如何使數字預失真解決方案實用且相關

作者：Steve Summerfield and Frank Kearney

根據數字預失真（DPD）的大部分宣傳材料，其性能基于靜態定量數據。通常，該材料顯示DPD頻譜并引用相鄰通道泄漏比（ACLR）數字。雖然這種方法解決了基本需求，但它未能捕捉到實際部署中發生的許多挑戰、風險和性能權衡。向5G的快速過渡帶來了大量新的挑戰和場景，算法開發人員和設備供應商需要更加關注。支撐靜態性能的基礎必須是在許多元素處于不斷變化的復雜環境中保持性能和穩定性的能力。

介紹

在理想情況下，功率放大器的輸出將是輸入的相同比例版本，放大器使用的大部分功率將駐留在輸出信號中。因此，我們將擁有最大的效率并且沒有失真。在現實世界中，我們做得不夠：真正的線性放大器往往效率很低。例如，電纜分配系統中使用的放大器具有出色的線性度，但這是以效率為代價的。在大多數情況下，效率難以達到6%以上，功率平衡（94%）被浪費了。浪費的電力具有經濟、環境和應用成本。在蜂窩基站中，電力占運營成本的50%以上。浪費的電力會增加用電量并產生溫室氣體，而大部分不作為無線電波發射的電力必須以熱量的形式消散，這需要主動和被動熱管理。

在過去的幾十年中，蜂窩行業已將PA的效率提高到超過50%的性能水平。這是通過采用多爾蒂等智能架構和氮化鎵等先進工藝技術來實現的。這種效率水平是有代價的——線性度。蜂窩系統中線性度差有兩個主要后果：帶內失真和帶外發射。帶內失真會破壞傳輸信號的保真度，并可能通過誤差矢量調制（EVM）性能下降來表示。帶外輻射會破壞 3GPP 輻射模板，并可能對占用相鄰信道頻率分配的運營商造成不必要的干擾。我們通常根據 ACLR 來衡量性能的這一方面。GaN PA帶來了額外的挑戰，因為電荷捕獲效應也會產生帶內失真。這些本質上是動態的，與ACLR隱含的任何SNR無關。

圖1.具有記憶效應的PA動態傳遞函數。

校正PA非線性至關重要。這是一個合理的假設，如果知道PA的傳遞函數，則在數據上使用其逆函數將使非線性無效。然而，PA具有可被視為動態傳遞函數的東西;其輸出到輸入特性可以認為是連續變化的。此外，動態傳遞函數取決于PA特性（包括功率、電壓和溫度）、提供給PA的輸入信號以及PA處理的先前信號（記憶效應）的組合。PA的動態非線性行為需要先建模，然后才能進行校正，因此需要數字預失真，DPD需要適應環境的動態。

圖2.數字預失真系統的概念表示。

圖2提供了許多DPD系統的核心要素：觀察、估計和驅動。圖2中的概念生成了一個跟蹤PA預期響應的模型，以便生成適當的抵消信號來消除PA的預測非線性行為。有許多模型，例如無處不在的廣義記憶多項式（GMP）。

圖3.帶和不帶數字預失真的相鄰通道泄漏。

在其線性區域工作的PA產生的帶外失真較少，并且如圖3所示，泄漏到相鄰通道的噪聲水平顯著降低。圖3顯示了典型DPD測試臺上頻譜分析儀的屏幕截圖，用于演示靜態DPD性能是否符合許多ACLR一致性測試所要求的標準。

市場演變、性能增強和移動目標

自 1990 年代以來，DPD 已在蜂窩基站中商用，利用率計算為 800 多萬次部署。隨著蜂窩市場的技術和世代要求（2G、3G、4G和現在的5G）發生變化，對DPD的要求也隨之變化。這些挑戰包括但不限于更寬的帶寬、更高的功率、載波布局、更高的峰均信號比以及基站數量和距離的致密化。

設備供應商急于區分其產品，并繼續推動相對于相關 3GPP 規范的效率方面的性能增強。PA效率仍然是一個挑戰。雖然傳統的變革驅動因素是運營成本和熱管理（包括與之相關的硬件/重量成本），但現在環境考慮因素為這種變化提供了加速劑。

PA和DPD具有部分共生關系。在某些情況下，這種關系可能是和諧的，而在另一些情況下則更加困難。一個供應商的DPD友好的PA可能會與另一個供應商的DPD友好。通常，當DPD和PA都經過配置和調整以匹配特定應用時，可以實現最佳性能。然而，PA設計在不斷發展，以滿足5G及以后的苛刻要求。與此同時，DPD必須不斷發展以滿足額外的需求。隨著寬帶和雙頻應用成為常態，PA 開發人員面臨的挑戰是如何在更高頻率下實現更寬的帶寬，同時保持性能預期。開發帶寬能力為200 MHz及以上的PA是一項挑戰，而確保其能夠滿足3GPP規范和效率也帶來了進一步的挑戰。這些挑戰反過來又落在了DPD開發人員身上。

了解挑戰

量化DPD性能并非易事。需要考慮的條件和方案矩陣 - 除了 PA 之外，還有許多其他緩解依賴項。當我們考慮性能時，需要明確定義測試條件的細節：在200 MHz帶寬下實現>50%的效率比在20 MHz的工作帶寬下實現相同效率水平的挑戰要大得多。當我們考慮在分配頻譜內的載波放置時，情況變得更加復雜;它可能是一個連續的信號，但它也可能是一個分段的載波分配，其中部分頻譜被占用。

在高層次上，DPD性能有定量指標，這些數據點主要由3GPP規范或運營商要求定義：ACLR，EVM和效率。滿足這些只是DPD性能的冰山一角。當穩定性和穩健性被添加到組合中時，挑戰的艱巨性開始浮出水面。DPD性能有兩個關鍵方面：靜態基準性能和實際操作動態性能。

為了描述動態挑戰，圖4說明了動態環境中的信號演變，并顯示了ACLR如何通過自適應DPD做出響應。這些數字是名義上的。該圖提供了突然信號變化影響的示例，這些變化是極端但合法的。隨著信號的變化，DPD模型會適應它。適應事件以點表示。在信號變化和下一次適應之間的過渡時間內，模型和信號之間存在不匹配，因此ACLR值可能會上升，從而增加了在瞬態持續時間內超過輻射規格的風險。

圖4.動態單元加載、DPD 適配和 ACLR 瞬變。

適應需要有限的時間，所以總會有短暫的。高性能DPD面臨的挑戰是將模型失配時間降至最低，同時確保兩種狀態之間的平穩過渡。需要對該過程進行管理，以便同時考慮適應和中斷ACLR的速度。了解模型不匹配如何取決于信號轉換的性質非常重要。當不匹配度很高時，DPD可能會降低性能，甚至更糟的是，降低無線電的穩定性。如果發生不穩定，可能會導致DPD算法滾雪球失控，爆破發射掩模，在最壞的情況下，還會損壞無線電硬件。在性能與穩定性的蹺蹺板上，穩定性將始終是突出的設計考慮因素。DPD設計必須堅固耐用，以確保在正常和異常工作條件下的穩定性和錯誤恢復。

高性能實用DPD解決方案面臨的挑戰可以概括為以下要求：

靜態性能（一致性測試或 BTS 流量負載大致恒定的情況）

美國前交叉韌帶

EVM（包括氮化鎵作為特例）

動力學

魯棒性

此外，由于ADI公司是DPD的第三方供應商，因此還必須考慮以下幾點：

保養

解決我們的客戶（OEM）部署到其客戶（操作員）時發生的性能問題。

演化

在現場的使用壽命期間，PA技術和信號空間應用可能會發生變化。

共性

OEM 可以根據每個產品微調其 DPD。我們沒有那么奢侈。我們必須滿足許多應用程序的需求，同時最大限度地減少可配置性和冗余。

提高DPD性能以應對挑戰

僅考慮靜態性能，DPD開發存在線性進展的因素。如果我們提供更多的資源，那么我們就會提高性能。例如，更多的GMP系數有助于更準確地對PA行為進行建模。因此，隨著帶寬的擴大，這成為保持性能（如果不是提高性能）策略的一個要素。然而，這種方法有其局限性。如果額外資源提供很少或根本沒有好處，就會達到收益遞減的點。DPD算法開發人員需要采取更具創造性的方法來進一步增強。ADI的方法是用更通用的基函數和高階Volterra乘積來增強基本算法廣義存儲器多項式。當開發人員嘗試創建一個能夠準確預測PA行為的模型時，數據積累和數據操作是核心的基本要素。在連續的時間和功率水平上捕獲數據，使開發人員能夠獲得更完整的水庫或軍械庫，以對其進行評估并塑造模型行為。圖 5 提供了采用這種方法的系統的概念性概述。請注意，更廣泛的數據捕獲/觀察節點與數字電源監控相結合。電源監控有助于動態。先前存儲的模型可以通過多種方式發揮作用，以減輕上面討論的動態瞬變。

圖5.DPD實施，具有更廣泛的數據捕獲/觀察。

近年來，GaN PA技術給DPD開發人員帶來了另一個挑戰：長期記憶效應。氮化鎵工藝技術在效率、帶寬和工作頻率方面具有許多明顯的優勢。然而，它確實表現出所謂的電荷捕獲效應。GaN中的電荷捕獲是一種長期記憶效應，其中存在陷阱，然后是熱去捕獲?；?GMP 的 DPD 糾正了一些錯誤。但是，殘余誤差會繼續影響信號質量。這種失真會導致EVM相應上升。圖6提供了該現象的圖形表示。注意PA增益波動以及這些波動的時間性質。另請注意陷印和去陷印狀態，以及去陷印發生在較低功率符號上。

圖6.GaN PA電荷捕獲引入的長期增益誤差。

由于時間效應是長期的，傳統方法建議獲取大量采樣點，從而需要存儲和處理大量數據。內存成本、硅面積和處理成本意味著這種方法對于商業DPD部署來說不是一個可行的選擇。DPD開發人員必須消除電荷捕獲的影響，但這樣做的方式有助于高效實現和操作。電荷擷率校正（CTC）是ADRV9029收發器在功耗和計算時間方面以低成本支持的功能。它已被證明可以將 EVM 恢復到 EVM 3GPP 規范范圍內的水平。下一代收發器，即將推出的ADRV9040，擁有更精細的解決方案，計劃在動態場景中提供增強的性能，并更好地覆蓋越來越多的具有獨特電荷擷率特性的GaN PA。

圖7.平衡DPD性能的所有要素與挑戰。

如前所述，DPD實現的穩定性至關重要。通過持續監控內部狀態和對異常情況提供快速響應來解決魯棒性問題。

ADI解決方案的通用性通過對來自許多供應商的廣泛PA樣本進行測試來解決，其中許多供應商與許多供應商建立了共生的技術關系。

結論

很多時候，當呈現DPD性能時，重點是性能的靜態元素。雖然EVM和ACLR的測量標準仍然有效，但必須更多地關注構成這些測量的操作條件和要求矩陣。5G NR的需求繼續推動應用需求。再加上對更高PA效率的渴望，加劇了DPD算法開發的挑戰。

當我們開始鑒定DPD性能時，我們需要一種整體方法來處理：

靜態性能

動態性能

魯棒性

穩定性

與規格有窄邊距的DPD可能不受歡迎，而導致臨時規格擠出的DPD可能會使操作員感到不安，而不穩定并導致非法排放和可能的PA故障的DPD是災難性的。DPD算法不應被視為現成的產品;當根據PA和應用的具體情況修剪DPD時，可以實現最佳性能，因此，算法敏捷性和開發/現場支持也是重要的考慮因素。有效的DPD算法可以帶來巨大的系統優勢。不應低估所需經費和業績評估的復雜性。

審核編輯：郭婷