特許 7278364 高帯域幅電力増幅器のマルチレートの反復メモリ多項式ベースのモデル化および予歪み

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-05-11

(45)【発行日】2023-05-19

(54)【発明の名称】高帯域幅電力増幅器のマルチレートの反復メモリ多項式ベースのモデル化および予歪み

(51)【国際特許分類】

   H03F 1/32 20060101AFI20230512BHJP

   H03F 3/24 20060101ALI20230512BHJP

【ＦＩ】

H03F1/32 158

H03F3/24

【請求項の数】 20

(21)【出願番号】P 2021502697

(86)(22)【出願日】2019-02-25

(65)【公表番号】

(43)【公表日】2021-08-12

(86)【国際出願番号】 US2019019384

(87)【国際公開番号】W WO2019190669

(87)【国際公開日】2019-10-03

【審査請求日】2021-10-29

(31)【優先権主張番号】15/942,134

(32)【優先日】2018-03-30

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】520128820

【氏名又は名称】ノースロップ グラマン システムズ コーポレーション

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100106208

【弁理士】

【氏名又は名称】宮前 徹

(74)【代理人】

【氏名又は名称】中西 基晴

(74)【代理人】

【識別番号】100173565

【弁理士】

【氏名又は名称】末松 亮太

(74)【代理人】

【識別番号】100195408

【弁理士】

【氏名又は名称】武藤 陽子

(72)【発明者】

【氏名】ハース，ダニエル

(72)【発明者】

【氏名】リ，ピーター

【審査官】岸田 伸太郎

(56)【参考文献】

【文献】特開平０６－３１０９４７（ＪＰ，Ａ）

【文献】特開２０１３－１０６３３０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／００３３８０９（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０３Ｆ １／３２

Ｈ０３Ｆ ３／２４

(57)【特許請求の範囲】

【請求項1】

デジタル通信システムにおいてデジタル信号を予め歪ませるための方法であって、
送信されるべきデジタルビットを、前記ビットを定義する一つの列のシンボルに変換するステップと、
所定のサンプルレートで前記シンボルのサンプルを提供するパルス整形フィルタ（ＰＳＦ）に前記シンボルを提供するステップと、
前記サンプルを予め歪める予歪器にフィルタ処理されたサンプルを提供するステップであって、前記サンプルを予め歪めるステップは、予歪器タップによって定義される前記サンプルの非線形変換を提供するステップを含み、前記フィルタ処理されたサンプルを、前記予歪器において予め歪めるステップは、事前等化を前記予歪器タップへ組み込むステップを含む、提供するステップと、
前記予め歪められたサンプルを増幅および送信するために電力増幅器へ提供するステップであって、前記サンプルを予め歪めるステップが、３次メモリ多項式を使用して前記電力増幅器および関連する送信機コンポーネントをモデル化するステップを含み、
前記電力増幅器をモデル化するステップが、２つの線形時不変（ＬＴＩ）フィルタに挟まれたメモリレス非線形性として前記電力増幅器をモデル化することを含み、
前記事前等化が、前記ＬＴＩフィルタのうち少なくとも１つの推定値を提供し、次いで、前記推定値を反転させることを含む、
提供するステップと
を含む方法。

【請求項2】

前記予歪器において前記サンプルを予め歪めるステップは、前記ＰＳＦの通過帯域に等しい周波数帯域内で動作するように制限された有限インパルス応答（ＦＩＲ）フィルタを使用して、前記サンプルをフィルタ処理することによって、前記予歪器を最適化するステップを含む、請求項１に記載の方法。

【請求項3】

前記ＰＳＦにおいて所定のシンボルレートで前記シンボルのサンプルを提供するステップは、前記ＰＳＦの出力におけるシンボルあたりのサンプル数をナイキストレートよりも高くするステップを含む、請求項１に記載の方法。

【請求項4】

前記シンボルあたりのサンプル数は、ナイキストレートの２倍である、請求項３に記載の方法。

【請求項5】

前記多項式を使用して前記電力増幅器および関連する送信機コンポーネントをモデル化するステップは、間接学習を適用し、前記間接学習によって決定された解の精度を高めるために反復ガウス・ニュートンアルゴリズムを使用するステップを含む、請求項１に記載の方法。

【請求項6】

前記解の精度を高めるために前記反復ガウス・ニュートンアルゴリズムを使用するステップは、エラーベクトル振幅を最小化するステップを含む、請求項５に記載の方法。

【請求項7】

前記増幅器と共にモデル化される前記関連するコンポーネントは、シングルチップ変調器（ＳＣＭ）チップ、ゾーンフィルタ、サンプラ、ダウンコンバータ、フィルタ／ダウンサンプラ、およびエラーベクトル振幅（ＥＶＭ）受信機を含む、請求項１に記載の方法。

【請求項8】

前記多項式を使用して前記電力増幅器および関連する送信機コンポーネントをモデル化するステップは、ウィーナ・ハマースタインモデルを適用するステップを含む、請求項１に記載の方法。

【請求項9】

前記ＰＳＦが、平方根レイズドコサインＰＳＦである、請求項１に記載の方法。

【請求項10】

前記デジタル通信システムが、衛星通信システムである、請求項１に記載の方法。

【請求項11】

前記多項式のモデルが、マルチレートの３次の奇数項の反復メモリ多項式である、請求項１に記載の方法。

【請求項12】

デジタル通信システムにおいてデジタル信号を予め歪ませるための方法であって、
送信されるべきデジタルビットを、前記ビットを定義する一つの列のシンボルに変換するステップと、
所定のサンプルレートで前記シンボルのサンプルを提供するために前記シンボルをフィルタ処理するステップと、
予歪器タップによって定義される前記フィルタ処理されたサンプルの非線形変換を提供することによって前記フィルタ処理されたサンプルを予め歪めるステップであって、前記サンプルをフィルタ処理するフィルタの通過帯域に等しい周波数帯域内で動作するように制限された有限インパルス応答（ＦＩＲ）フィルタを使用して、前記サンプルをフィルタ処理することによって、予歪器を最適化するステップを含み、前記サンプルを予め歪めるステップは、事前等化を前記予歪器タップへ組み込むステップを含む、予め歪めるステップと、
前記予め歪められたサンプルを増幅および送信するステップであって、前記サンプルを予め歪めるステップが、３次メモリ多項式を使用して増幅器および関連する送信機コンポーネントをモデル化するステップを含む、増幅および送信するステップと
を含む方法。

【請求項13】

前記シンボルのサンプルを提供するために前記シンボルをフィルタ処理するステップは、シンボルあたりのサンプル数をナイキストレートよりも高くするステップを含む、請求項１２に記載の方法。

【請求項14】

前記シンボルあたりのサンプル数は、ナイキストレートの２倍である、請求項１３に記載の方法。

【請求項15】

前記多項式を使用して前記増幅器および関連する送信機コンポーネントをモデル化するステップは、間接学習を適用し、前記間接学習によって決定された解の精度を高めるために反復ガウス・ニュートンアルゴリズムを使用するステップを含む、請求項１２に記載の方法。

【請求項16】

前記解の精度を高めるために前記反復ガウス・ニュートンアルゴリズムを使用するステップは、エラーベクトル振幅を最小化するステップを含む、請求項１５に記載の方法。

【請求項17】

デジタル通信システムにおいてデジタル信号を予め歪ませるための方法であって、
送信されるべきデジタルビットを、前記ビットを定義する一つの列のシンボルに変換するステップと、
所定のサンプルレートで前記シンボルのサンプルを提供するために前記シンボルをフィルタ処理するステップと、
予歪器タップによって定義される前記サンプルの非線形変換を提供することによって、前記サンプルを予め歪めるステップと、
前記予め歪められたサンプルを増幅および送信するステップであって、前記サンプルを予め歪めるステップが、３次メモリ多項式を使用して電力増幅器および関連する送信機コンポーネントをモデル化するステップを含み、前記多項式を使用して前記電力増幅器および関連する送信機コンポーネントをモデル化するステップが、間接学習を適用し、前記間接学習によって決定された解の精度を高めるために反復ガウス・ニュートンアルゴリズムを使用するステップを含み、前記解の精度を高めるために前記反復ガウス・ニュートンアルゴリズムを使用するステップが、エラーベクトル振幅を最小化するステップを含む、増幅および送信するステップと
を含む方法。

【請求項18】

前記シンボルのサンプルを提供するために前記シンボルをフィルタ処理するステップは、シンボルあたりのサンプル数をナイキストレートよりも高くするステップを含む、請求項１７に記載の方法。

【請求項19】

前記シンボルあたりのサンプル数は、ナイキストレートの２倍である、請求項１８に記載の方法。

【請求項20】

前記多項式のモデルが、マルチレートの３次の奇数項の反復メモリ多項式である、請求項１７に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

（政府との契約）
[0001]米国政府は、米国政府の契約にしたがい、本発明における権利を有する。
[0002]本発明は、一般に、増幅器によって引き起こされる非線形またはメモリ効果の歪みを低減または除去するために高電力増幅器（ＨＰＡ）によって増幅される前にデジタル信号を予め歪ませるためのシステムおよび方法に関する。より詳細には、増幅器によって引き起こされる非線形またはメモリ効果の歪みを低減または除去するためにＨＰＡによって増幅される前にデジタル信号を予め歪ませるためのシステムおよび方法に関し、予歪み（ｐｒｅ－ｄｉｓｔｏｒｔｉｏｎ）は、マルチレートの反復メモリ多項式モデルを使用して、ＨＰＡおよび関連するコンポーネントをモデル化することを適用する。

【背景技術】

【0002】

[0003]衛星通信では、より高いスループットと、より高い電力効率のトランスポンダとに対する需要が高まっている。信号送信距離に必要な放射電力需要を満たすために、衛星通信システム、および他のワイヤレス通信システムは、通常、進行波管増幅器（ＴＷＴＡ）または固体電力増幅器（ＳＳＰＡ）などの高電力増幅器（ＨＰＡ）を適用する。高スループットおよび高められた効率を提供するために、これらのＨＰＡはしばしば、飽和レベルまたはその近くで動作し、これにより、通常、通信チャネルのスループットおよびパフォーマンスに逆効果を与える送信信号のかなりの非線形歪みが発生する。

【0003】

[0004]ＨＰＡがその飽和限界で動作する基本的理由は２つある。第１に、長距離の通信では、電力増幅器ができるだけ高い電力で送信する必要がある。第２に、知られている電力増幅器は、消費する電力量が、出力端子を介して消費する電力量とは独立しているという設計特性を有する。したがって、増幅器がその出力端子を介して消費する電力量が、最大化されていない場合、増幅器は、熱を介して残りの電力を消費することになる。この熱により、電力増幅器だけでなく、周辺の電子機器の温度も上昇し、これらのパフォーマンスが著しく劣化する可能性がある。

【0004】

[0005]衛星通信またはその他の一般的なワイヤレスデジタル信号送信機では、送信機は、特定の時点のデジタルビットを、送信のために同相および直交位相シンボルコンスタレーションに変換するデジタルコンポーネントを含む。これらのシンボルは、キャリアを変調する対応するアナログ信号にマッピングされ、全体が、高電力増幅器を介して放射される。電力増幅器は、通常、飽和近くで動作するので、送信信号を歪めることになる。その結果、通常、ある種の信号補正が必要になる。

【0005】

[0006]当技術分野では、信号が電力増幅器を通過する前に、依然としてデジタル領域にある間に、電力増幅器によって引き起こされる歪みを元に戻そうとするデジタル信号処理操作を使用して信号を再整形することが提案されてきた。このプロセスは、予歪みと呼ばれる。

【0006】

[0007]予歪みへの様々なアプローチが当技術分野で知られている。シンボル予歪みと呼ばれる１つの知られているプロセスでは、シンボル自体が変更される。しかしながら、この技法は、制限されたパフォーマンスおよびスループットを有する。より強力なアプローチは、サンプル予歪みと呼ばれ、信号サンプル自体が、直接再整形される。サンプル予歪みは、より広い帯域幅と、高電力増幅器によって引き起こされるより一般的な非線形のメモリ歪みを補正する機能を提供する。

【図面の簡単な説明】

【0007】

【図1】高電力増幅器を適用する従来例の通信システムのブロック図である。

【図2】３次の奇数項のメモリ多項式のアーキテクチャのブロック図である。

【図3】電力増幅器モデルのブロック図である。

【図4】電力増幅器のウィーナ・ハマースタインモデルのアーキテクチャのブロック図である。

【図5】高電力増幅器およびマルチレートの反復メモリ多項式モデルを適用する通信システムのブロック図である。

【発明を実施するための形態】

【0008】

[0013]本発明の実施形態に関する以下の説明は、増幅器によって引き起こされる非線形および／またはメモリ効果の歪みを低減または除去するために、ＨＰＡによって増幅される前に信号を予め歪ませる（以下、「予歪み」ということがある。）ためのシステムおよび方法に関し、予歪みは、マルチレートの反復メモリ多項式モデルを適用し、本質的に単なる例示であり、本発明またはその用途あるいは使用を限定することを決して意図していない。

【0009】

[0014]図１は、高電力増幅器（ＨＰＡ）１２を適用する従来例の通信システム１０のブロック図である。送信されるべきビットｂ_ｉのシーケンスは、ビットｂ_ｉを、シンボルｓ_ｉのシーケンスに変換するマッパ１４に提供され、各シンボルｓ_ｉは、たとえば、直交位相シフトキーイング（ＱＰＳＫ）、１６－ＡＰＳＫ、３２－ＡＰＳＫなどの振幅位相シフトキーイング（ＡＰＳＫ）コンスタレーションの形態の複素数である。シンボルｓ_ｉは、関連する複素ベースバンド信号のサンプルｘ_ｉを、シンボルｓ_ｉあたり３／２サンプルｘ_ｉなどの所定のレートで出力する平方根レイズドコサイン（ＳＲＲＣ）パルス整形フィルタ（ＰＳＦ）１６に送信され、ＰＳＦ１６の出力が、複素ベースバンド信号のサンプルである複素数ｘ_ｉのシーケンスとなる。次に、複素サンプルｘ_ｉは、サンプルｘ_ｉのデジタル予歪みを提供し、複素サンプルｘ’_ｉのシーケンスを出力する予歪器（ＰＤ）２０を通過し、予歪器の出力は、その入力と同じレートである。予歪みされた複素ベースバンドサンプルｘ’_ｉは、２つの動作を一度に実行するシングルチップ変調器（ＳＣＭ）チップ２２に送信される。具体的には、チップ２２は、デジタル・アナログ（Ｄ／Ａ）コンバータとして動作し、同時にキャリアを変調し、したがって、ＨＰＡ１２に供給される信号ｘ（ｔ）を生成する。

【0010】

[0015]次に、信号ｘ（ｔ）は、ＨＰＡ１２によって増幅され、搬送周波数を中心とするゾーンフィルタ２４によってフィルタ処理されて、電力増幅器の非線形性によって追加された高調波を破棄する。信号は、ボックス２６で、たとえば８０Ｇｓａｍ／ｓｅｃでサンプリングされ、これにより、アナログ信号がデジタル信号へ変換されて戻され、ボックス２８で複素ベースバンドにダウンコンバートされ、ボックス３０でマッチフィルタ処理される。次に、ボックス３０からのフィルタ処理された信号は、シンボル推定値「ハット」ｓ_ｉ（「ハットｓ_ｉ」を、以下「＾ｓ_ｉ」と表す。）を生成するエラーベクトル振幅（ＥＶＭ）受信機３４内の等化器３２に送られる。さらに、等化器３２からの出力は、ボックス３８で再サンプリングされて、ＰＳＦ１６の出力に等しいレートで出力サンプルｙ_ｉを生成する。

【0011】

[0016]ＥＶＭ受信機３４には、その等化器が最適に動作するように、真の送信シンボルｓ_ｉが提供される。真の送信シンボルをＥＶＭ受信機３４に提供することにより、受信機３４は、等化器３２の欠陥ではなく、電力増幅器の非線形性の劣化効果を定量化することができる。送信機のパフォーマンスの本来の測度は、受信機３４の出力におけるシンボル推定値＾ｓ_ｉの品質である。この測度は、受信機３４の出力においてＥＶＭを決定することにより定量化され、測度は次に論じられる。

【0012】

[0017]第１に、送信されるシンボルｓ_ｉの数に対してＮが記述され、ここで、各シンボルｓ_ｉは、サイズＫのコンスタレーションから選択される。真の送信シンボルｓ_ｉと、対応する推定シンボルｓ_ｉとは、どちらも受信機３４の出力において提供され、ＥＶＭは次のように計算される：

【数1】

ここで、分子は、全ての送信シンボルで総和され、分母は、コンスタレーションにおける全てのシンボルで総和される。ＥＶＭは、シンボル推定値残差ｒｍｓと、平均シンボルエネルギーの平方根との比である。

【0013】

[0018]ＰＤ２０は、ＰＤタップと呼ばれるいくつかのパラメータによって決定される非線形変換であり、ＰＤタップは反復的に決定される。最適なＰＤタップを決定するために、ＰＤ２０が信号チェーンから取り出され、ＰＳＦ１６の出力ｘ_ｉと、ＥＶＭ受信機３４の出力ｙ_ｉとを関連付ける数学モデルが生成される。次に、このモデルについて説明する。

【0014】

[0019]以降の議論では、表記の便宜上、ＰＳＦ１６の出力ｘ_ｉおよびＥＶＭ受信機３４の出力ｙ_ｉを、ｘ（ｎ）およびｙ（ｎ）で表すものとする。ｙ（ｎ）をｘ（ｎ）に関連付けるモデルは、次の式で与えられる、３次の奇数項のみのメモリ多項式モデルと見なされる。

【数2】

【0015】

[0020]式（２）は、一方のフィルタは複素ベースバンド信号ｘ（ｎ）をその入力として有し、他方のフィルタは「３乗」された信号ｘ（ｎ）｜ｘ（ｎ）｜^２をその入力として有する２つの有限インパルス応答（ＦＩＲ）フィルタの出力の線形結合である。図２は、ＦＩＲフィルタ４２によってフィルタ処理され、上記で言及されたようにボックス４４において３乗される複素ベースバンド信号を受信するアーキテクチャ４０のブロック図である。次に、３乗された複素ベースバンド信号は、別のＦＩＲフィルタ４６によってフィルタ処理され、２つのフィルタ処理された信号が、加算結合４８によって加算されて、信号ｙ（ｎ）が取得される。

【0016】

[0021]式（２）のモデルの係数ａ_ｋｍを決定することは、単純である。まず、ベースバンド信号ｘ（ｎ）およびｙ（ｎ）が時間的に整列される。式（２）は、単に係数ａ_ｋｍについて解くことができる過剰決定された線形方程式のセットである。結果として得られるモデルは、電力増幅器（ＰＡ）モデルと呼ばれ、予歪タップを決定するために使用される。

【0017】

[0022]ＰＤ２０は、ＰＡモデルと同様に、３次の奇数項のみのメモリ多項式と見なされる。ＰＤタップの決定のためにまず、値φが、ＰＡモデルのために記述される。ＰＤ２０の目的は、左側のＰＡモデルを反転させることである。つまり、ＰＤ２０は、次に説明するように、成分

【数3】

が、アイデンティティマップであることの確認を試みる。

【0018】

[0023]最終的に、ＰＤ２０の目的は、最も正確なシンボル推定値を可能にすることである。したがって、シンボル推定モジュールεは、複素ベースバンド信号ｙ（ｎ）を取り込み、シンボル推定値＾ｓ_ｉを生成するように構築される。次に、予歪器タップは、図３に示すマップのシーケンスの出力が、可能な限り正確なシンボル推定値「ハット」ｓ＿ｉ（「ハット」ｓ＿ｉを、以下「＾ｓ＿ｉ」と表す。）を生成するように設計される。

【0019】

[0024]図３は、上述したモデル化を示すシステムモデル５０のブロック図であり、システムモデル５０は、ＰＳＦ１６およびＰＤ２０を示す。システムモデル５０はまた、ボックス５２におけるＰＡモデルφと、ＰＡモデルからの複素ベースバンド信号ｙ（ｎ）に基づいてシンボル推定値＾ｓ_ｉを生成するボックス５４におけるシンボル推定モジュールεとを含む。シンボル推定モジュールεは、ＥＶＭ受信機３４を表すことを意図していることに留意されたい。

【0020】

[0025]ＰＤタップを決定するアルゴリズムは反復的であり、最終ではなく初期のタップ推定値が必要であろう。初期のＰＤタップ推定値は、間接学習として当技術分野で知られているアプローチを使用して生成され、これについて次に説明する。

【0021】

[0026]上述のように、ＰＤ２０に、左側のＰＡマップを反転するように要求する代わりに、ＰＤ２０に、右側のＰＡマップを反転するように要求することができる。すなわち、以下の成分が、ｘ（ｎ）におけるアイデンティティマップであるように、ＰＤ２０が決定されると仮定する。

【数4】

【0022】

[0027]間接学習のアイデアは、この右逆元を取り、左逆元として使用することである。予歪器マップとＰＡモデルφとの両方は、非線形であるため、ＦＩＲフィルタのように、単にＬＴＩシステムであった場合のようには代用できないことに留意されたい。しかしながら、ＰＡモデルφの右逆元は、多かれ少なかれ、適正な左逆元でもあることに留意されたい。さらに、式（２）のように並列の方式では、右側におけるＰＡモデルφを反転させる予歪器タップを解くことは、線形方程式系：

【数5】

を解く係数を求めることなので、右側におけるＰＡモデルφの右逆元を決定することは単純であるということにも留意されたい。

【0023】

[0028]この線形方程式系は簡単に解けるため、間接学習を使用してＰＤタップを形成することが、これまでの文献におけるアプローチで一般的である理由である。しかしながら、次に説明するように、間接学習によって決定されるＰＤタップを改善することができる。

【0024】

[0029]間接学習を使用して、予歪器タップの最初の推測を決定したので、これらを最適化することができる。ＰＤ２０の目的は、可能な限り最良のシンボル推定値を与えること、つまり、可能な限り小さなＥＶＭを与えることであるということを思い出されたい。これは、まさにこの種の状況のために設計された古典的なガウス・ニュートンモデルフィットプロセスによって実行される。最小化するための測度が形成され、この作業ではＥＶＭが使用される。ＥＶＭは、予歪器タップの機能である。概念的には、予歪器タップはそれぞれ、タップのそれぞれに関するＥＶＭの導関数を取得するために小刻みに動かされ、こうして勾配を決定する。誤差面を勾配の方向に進むと、ＥＶＭが減少する。しかしながら、このような最急降下アプローチは、やや緩慢に収束する。ガウス・ニュートンアルゴリズムは、最急降下アルゴリズムの高機能バージョンであり、初期推測が誤差面の２次導関数を使用できるようにするのに十分であると想定する。このような方式で、ガウス・ニュートンアルゴリズムは、そのステップサイズを最適化し、より高速な収束を実現できる。具体的には、ガウス・ニュートンフィットの反復ｉで予歪器タップに対してＰ_ｉが記述されている場合、ｉ＋１’番目の反復では、予歪器タップは次のようになる：

【数6】

ここで、Ｈは、ｘ^２測度のヘッシアン（この場合はＥＶＭ）であり、∇ｘ^２（ｐ_ｉ）は、反復ｉにおけるその勾配である。

【0025】

[0030]予歪器タップ決定アルゴリズムは、２つの重要な手法で改善され得る。ＰＡモデルφとＰＤ２０との両方が、３次メモリ多項式と見なされる。特に、これらはおのおの２つの分岐で形成され、各分岐は、ＦＩＲフィルタを含む。説明される制限の下では、ＰＡモデルφとＰＤ２０との両方のＦＩＲフィルタタップを最適化することが有利であることが示されよう。さらに、ナイキストレートを超えてＰＳＦ１６の出力においてサンプリングレートを増加させることが有利であることも示されよう。ＦＩＲフィルタタップの制限と、最適なＰＳＦ１６のサンプリングレートとを説明するために、２つのポイントを説明する必要がある。

【0026】

[0031]第１に、ＰＤ２０への入力はＰＳＦ１６の出力であり、ＰＳＦ１６の出力は、あるηについて、シンボルあたりη個のサンプルを使用して生成された離散複素ベースバンド信号であることに留意されたい。帯域幅拡張係数αのＰＳＦ１６のナイキストサンプリングレートは、シンボルあたり１＋αサンプルであることに留意されたい。たとえば、帯域幅拡張係数α＝０．３である場合、ナイキストレートはシンボルあたり１．３サンプルになる。値ηは、少なくともナイキストレートと同じ大きさに選択する必要がある。ただし、メモリ多項式ベースの予歪みアプローチの場合、シンボルあたりのサンプル数が、ナイキストレートよりも大きいと有利であることが論じられよう。特に、３次メモリ多項式予歪器の最適なサンプリングレートは、ナイキストレートの２倍であることが示されよう。

【0027】

[0032]第２に、ＳＣＭチップ２２に直接入力されるＰＳＦ１６の出力を考える。ＰＳＦ１６の出力は、［－π、π］（ラジアン／サンプル）の範囲における周波数の離散正弦波で構成される離散信号である。ＳＣＭチップ２２は、１／Ｔ_ｓａｍｐサンプル／秒のサンプリングレートで動作する物理的チップである。すなわち、搬送周波数のモジュロを取って、ＳＣＭチップ２２は、Ｔ_ｓａｍｐ秒ごとに入力サンプルを受け取り、出力がアナログ信号になるように滑らかに接続された同じレートにおけるサンプルを出力する、Ｄ／Ａコンバータである。離散入力信号の離散周波数と、連続出力信号のアナログ周波数との関係は次の通りである：

【数7】

ここで、離散周波数Ω∈［－π、π］はサンプルあたりのラジアンであり、連続周波数ωはラジアン毎秒の単位である。同等に：

【数8】

である。

【0028】

[0033]特に、ＰＳＦ１６によって出力される離散信号の帯域幅がＢ（ラジアン／サンプル）、Ｂ∈［０、π］である場合、ＳＣＭチップ２２の出力における関連するアナログ信号の帯域幅は、Ｂ／Ｔ_ｓａｍｐである。

【0029】

[0034]通信システムは、その送信信号が、特定の帯域幅を占有するように設計される。所望の送信帯域幅は、離散帯域幅ＢとＳＣＭチップサンプリング周期Ｔ_ｓａｍｐとの比を制御することで達成できる。ＰＳＦ１６により出力される離散信号の帯域幅Ｂは、出力されるシンボルあたりのサンプル数を選択することにより制御される。たとえば、シンボルあたりのサンプル数が、正確にナイキストレート（帯域幅拡張係数がαのＳＲＲＣの場合は１＋α）である場合、対応する離散信号は、サンプルあたり［－π、π］ラジアンの全範囲内の周波数を含むであろう。しかしながら、シンボルあたりのサンプル数がナイキストレートの２倍である場合、帯域幅拡張係数αが１．３のＳＲＲＣ波形に対して、２．６サンプル／シンボルであり、ＰＳＦの出力は、スペクトル範囲［－π／２、π／２］を占有するであろう。

【0030】

[0035]送信信号は、起り得る他のシステムとの干渉や、規制上の制約により、有限の所定の帯域幅内に存在するように設計される。上記のように、送信帯域幅は、比Ｂ／Ｔ_ｓａｍｐによって設定され、ここで、Ｂは、ＰＳＦ１６によって出力されるシンボルあたりのサンプル数を設定することによって設定される。

【0031】

[0036]使用されるシンボルあたりのサンプル数が、ナイキストレートの２倍であるとする。この場合、ＰＳＦ１６の離散出力の帯域幅Ｂはπ／２であり、すなわち、ＰＳＦ出力は完全にスペクトル領域［－π／２、π／２］の中に存在し、スペクトル領域［－π／２、π／２］を完全に占有する。ＰＤ２０がＰＳＦ１６の直後に配置されると、ＰＤ２０は、ＰＳＦ１６の出力の周波数範囲を拡張する。この例では、ＰＤ２０への入力は、［－π／２、π／２］の範囲内にあるスペクトルを有するが、ＰＤ２０の出力は、完全に拡張されたスペクトルを有し、全周波数範囲［－π、π］を占有する。その結果、送信アナログ信号、すなわちＳＣＭチップ２２の出力は、拡張された帯域幅を有する。ＳＣＭチップ２２の出力（または、受信機への入力）にフィルタを設けて、アナログ信号を、所定の帯域内にあるように制限することができる。しかしながら、その場合、電力増幅器の非線形性を克服するために、ＰＤ２０が生成した周波数は失われるであろう。この問題を回避するには、予歪器ＦＩＲフィルタを帯域内で動作するように制限するべきである。すなわち、ＰＤ２０を最適化するとき、ＦＩＲフィルタの通過帯域を、ＰＳＦ１６によって出力される信号の通過帯域と等しくなるように設定する必要がある。

【0032】

[0037]代わりに、ＰＳＦ１６の出力の帯域幅Ｂがπになるように、ＰＳＦ１６の出力におけるシンボルあたりのサンプル数が、ナイキストレートに等しくなるように選択されたとする。この場合、ＰＤ２０がその入力信号を３乗すると、周波数帯域全体で多くのエイリアシングが発生する。その結果、ＰＤ２０は、高くエイリアシングされた信号に対して作用し、ＰＤ２０に利用可能な情報を著しく劣化させ、ＰＤ２０の予歪みする能力を阻害する。したがって、ＰＳＦ１６の出力において使用されるシンボルあたりのサンプル数は、ＰＤ２０によるエイリアシングを回避するために、ナイキストレートよりも高くするべきである。

【0033】

[0038]３次メモリ多項式予歪器の場合、最適レートは、以下で説明するように、ナイキストレートの２倍である。ＰＳＦ１６の出力におけるサンプリングレートが、ナイキストレートと等しくなるように設定されているとする。ＰＤ２０は、その３乗演算により、高くエイリアシングされた信号で動作する必要がある。サンプリングレートが増加すると、予歪器ＦＩＲフィルタの通過帯域は、比例して減少し、これにより、３乗演算によって引き起こされるエイリアシングの一部を破棄する。ＰＳＦ１６の出力におけるシンボルあたりのサンプル数が、ナイキストレートの２倍に達すると、初めてエイリアシングされた周波数が、完全に破棄される。サンプリングレートをナイキストレートの２倍を超えて増やしても、ＰＤ２０に利用可能な情報がさらに改善されることはなく、より高速なサンプリングレートで動作するためにＳＣＭチップ２２に不要な負担がかかるだけである。

【0034】

[0039]予歪器タップを帯域内に制限しながら最適化するべきもう１つの理由がある。ＰＤ２０は、電力増幅器チェーンのモデル、すなわち３次メモリ多項式に基づいて最適化される。実際のシステムでは、受信機では、ゾーンフィルタ２４は、増幅器の非線形性によって追加された不要な高調波を破棄する。ただし、電力増幅器モデルφは、３次メモリ多項式であるため、このようなゾーンフィルタは有さない。ＰＡモデルφは、その入力を３乗し、再びシステムを代表しないエイリアシングを導入する。予歪器フィルタタップが帯域内での動作に制限されていない場合、予歪器フィルタタップは、実際のシステムではなく、システムモデルのアーティファクトを予め歪めようとするであろう。その結果は、シミュレーションにおける良好なパフォーマンスであり、システム自体における良好なパフォーマンスに移行しない。

【0035】

[0040]同様に、ＰＡモデルのメモリ多項式フィルタタップ自体も、帯域内で動作するように制限するべきである。そうではない場合、ＰＡメモリ多項式モデルは、受信機のゾーンフィルタが原因で、実際のシステムを代表しないエイリアシングアーティファクトを表現するだろう。

【0036】

[0041]上記で説明したように、ＰＡモデルタップおよび予歪器タップは、それらが帯域内で動作するように抑制しながら最適化される。ＰＡモデルタップを決定する場合でも、または、予歪器タップを決定する場合でも、この最適化プロセスは、入力信号と出力信号とをナイキストレートにダウンサンプリングし、タップを決定し、および、タップ自体をＰＳＦ１６によって生成されたシンボルあたりのサンプル数にアップコンバートすることによって達成される。これにより、ＰＡモデルタップおよび予歪器タップは、それらが帯域内で動作するように抑制しながら最適化される。

【0037】

[0042]事前等化を予歪タップに組み込むことは、特定の時間に有利であることがわかる。これは、ＰＳＦ１６の出力におけるシンボルあたりのサンプル数がナイキストレートに近い場合に最も有利である。ＨＰＡ１２は、その前後にハードウェア、すなわち、アップコンバータ、ダウンコンバータ、およびフィルタを有する。電力増幅器ハードウェアは、２つのＬＴＩフィルタに挟まれたメモリレス非線形性としてモデル化でき、これは、文献では３ボックスモデルまたはウィーナ・ハマースタインモデルと呼ばれているモデルである。図４は、第１のＬＴＩフィルタ６２、非線形要素６４、および第２のＬＴＩフィルタ６６を含む、知られているウィーナ・ハマースタインモデルを示すアーキテクチャ６０のブロック図である。

【0038】

[0043]事前等化では、フィルタＨ_１の推定値が形成され、次にフィルタＨ^‐１ _１（「上付き－１」および「下付き１」を含むＨを、以下、「Ｈ^‐１ _１」と表す。）を形成するために反転される。目的は、フィルタＨ^‐１ _１をＰＤ２０に組み込むことである。これは次のようにして達成される。図５は、図１に示されるシステム１０と同様の通信システム７０のブロック図であり、同様の要素は同じ参照番号で識別される。この設計では、サンプルｘ_ｉをＰＤ２０に渡してシステムをモデル化する代わりに、ＰＳＦ１６からのサンプルｘ_ｉが、フィルタＨ_１を反転させるモジュール７２に送信される。次に、以前に行われたようにサンプルｘ_ｉとｙ_ｉを関連付けて、３次メモリ多項式モデルが構築され、このモデルに対して予歪器が形成される。次に、結果として得られる予歪器タップが、フィルタＨ^‐１ _１と畳み込まれる。これにより、フィルタＨ_１を本質的に反転させる予歪器が得られる。

【0039】

[0044]この技法は、ＰＳＦ１６の出力におけるシンボルあたりのサンプル数が、ナイキストレートに近い場合に特に効果的である。このような場合、ＰＤ２０とＰＡモデルφとはともに、著しい量のエイリアシングを受け、これは、フィルタＨ_１の真の応答をマスクする。事前にそれを計算し、予歪器係数に直接組み込むことにより、ＰＤ２０は、予歪器タップをトレーニングする際のエイリアシングの効果を減少させることができる。

【0040】

[0045]前述の議論は、本発明の単なる例示的な実施形態を開示および説明している。当業者は、そのような議論から、および添付の図面および特許請求の範囲から、以下の特許請求の範囲で定義される本発明の精神および範囲から逸脱することなく、様々な変更、修正、および変形が可能であることを容易に認識するであろう。

【図1】

【図2】

【図3】

【図5】