r〃*(f+f+4)由于ADC采集回來的信號χ只是線性信號X1,X2…，XN,同時FPGA實現(xiàn)DPD時的存儲空間有限，不能緩存過多的中間變量，為此中間計算得到的x(n)x(l+n)S...x(n)x(l+n)|Q0<η<N都無法保存，所以每一次都需要對χ(η)x(l+n)Itl進行重新計算，所以以L做兩次外層循環(huán)，N做一次內(nèi)層循環(huán)，中間還需要做2次f幅度乘法以及一個復數(shù)乘法，因此運算量很大，WN=4000,M=6，Q=6，L=M*Q=36為例，算法的復雜度如下36*36*4000*(3+3+4)=51，840，000個乘法運算。為了盡量減少系統(tǒng)的乘法運算和開方運算，矩陣在Cholesky分解時能避免復數(shù)除法運算，本發(fā)明提出相應的技術(shù)方案解決上述難題。矩陣χ包含了反饋信號的非線性1，...，Q和記憶性1，...，M。輸入的一行信號如矩陣X包含了反下X(M+n),X(M+n)]χ(1+η),χ(1+η)h對應的共軛矩陣χ(M+n)*，χ(M+n)*χ(1+η)*，χ(1+η)*這兩個矩陣相乘0彡η彡N0彡η彡N-I匪SE算法需要通過FPGA計算得到預失真參數(shù)w，需保存的數(shù)據(jù)x(l)，χ(2),X(3),"·χ(Ν+Μ)，但是需要用到的信號如下χ(1)，χ(1)|χ(1)|，χ(1)|χ(1)|2，…χ(1)|χ(1)Γ，χ(2)，，χ(2)χ(2)χ(Ν+Μ)Iχ(Ν+Μ)IQ實際上需要用到的數(shù)據(jù)量增加了Q倍。為此L=M*Q，一般情況下，預失真處理模塊所需要的記憶因子M=6，0=6=>Z=36,信號的存儲深度N=4000，所以有N>>L。計算得到的自相關矩陣R是一個L*L的矩陣，故此軟件只需要再開辟L*上深度的空間存儲計算得到的相關矩陣信息。矩陣相乘得到相關矩陣R的結(jié)果如下rn=χ(M)2+|x(M+1)2+1χ(M+2)|2+·r12=Iχ(M)13+1χ(M+l)13+1χ(M+2)13+.r13=x(M)14+|x(M+l)14+1χ(M+2)|4+·χ(M+N)12χ(M+N)13χ(M+N)I4r1L=x(l)x(M)*|x(l)q+x(2)x(M+1)*|x(2)Q+x(3)x(M+2)*|χ(3)Q+…χ(N)χ(M+N)*Iχ(N)|Qr21=Iχ(M)13+1χ(M+l)13+1χ(M+2)|3+.r22=χ(M)14+|x(M+l)14+|x(M+2)|4+·r23=Iχ(M)15+1χ(M+l)15+1χ(M+2)15+.χ(M+N)13χ(M+N)I4χ(M+N)15.x{M)^M+l)*XM+2)*χ(Μ+)'\χ(Μ+\'x(M+2)'\x{M+2f^M)'>iM+2)"\x{M+2f^M)\x(Mfx(M+\)'\x(M+\fx(M+2)"\x{M+2fx(M+N-\)'χ(Μ+Ν-])'\χ(Μ+Ν-)Ιx(M+N-\)'\4M+N-\fx(M+N-\)'\x(M+N-\frt^^^kKX例刻(3)14^-x4刺丨42)|初'確3f15此時相關矩陣的運算量大概能降低一半左右，為此矩陣R的求取過程如下即只需要計算矩陣R中一半元素的數(shù)值，計算上三角或下三角的元素數(shù)值，上述運算中使用了取模運算mod(·)和除法取整運算二這兩種運算都很消耗時間，為此根據(jù)DPD的特點，這兩種運算通過循環(huán)加法運算來實現(xiàn)，節(jié)省DPD運算的消耗時間，p0和m0首先賦予一個初始值，然后循環(huán)一次疊加一次，ρ和m需要做同樣的處理，矩陣R的計算方法為通過循環(huán)加法運算實現(xiàn)取模和除法運算，對p0、m0、P、m首先賦予一個初始值p0=-1，m0=0，ρ=-1，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次p0、m0、p、m的值，并根據(jù)公式計算與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算~與I^i值p0值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；ρ值增加1，當ρ=Q，則將ρ取值為0，且令m值增加1；用程序描述如下rji=conjO^)，其中運算符[==]=>表示的含義是二表示如果ρ=Q成立，將執(zhí)行箭頭后的表達式，否則將不執(zhí)行后面的運算，每一次循環(huán)都進行同樣的判斷。通過上述修正以后，非線性因子ρ0，ρ和記憶因子m0，m通過簡單的整數(shù)加法運算即可。此外，相關矩陣R上的對角線的數(shù)值都是正實數(shù)，如下rn=Iχ(M)12+1χ(Μ+1)|2+1χ(Μ+2)|2+…|χ(Μ+Ν)|2r22=Iχ(M)14+1χ(Μ+1)|4+1χ(Μ+2)|V"|χ(Μ+Ν)|4r33=Iχ(M)|6+1χ(Μ+1)|6+1χ(Μ+2)|6+…|χ(Μ+Ν)|6......rLL=Iχ(1)12Q+2+1χ(2)|2Q+2+1χ(3)|2Q+2+...|χ(N)|2(3+2對角線上都是正實數(shù)的矩陣R為Hermitian正定矩陣，正定矩陣可以分解成一個下三角矩陣，對角矩陣和上三角矩陣。自相關矩陣R是由χ(n+M-mO)和χ(n+M-m)組成，所以相關信號僅僅相差dm=|m-m0個位置dm彡Μ)，所以只要保存M個最新輸入信號幅度，后面的運算只要取出前面的運算結(jié)果即可，這樣就可以節(jié)省一半的開方運算量，如圖4所示，為數(shù)值的循環(huán)取值示意圖。例如如果有m0彡m,則上圖CountO認為是χ(n+M-mO)信號，χ(n+M-m)在Countl指定的位置。每X(n+M-mO)輸入一個新信號，χ(n+M-m)需要提取的信號也隨之向前移動1位，同時最新輸入的信號幅度會覆蓋最舊的信號。此時相關距陣的求解如下對pO、mO、p、m首先賦予一個初始值pO=_l，mO=0，p=_l，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算與I^i值p0值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；ρ值增加1，當ρ=Q，則將ρ取值為0，且令m值增加1，dm=m_m0；countO=m_l,amp(countO)=|χ(n+M—mO)|,countO值增力口1,當countO=M,則將countO取值為1,且令countl=count0-dm；用程序描述如下，其中運算符[二二]二意義同上p0=-1，m0=0，i=1，2，3...L；p0=p0+l==Q]=>p0=0,m0=m0+l；ρ=-1，m=0，j=1，2...i；ρ=p+l,[p==0]=>P=0’m=m+1;dm=m-m0)；amp(countO)=|χ(n+M_m0)|，countO=count0+l；[countO==Μ]=>countO=1,countl=|count0_dm|；η,=^χ{η+M-m0)'*x(n+M-m)*amp{count)p*amp(count\)!Tji=conjCrij)S102計算反饋信號X與發(fā)送信號Y的共軛矩陣的互相關矩陣。反饋信號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣忍=求取歸納如下p0=-1，m0=0，i=1，2，3...L；S103計算預失真參數(shù)W，其中RW=B。在計算預失真參數(shù)W時，為了減少運算量，首先對矩陣R進行分解。矩陣R分解為其中εi,1≤i≤L為正實數(shù)。在上面等式兩邊作矩陣乘法運算，使得等式左邊和右邊對應的等式相等，具體求解如下無需開方運算就得到的上三角矩陣的信息，接下來無需求逆得到最佳系數(shù)。同時對角矩陣上的信號ε”ε2,ε3,ε均是實數(shù)，這是由于是相關矩陣上的對角元素，也是正實數(shù)的緣故。由于對角矩陣，1≤i≤L是正實數(shù)，所以計算出來的正實數(shù)，為此計算Si時可以通過實數(shù)來計算。i，l≤i≤L也一定是令,計算K和W的時候用到除法運算，由于分母都是，所以隨后的除法運算只是簡單實數(shù)除法，無需開根號和求信號的相位，運算難度大為減低。為了求解W，計算預失真參數(shù)W包括以下步驟設矩陣，則從1^=8得到,因此￡XDxK=B,具體矩陣形式為通過前向迭代計算矩陣K元素值為根據(jù),具體矩陣形式為計算矩陣W中的元素為…上述rn,rn,r22，r33，r44的公式，R的對角元素為L和D提供了上限。分解算法有很好的數(shù)值特性。三角分解的逐行計算，前向代換和后向代換的一般公式如上述所示。三角分解需要L3/6次計算，解每一個三角系統(tǒng)需要L(L+1)/2次計算。因此，首先計算出對角矩陣L和D接下來計算中間變量K:最后計算得到預失真參數(shù)W通過上述優(yōu)化算法，在有效減少運算量的前提下，可以求取最佳DPD的預失真參數(shù)是W。本發(fā)明提出的上述方法，解決矩陣分解時計算量過于龐大的問題，從而能高效求取數(shù)字預失真處理參數(shù)。本發(fā)明提出的上述方法，利用幾何上的正交原理，使用DPD的反饋信號和發(fā)送信號組成非線性相關矩陣，得到最佳的非線性估計參數(shù)。相關矩陣相對對角線呈現(xiàn)共軛對稱，使得相關矩陣的求解減少一半。同時通過非線性因子和記憶因子利用循環(huán)加法運算避免了除法和求模運算，進一步降低了運算量。最后在求解DPD系數(shù)時利用前向代換和反向代換，避免了復數(shù)除法運算和開方運算。在通過上述優(yōu)化后DPD系數(shù)的求取時間將大為縮短，為DPD在產(chǎn)品上的應用提供了高效可實現(xiàn)的算法。本發(fā)明另一方面還提出了一種數(shù)字預失真處理參數(shù)求取的裝置100，如圖6所示，為數(shù)字預失真處理參數(shù)求取的裝置100的結(jié)構(gòu)示意圖，包括輸出模塊110、計算模塊120以及接收模塊130。其中，接收模塊130用于反饋信號X以及發(fā)送信號Y，其中，反饋信號采樣深度為N，記憶深度為Μ，非線性交調(diào)階數(shù)為Q，N、M、Q為自然數(shù)，L=MXQ,計算模塊120用于計算反饋信號X的自相關矩陣以及計算反饋信號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣并根據(jù)RW=B求取預失真參數(shù)W輸出模塊110用于輸出預失真參數(shù)W。作為上述設備的實施例，計算模塊120計算矩陣R包括其中其中mod為求模運算符，mod(i-l，Q)表示i_l以Q求模，為向上取整運算，表示大于的最小整數(shù)t作為上述設備的實施例，計算模塊120計算矩陣R包括只需要計算矩陣R中一半元素的數(shù)值，計算上三角或下三角的元素數(shù)值，conj(、.)，其中，conj(·)表示是共軛運算，i=1,2,3-L；p0=mod(i_l，Q)；^=作為上述設備的實施例，計算模塊120通過循環(huán)加法運算實現(xiàn)取模和除法運算，計算矩陣R包括對p0、m0、p、m首先賦予一個初始值p0=-1，m0=0，ρ=-1，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算與I^i值p0值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；ρ值增加1，當ρ=Q，則將ρ取值為0，且令m值增加1；作為上述設備的實施例，計算模塊120通過循環(huán)加法運算實現(xiàn)取模和除法運算，計算矩陣R包括對p0、m0、p、m首先賦予一個初始值p0=-1，m0=0，ρ=-1，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算與I^i值p0值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；ρ值增加1，當ρ=Q，則將ρ取值為0，且令m值增加l,dm=|m_m0|；作為上述設備的實施例，計算模塊120計算預失真參數(shù)W包括矩陣R分解為其中εεi,1≤i≤L為正實數(shù)；設矩陣K=LhXW，則從RW=B得到￡xDχPχW=B，因此￡χDχK=B,具體矩陣形式為，通過前向迭代計算矩陣K元素值為其中，i=2,3,，L;根據(jù)K=LhxW,具體矩陣形式為1，計算矩陣W中的元素為wL=kL，，其中，i=L-I,L-2，...，1.本發(fā)明提出的上述設備，解決矩陣分解時計算量過于龐大的問題，從而能高效求取數(shù)字預失真處理參數(shù)。本發(fā)明提出的上述設備，利用幾何上的正交原理，使用DPD的反饋信號和發(fā)送信號組成非線性相關矩陣，得到最佳的非線性估計參數(shù)。相關矩陣相對對角線呈現(xiàn)共軛對稱，使得相關矩陣的求解減少一半。同時通過非線性因子和記憶因子利用循環(huán)加法運算避免了除法和求模運算，進一步降低了運算量。最后在求解DPD系數(shù)時利用前向代換和反向代換，避免了復數(shù)除法運算和開方運算。在通過上述優(yōu)化后DPD系數(shù)的求取時間將大為縮短，為DPD在產(chǎn)品上的應用提供了高效可實現(xiàn)的算法。本領域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本
技術(shù)領域：
的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。權(quán)利要求一種數(shù)字預失真處理參數(shù)求取的方法，其特征在于，包括以下步驟計算反饋信號X的自相關矩陣其中XH為反饋信號X的轉(zhuǎn)置共軛矩陣，反饋信號<mrow><mi>X</mi><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd></mtr><mtr><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd></mtr><mtr><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow></mrow><mn>1</mn></msup></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd></mtr><mtr><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd></mtr><mtr><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>N</mi><mo>)</mo></mrow></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>N</mi><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>N</mi><mo>)</mo></mrow><mo>|</mo></mrow><mn>1</mn></msup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><mi>x</mi><mrow><mo>(</mo><mi>N</mi><mo>)</mo></mrow><msup><mrow><mo>|</mo><mi>x</mi><mrow><mo>(</mo><mi>N</mi><mo>)</mo></mrow><mo>|</mo></mrow><mi>Q</mi></msup></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>采樣深度為N，記憶深度為M，非線性交調(diào)階數(shù)為Q，N、M、Q為自然數(shù)，L＝M×Q；計算反饋信號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣<mrow><mfencedopen=''close='.'separators=''><mtable><mtr><mtd><mi>B</mi><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>b</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>b</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>b</mi><mn>3</mn></msub></mtd></mtr><mtr><mtd><msub><mi>b</mi><mn>4</mn></msub></mtd></mtr><mtr><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>b</mi><mi>L</mi></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mi>E</mi><mo>{</mo><mi>X</mi><mo>&times;</mo><mi>Y</mi><mo>*</mo><mo>}</mo><mo>,</mo></mtd><mtd></mtd></mtr></mtable><mi>Y</mi><mo>=</mo><mo>*</mo><mfencedopen='['close=']'><mtable><mtr><mtd><mi>y</mi><msup><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><mo>*</mo></msup></mtd></mtr><mtr><mtd><mi>y</mi><msup><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>*</mo></msup></mtd></mtr><mtr><mtd><mi>y</mi><msup><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mn>2</mn><mo>)</mo></mrow><mo>*</mo></msup></mtd></mtr><mtr><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd></mtr><mtr><mtd><mi>y</mi><msup><mrow><mo>(</mo><mi>M</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>*</mo></msup></mtd></mtr></mtable></mfenced></mfenced><mo>;</mo></mrow>計算預失真參數(shù)W，其中RW＝B。F2009100857767C0000011.tif2.如權(quán)利要求1所述的數(shù)字預失真處理參數(shù)求取的方法，其特征在于，所述矩陣R的計算方法包括其中mod為求模運算符，表示i_l以Q求模，「]為向上取整運算，表示大于的最小整數(shù)t3.如權(quán)利要求2所述的數(shù)字預失真處理參數(shù)求取的方法，其特征在于，所述矩陣R的計算方法包括只需要計算矩陣R中一半元素的數(shù)值，計算上三角或下三角的元素數(shù)值，4.如權(quán)利要求3所述的數(shù)字預失真處理參數(shù)求取的方法，其特征在于，所述矩陣R的計算方法包括通過循環(huán)加法運算實現(xiàn)取模和除法運算，對p0、m0、p、m首先賦予一個初始值p0=-1，m0=0，ρ=4，m=0，其中，i從i到L，j從丨到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算~與b值PO值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；P值增加1，當P=Q，則將P取值為0，且令m值增加1；5.如權(quán)利要求4所述的數(shù)字預失真處理參數(shù)求取的方法，其特征在于，所述矩陣R由x(n+M-m0)和x(n+M-m)組成，相關信號相差為dm=|m-m0個位置，0^dm^M，所述矩陣R的計算方法包括對p0、m0、p、m首先賦予一個初始值p0=-1，m0=0，ρ=-1，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算與I^i值PO值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；P值增加1，當P=Q，則將P取值為0，且令m值增加1，dm=m-m0|；countO=m-1,amp(countO)=χ(n+M-m0)|，countO值增力口1，當6.如權(quán)利要求1所述的數(shù)字預失真處理參數(shù)求取的方法，其特征在于，所述矩陣R分解為其中，i=2,3,…，L根據(jù)K=￡HxW,具體矩陣形式為，計算矩陣W中的元素為7.—種數(shù)字預失真處理參數(shù)求取的裝置，其特征在于，包括接收模塊、計算模塊以及輸出模塊，所述接收模塊用于反饋信號X以及發(fā)送信號Y，其中，反饋信號采樣深度為N，記憶深度為M，非線性交調(diào)階數(shù)為Q，N、M、Q為自然數(shù)，L=MXQ,其中εi，l彡i為正實數(shù)。8.如權(quán)利要求6所述的數(shù)字預失真處理參數(shù)求取的方法，其特征在于，計算預失真參數(shù)W包括以下步驟設矩陣K=￡ΗχW,則從RW=B得到[xDx￡"xW=B，因此:LxDxK=B,具體矩陣形式為，通過前向迭代計算矩陣K元素值為所述計算模塊用于計算反饋信號X的自相關矩陣，以及計算反饋信號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣，并根據(jù)RW=B求取預失真參數(shù)W所述輸出模塊用于輸出預失真參數(shù)W。9.如權(quán)利要求8所述的數(shù)字預失真處理參數(shù)求取的裝置，其特征在于，所述計算模塊計算所述矩陣R包括,其中，i=1,2,3—L；pO=mod(i-l,Q)；；j=1,2,3...L；ρ=mod(j-l,Q),其中mod為求模運算符，mod(i-l,Q)表示i_l以Q求模，，為向上取整運算，表示大于的最小整數(shù)t10.如權(quán)利要求9所述的數(shù)字預失真處理參數(shù)求取的裝置，其特征在于，所述計算模塊計算所述矩陣R包括只需要計算矩陣R中一半元素的數(shù)值，計算上三角或下三角的元素數(shù)值，=conj(r..)，其中，conj(·)表示是共軛運算，i=1，2，3…L;p0=mod(i_l，Q);j=1,2,3...L；ρ=mod(j-l,11.如權(quán)利要求10所述的數(shù)字預失真處理參數(shù)求取的裝置，其特征在于，所述計算模塊通過循環(huán)加法運算實現(xiàn)取模和除法運算，計算所述矩陣R包括對p0、m0、p、m首先賦予一個初始值p0=-1，m0=0，ρ=-1，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算~與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算與I^i值PO值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；P值增加1，當P=Q，則將P取值為0，且令m值增加1；12.如權(quán)利要求11所述的數(shù)字預失真處理參數(shù)求取的裝置，其特征在于，所述計算模塊通過循環(huán)加法運算實現(xiàn)取模和除法運算，計算所述矩陣R包括對p0、m0、p、m首先賦予一個初始值p0=-1，m0=0，ρ=-1，m=0，其中，i從1到L，j從1到i，對每對i、j值進行循環(huán)計算，循環(huán)一次疊加計算一次P0、m0、ρ、m的值，并根據(jù)公式計算~與I^i值，對每對i、j的取值進行以下循環(huán)運算并計算與I^i值PO值增加1，當p0=Q，則將p0取值為0，且令m0值增加1；P值增加1，當P=Q，則將P取值為0，且令m值增加1，dm=m-m0|；countO=m-1,amp(countO)=χ(n+M-m0)|，countO值增力口1，當countO=M,貝U將countO取值為1,且令count1=count0-dm；13.如權(quán)利要求12所述的數(shù)字預失真處理參數(shù)求取的裝置，其特征在于，所述計算模塊計算預失真參數(shù)W包括所述矩陣R分解為其中ερ彡—_￡\h,\sJL為正實數(shù)；設矩陣K=EhXW，則從艦=B得到￡xDx￡"xW=B,因此￡xDxK=B,具體矩陣其中，i=2,3,··L；，通過前向迭代計算矩陣K元素值為,根據(jù)K=LHXW,具體矩陣形式為1000，計算矩陣w中的元素為，其中，i全文摘要本發(fā)明提出了一種系統(tǒng)信息發(fā)送的方法，包括以下步驟計算反饋信號X的自相關矩陣；計算反饋信號X與發(fā)送信號Y的共軛矩陣Y*的互相關矩陣，計算預失真參數(shù)W，其中RW＝B。本發(fā)明還提出了一種系統(tǒng)信息發(fā)送的裝置。根據(jù)本發(fā)明提出的技術(shù)方案，解決矩陣分解時計算量過于龐大的問題。本發(fā)明提出的技術(shù)方案，利用幾何上的正交原理，使用DPD的反饋信號和發(fā)送信號組成非線性相關矩陣，得到最佳的非線性估計參數(shù)，通過上述優(yōu)化后DPD系數(shù)的求取時間將大為縮短，為DPD在產(chǎn)品上的應用提供了高效可實現(xiàn)的算法。文檔編號H04B7/005GK101902258SQ20091008577公開日2010年12月1日申請日期2009年5月31日優(yōu)先權(quán)日2009年5月31日發(fā)明者熊軍申請人:大唐移動通信設備有限公司