On Radio Frequency Behavioral Modeling : Measurement Techniques, Devices and Validation Aspects

Detta är en avhandling från Stockholm : Skolan för elektro- och systemteknik, Kungliga Tekniska högskolan

Sammanfattning: Effektförstärkare för radiofrekvensapplikationer utgör fortfarande ett av de största problemen i trådlösa kommunikationssystem. Detta beror på att dessa förstärkare är ickelinjära, har låg energieffektivitet och ger mycket distortioner. Bättre verktyg för att förstå och korrigera dessa beteenden är nödvändiga. Ett sådant verktyg är beteendemodellering. En beteendemodell kanses som en svart låda med insignal(er) och utsignal(er). In detta fall är dessasignaler samplade basbandssignaler och den svarta lådan är en matematisk relation mellan en insignal och en utsignal.Avhandlingen behandlar några krav för beteendemodellering av nämnda system genom att presentera metoder för utvärdering och förbättring av modellernas prestanda. Detta åstadkoms genom att betrakta ett frekvensviktat felkriterium.Ett högpresterande mätsystem är också nödvändigt för experimenten. Prestandan hos det tillgängliga systemet jämförs med prestandan hos ett allmänt erkänt mätsystem, en s.k. storsignalsnätverksanalysator, genom att betrakta prestandan hos beteendemodellerna som extraheras och validerasmed data från respektive mätsystem. Resultatet visar att det existerande mätsystemet har god prestanda.Ett stort problem vid beteendemodellering är att kunna sampla med tillräckligt hög hastighet. Genom att använda Zhu-Franks generaliserade samplingsteorem vid beteendemodellering kan en del av detta problem undvikas. Teoremet medför att man kan sampla med en väsentligt lägre samlingsfrekvens än vad Nyquistteoremet säger. Modeller extraheras och prestandanutvärderas genom att använda kriteriet normalized mean square error (NMSE).För stabil prediktion och korrektion av utsignalen måste robustheten hos de använda modellerna verifieras. En sådan studie som berör robustheten mot variationer i lastimpedansen har genomförts. Prestandan på direkta modeller försämras med 7 dB mätt som adjacent channel error power ratio (ACEPR). Prestanda på inversmodellen, implementerad som digital predistortion, försämras med upp till 13 dB mätt som adjacent channel power ratio(ACPR).

  HÄR KAN DU HÄMTA AVHANDLINGEN I FULLTEXT. (följ länken till nästa sida)