【導讀】根據許多推廣材料對數字預失真(DPD)的介紹，其性能是基於靜態定量數據。通常，這些材料會顯示DPD頻譜並引用鄰道泄漏比(ACLR)數字。這種方法雖然解決了基本需求，但卻沒有抓住實際部署中出現的諸多挑戰、風險和性能權衡。向5G的(de)快(kuai)速(su)過(guo)渡(du)帶(dai)來(lai)了(le)大(da)量(liang)新(xin)的(de)挑(tiao)戰(zhan)和(he)場(chang)景(jing)，算(suan)法(fa)開(kai)發(fa)人(ren)員(yuan)和(he)設(she)備(bei)供(gong)應(ying)商(shang)需(xu)要(yao)給(gei)予(yu)更(geng)多(duo)關(guan)注(zhu)。要(yao)支(zhi)撐(cheng)靜(jing)態(tai)性(xing)能(neng)，必(bi)須(xu)具(ju)備(bei)在(zai)有(you)許(xu)多(duo)元(yuan)素(su)處(chu)於(yu)變(bian)化(hua)狀(zhuang)態(tai)的(de)複(fu)雜(za)環(huan)境(jing)中(zhong)保(bao)持(chi)性(xing)能(neng)和(he)穩(wen)定(ding)性(xing)的(de)能(neng)力(li)。

簡介

zailixiangshijiezhong，gonglvfangdaqideshuchushishurudebilifangda，chucizhiwaiyushuruwanquanxiangtong，fangdaqishiyongdedabufengonglvgongxianzaishuchuxinhaozhong。yinci，qixiaolvzuidaqiemeiyoushizhen。danxianshishijiequebingfeiruci：shijidexianxingfangdaqidexiaolvwangwangfeichangcha。liru，dianlanfenpeixitongzhongshiyongdefangdaqijuyouyouyidexianxingdu
，danzheshiyixiaolvweidaijialaishixiande。zaidaduoshuqingkuangxia，xiaolvmianqiangnengchaoguo6％，其餘功率(94％)則被浪費。浪費的功率涉及經濟
、環境和應用方麵的成本。在蜂窩基站中
，電力成本占運營成本(OPEX)的50％yishang。langfeidegonglvhuizengjiadianlishiyongbingchanshengwenshiqiti
，erweizuoweiwuxiandianbofashechuqudedabufengonglvbixuzuoweireliangxiaosan，xuyaozhudonghebeidongdereguanli。

在過去的數十年間，蜂窩行業已將PA的效率提升至超過50％的性能水平。這是通過采用智能架構（如Doherty）和高級工藝技術（如GaN）而實現的。獲得效率的同時也付出了一定的代價——線性度。在蜂窩係統中，線性度很差有兩個主要後果：帶內失真和帶外輻射。帶內失真會破壞所發射信號的保真度
，可以通過誤差矢量調製(EVM)性能的降幅來表示。帶外輻射會打破3GPP輻射屏蔽，可能對占用鄰道頻率分配的運營商造成不希望的幹擾。我們通常用ACLR來衡量這方麵的性能。除此之外，GaN PA帶來了額外的挑戰
，因為它的電荷捕獲效應也會產生帶內失真，而這些失真是動態的
，與ACLR隱含的SNR無關。

圖1.具有記憶效應的PA動態轉換函數 

校正PA非線性至關重要。如果知道PA的轉換函數，則對數據運用其反函數將能消除非線性
，這是一個合理的假設。然而，PA的轉換函數是動態轉換函數
，其輸出至輸入特性可以被認為處於連續變化之中。此外
，該動態轉換函數與一係列PA特性（包括電源、電壓和溫度）、提供給PA的輸入信號以及PA已處理的先前信號（記憶效應）有關。PA的動態非線性行為需要先建模，然後才能校正，因此需要數字預失真(DPD)，而DPD需要適應環境的動態變化。

圖2.數字預失真係統的概念表示

圖2顯示了許多DPD係統的核心元素：觀測
、估算和驅動。圖2中的概念生成了一個跟蹤PA預期響應的模型，這樣便可產生適當的抵消信號來消除預測的PA非線性行為。模型有很多
，例如十分普遍的廣義記憶多項式(GMP)。

圖3.有和無數字預失真兩種情況下的鄰道泄漏

在線性區域中工作的PA產生的帶外失真較少

，而且泄漏到相鄰通道的噪聲明顯降低，如圖3所示。圖3顯示了典型DPD測試台上的頻譜分析儀的屏幕截圖
，該測試台用來演示靜態DPD性能是否達到許多ACLR合規性測試所要求的標準。

市場演變
、性能增強和移動目標

自20世紀90年代以來，DPD便已在蜂窩基站中商用，部署量超過800萬台。蜂窩市場的技術和代次需求不斷變化（2G、3G、4G，現在是5G）
，對DPD的要求也在與時俱進。這些挑戰包括但不限於：更寬的帶寬、更高的功率、載波數量
、更高的峰均比，以及更多的基站數量和密集化。

設備供應商急於差異化其產品，不斷增強效率方麵（相對於相關3GPP規範）的性能
，其中PA效率仍然是挑戰。驅動變革的傳統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，環境考慮加速了這種變化。

PA和DPD具有某種共生關係。在有些情況下，這種關係很和諧
，但在另一些情況下
，這種關係很棘手。與某家供應商的DPD友好相處的PA，可能與另一家供應商的DPD水火不容。通常
，當DPD和PA經配置和調整後與特定應用匹配時，性能最優。然而
，為了滿足5G及後續技術的激進要求，PA設計在不斷發展。因此，DPD也必須不斷演進以滿足額外的需求。隨著寬帶和雙頻應用成為常態
，PA開發人員麵臨著在更高頻率下實現更寬帶寬
，同時滿足性能期望的挑戰。開發帶寬能力為200 MHz及以上的PA是一個挑戰
，同時要確保其也能滿足3GPP規範和效率，這帶來了進一步的挑戰。這些挑戰最終都落在DPD開發人員肩上。

了解挑戰

量化DPD性能不是一項簡單的任務。有許多情況和場景需要考慮——除PA外
，還有其他一些影響因素。考慮性能時
，需要清楚地定義測試條件的細節：在200 MHz的帶寬實現>50％的效率比在20 MHz的工作帶寬實現相同效率的挑戰要大得多。當考慮所分配頻譜內的載波放置時，情況變得更加複雜：它可能是連續的信號
，也可能是分段的載波分配，即部分頻譜被占用。

在較高層次上，DPD性能有幾個定量指標——主要由3GPP規範或運營商要求所定義的數據點：ACLR
、EVM和效率。滿足這些要求僅僅是DPD性能冰山的一角。將穩定性和魯棒性添加到需求矩陣中後
，挑戰之巨大開始顯現。DPD性能有兩個關鍵方麵：靜態基準性能和實際的運行動態性能。

為了刻畫動態特性的挑戰，圖4顯示了動態環境中的信號演變，並展示了ACLR如何用連續適應的DPD加以響應。圖中的數字是名義上的。曲線提供了信號突然變化的影響的例子
，雖然極端但合法。隨著信號變化，DPD模型要適應變化。適應事件用點表示。在信號變化與下一自適應之間的過渡時間中，模型和信號存在不匹配，因此ACLR值可能上升，在瞬態期間內超過輻射規範的風險會增加。

圖4.動態單元加載、DPD適應和ACLR瞬態

適應需要一定的時間，因此始終存在瞬態。高性能DPD的挑戰在於將該模型不匹配時間減少到最小，同時確保兩個狀態之間平滑過渡。需要管理該過程，使得適應速度和對ACLR的中斷均得到考慮。重要的是要了解模型不匹配與信號轉換的性質的相關性。當不匹配度很高時，DPD存在性能降低的風險
，更糟糕的是無線電的穩定性降低。如果發生不穩定，DPD算(suan)法(fa)可(ke)能(neng)會(hui)像(xiang)滾(gun)雪(xue)球(qiu)一(yi)樣(yang)失(shi)控(kong)，打(da)破(po)輻(fu)射(she)屏(ping)蔽(bi)，在(zai)最(zui)壞(huai)情(qing)況(kuang)下(xia)可(ke)能(neng)損(sun)壞(huai)無(wu)線(xian)電(dian)硬(ying)件(jian)。在(zai)性(xing)能(neng)和(he)穩(wen)定(ding)性(xing)的(de)蹺(qiao)蹺(qiao)板(ban)上(shang)，穩(wen)定(ding)性(xing)始(shi)終(zhong)是(shi)更(geng)重(zhong)要(yao)的(de)設(she)計(ji)考(kao)慮(lv)因(yin)素(su)。DPD設計必須魯棒，確保在正常和異常工作條件下都能保持穩定，並能從錯誤中恢複。

高性能實用DPD解決方案的挑戰可以概括為如下要求：

●     靜態性能（合規性測試或BTS流量負載接近恒定）

     ○ ACLR

     ○ EVM（包括作為特例的GaN）

●     動態特性

●     魯棒性

此外
，由於ADI公司是DPD的第三方供應商
，因此還必須考慮以下因素：

●     維護

     ○ 我們的客戶(OEM)將產品交付給其客戶（運營商）之後，解決現場出現的性能問題。

●     進化

     ○ 在現場使用期間，PA技術和信號空間應用可能改變。

●     泛化

     ○ OEM可以針對每個產品精細調整DPD。我們沒有這種奢侈資源。我們必須滿足許多應用的需求，同時使可配置性和冗餘最小化。

提升DPD性能以應對挑戰

僅考慮靜態性能的話
，DPD開發有一個線性漸進的因素。如果提供更多資源，我們就能提高性能。例如
，更多GMP係數有助於更準確地模擬PA行為。因此，隨著帶寬加寬
，這成為維持（如果不能改進）性能的一種策略。然而，這種方法有其局限性，最終會達到一個收益遞減點——投入更多資源卻不產生收益或收益很少。DPD算法開發人員需要采取更多創造性方法來實現進一步增強。ADI公司的辦法是用更一般的基礎函數和更高階Volterra產品來補充基本算法的廣義記憶多項式。開發人員試圖創建一個能準確預測PA行(xing)為(wei)的(de)模(mo)型(xing)，因(yin)此(ci)數(shu)據(ju)累(lei)積(ji)和(he)數(shu)據(ju)操(cao)縱(zong)是(shi)核(he)心(xin)基(ji)本(ben)要(yao)素(su)。在(zai)連(lian)續(xu)時(shi)間(jian)和(he)功(gong)率(lv)水(shui)平(ping)下(xia)捕(bu)獲(huo)數(shu)據(ju)，開(kai)發(fa)人(ren)員(yuan)便(bian)有(you)更(geng)全(quan)麵(mian)的(de)手(shou)段(duan)來(lai)進(jin)行(xing)評(ping)估(gu)和(he)塑(su)造(zao)模(mo)型(xing)行(xing)為(wei)。圖(tu)5是采用這種方法的係統的概念圖。請注意，更廣泛的數據捕獲/觀測節點與數字電源監控耦合。電源監控有助於動態運行。先前存儲的模型可以通過多種方式發揮作用，以減輕上麵討論的動態瞬變。

圖5.使用更廣泛的捕獲/觀測實現DPD

近年來，GaN PA技術為DPD開發人員帶來了新的挑戰：長期記憶效應。GaN工藝技術在效率、帶寬和工作頻率方麵具備許多特有的優勢。然而，它存在所謂的電荷捕獲效應。GaN的電荷捕獲是一種長期記憶效應
，先有捕獲
，然後是熱解除捕獲。基於GMP的DPD糾正了一些誤差
，但仍有殘餘誤差會繼續影響信號質量。這種失真引起EVM的相應升高。圖6提供了該現象的圖形表示。注意PA增益波動和這些波動的時間性。另請注意捕獲和解除捕獲狀態，解除捕獲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

時間效應是長期的，傳統方法意味著要采集大量的樣本點
，因而需要存儲和處理大量數據。存儲器成本
、矽片麵積和處理成本使得這種方法不是商業DPD部署的可行選擇。DPD開發人員必須以有利於高效實現和運行的方式消除電荷捕獲的影響。電荷捕獲校正(CTC)是我們的ADRV9029 收發器支持的一項特性，其功耗和計算時間成本均很低。已經證明，EVM能恢複到EVM 3GPP規範內的水平。下一代收發器（即將到來的ADRV9040）擁有更精密的解決方案

，預計它能在動態場景中提供增強的性能，並能更好地覆蓋數量越來越多、電荷捕獲特性各不相同的GaN PA應用。

圖7.平衡DPD性能的所有要素和挑戰

如上所述，DPD實現的穩定性至關重要。魯棒性通過不斷監測內部狀態並提供對異常狀況的快速響應來實現。

ADI解決方案的泛化通過測試許多供應商的廣泛PA樣片來實現
，我們同很多供應商建立了共生的技術關係。

結論

介紹DPD性能時
，重點往往是性能的靜態方麵。雖然EVM和ACLR的衡量標準仍然有效，但必須更多地關注限定這些測量的運行條件和要求的組合。5G NR的需求繼續推動應用要求的提高，再加上對更高PA效率的渴望
，導致DPD算法開發的挑戰進一步加大。

當我們開始評判DPD性能時，我們需要一個整體方法來處理：

●     靜態性能

●     動態性能

●     魯棒性

●     穩定性

勉強符合規範的DPD可能不受歡迎

，會造成暫時不合規範的情況出現的DPD可能令運營商不安。更災難性的是，DPD會變得不穩定並導致非法輻射和PA的失效。不應將DPD算法視為現成的東西。根據PA和應用的具體情況調整DPD才能實現優化性能

，但算法敏捷性和開發/現場支持也是重要的考慮因素。有效的DPD算法可以給係統帶來相當大的好處。不應低估需求和性能評估的複雜性。

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息
，版權歸原作者所有。本文所用視頻
、圖片、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

如何使用LTspice仿真來解釋電壓依賴性影響

ADALM2000實驗：跨阻放大器輸入級

AoP技術如何擴展雷達傳感器在汽車應用中的布局

ADALM2000實驗：浮動（2端口）電流源/吸電流

使用無刷直流電機加速設計周期的 3 種方法