作者：ADI公司算法實現(xiàn)總監(jiān)  Steve Summerfield，ADI公司系統(tǒng)架構總監(jiān)  Frank Kearney

摘要

根據(jù)許多推廣材料對數(shù)字預失真(DPD)的介紹，其性能是基于靜態(tài)定量數(shù)據(jù)。通常，這些材料會顯示DPD頻譜并引用鄰道泄漏比(ACLR)數(shù)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(xiàn)的諸多挑戰(zhàn)、風險和性能權衡。向5G的快速過渡帶來了大量新的挑戰(zhàn)和場景，算法開發(fā)人員和設備供應商需要給予更多關注。要支撐靜態(tài)性能，必須具備在有許多元素處于變化狀態(tài)的復雜環(huán)境中保持性能和穩(wěn)定性的能力。

簡介

在理想世界中，功率放大器的輸出是輸入的比例放大，除此之外與輸入完全相同，放大器使用的大部分功率貢獻在輸出信號中。因此，其效率最大且沒有失真。但現(xiàn)實世界卻并非如此：實際的線性放大器的效率往往非常差。例如，電纜分配系統(tǒng)中使用的放大器具有優(yōu)異的線性度，但這是以效率為代價來實現(xiàn)的。在大多數(shù)情況下，效率勉強能超過6％，其余功率(94％)則被浪費。浪費的功率涉及經(jīng)濟、環(huán)境和應用方面的成本。在蜂窩基站中，電力成本占運營成本(OPEX)的50％以上。浪費的功率會增加電力使用并產(chǎn)生溫室氣體，而未作為無線電波發(fā)射出去的大部分功率必須作為熱量消散，需要主動和被動的熱管理。

在過去的數(shù)十年間，蜂窩行業(yè)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(xiàn)的。獲得效率的同時也付出了一定的代價——線性度。在蜂窩系統(tǒng)中，線性度很差有兩個主要后果：帶內(nèi)失真和帶外輻射。帶內(nèi)失真會破壞所發(fā)射信號的保真度，可以通過誤差矢量調(diào)制(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干擾。我們通常用ACLR來衡量這方面的性能。除此之外，GaN PA帶來了額外的挑戰(zhàn)，因為它的電荷捕獲效應也會產(chǎn)生帶內(nèi)失真，而這些失真是動態(tài)的，與ACLR隱含的SNR無關。

圖1. 具有記憶效應的PA動態(tài)轉換函數(shù)

校正PA非線性至關重要。如果知道PA的轉換函數(shù)，則對數(shù)據(jù)運用其反函數(shù)將能消除非線性，這是一個合理的假設。然而，PA的轉換函數(shù)是動態(tài)轉換函數(shù)，其輸出至輸入特性可以被認為處于連續(xù)變化之中。此外，該動態(tài)轉換函數(shù)與一系列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(tài)非線性行為需要先建模，然后才能校正，因此需要數(shù)字預失真(DPD)，而DPD需要適應環(huán)境的動態(tài)變化。

圖2. 數(shù)字預失真系統(tǒng)的概念表示

圖2顯示了許多DPD系統(tǒng)的核心元素：觀測、估算和驅(qū)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(chǎn)生適當?shù)牡窒盘杹硐A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(shù)字預失真兩種情況下的鄰道泄漏

在線性區(qū)域中工作的PA產(chǎn)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測試臺上的頻譜分析儀的屏幕截圖，該測試臺用來演示靜態(tài)DPD性能是否達到許多ACLR合規(guī)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800萬臺。蜂窩市場的技術和代次需求不斷變化（2G、3G、4G，現(xiàn)在是5G），對DPD的要求也在與時俱進。這些挑戰(zhàn)包括但不限于：更寬的帶寬、更高的功率、載波數(shù)量、更高的峰均比，以及更多的基站數(shù)量和密集化。

設備供應商急于差異化其產(chǎn)品，不斷增強效率方面（相對于相關3GPP規(guī)范）的性能，其中PA效率仍然是挑戰(zhàn)。驅(qū)動變革的傳統(tǒng)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(xiàn)在，環(huán)境考慮加速了這種變化。

PA和DPD具有某種共生關系。在有些情況下，這種關系很和諧，但在另一些情況下，這種關系很棘手。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(jīng)配置和調(diào)整后與特定應用匹配時，性能最優(yōu)。然而，為了滿足5G及后續(xù)技術的激進要求，PA設計在不斷發(fā)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(tài)，PA開發(fā)人員面臨著在更高頻率下實現(xiàn)更寬帶寬，同時滿足性能期望的挑戰(zhàn)。開發(fā)帶寬能力為200 MHz及以上的PA是一個挑戰(zhàn)，同時要確保其也能滿足3GPP規(guī)范和效率，這帶來了進一步的挑戰(zhàn)。這些挑戰(zhàn)最終都落在DPD開發(fā)人員肩上。

了解挑戰(zhàn)

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(jié)：在200 MHz的帶寬實現(xiàn)>50％的效率比在20 MHz的工作帶寬實現(xiàn)相同效率的挑戰(zhàn)要大得多。當考慮所分配頻譜內(nèi)的載波放置時，情況變得更加復雜：它可能是連續(xù)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(guī)范或運營商要求所定義的數(shù)據(jù)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(wěn)定性和魯棒性添加到需求矩陣中后，挑戰(zhàn)之巨大開始顯現(xiàn)。DPD性能有兩個關鍵方面：靜態(tài)基準性能和實際的運行動態(tài)性能。

為了刻畫動態(tài)特性的挑戰(zhàn)，圖4顯示了動態(tài)環(huán)境中的信號演變，并展示了ACLR如何用連續(xù)適應的DPD加以響應。圖中的數(shù)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(tài)期間內(nèi)超過輻射規(guī)范的風險會增加。

圖4. 動態(tài)單元加載、DPD適應和ACLR瞬態(tài)

適應需要一定的時間，因此始終存在瞬態(tài)。高性能DPD的挑戰(zhàn)在于將該模型不匹配時間減少到最小，同時確保兩個狀態(tài)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(zhì)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(wěn)定性降低。如果發(fā)生不穩(wěn)定，DPD算法可能會像滾雪球一樣失控，打破輻射屏蔽，在最壞情況下可能損壞無線電硬件。在性能和穩(wěn)定性的蹺蹺板上，穩(wěn)定性始終是更重要的設計考慮因素。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(wěn)定，并能從錯誤中恢復。

高性能實用DPD解決方案的挑戰(zhàn)可以概括為如下要求：

●  靜態(tài)性能（合規(guī)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(tài)特性

●  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因素：

●  維護

○  我們的客戶(OEM)將產(chǎn)品交付給其客戶（運營商）之后，解決現(xiàn)場出現(xiàn)的性能問題。

●  進化

○  在現(xiàn)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(chǎn)品精細調(diào)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余最小化。

提升DPD性能以應對挑戰(zhàn)

僅考慮靜態(tài)性能的話，DPD開發(fā)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系數(shù)有助于更準確地模擬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(chǎn)生收益或收益很少。DPD算法開發(fā)人員需要采取更多創(chuàng)造性方法來實現(xiàn)進一步增強。ADI公司的辦法是用更一般的基礎函數(shù)和更高階Volterra產(chǎn)品來補充基本算法的廣義記憶多項式。開發(fā)人員試圖創(chuàng)建一個能準確預測PA行為的模型，因此數(shù)據(jù)累積和數(shù)據(jù)操縱是核心基本要素。在連續(xù)時間和功率水平下捕獲數(shù)據(jù)，開發(fā)人員便有更全面的手段來進行評估和塑造模型行為。圖5是采用這種方法的系統(tǒng)的概念圖。請注意，更廣泛的數(shù)據(jù)捕獲/觀測節(jié)點與數(shù)字電源監(jiān)控耦合。電源監(jiān)控有助于動態(tài)運行。先前存儲的模型可以通過多種方式發(fā)揮作用，以減輕上面討論的動態(tài)瞬變。

圖5. 使用更廣泛的捕獲/觀測實現(xiàn)DPD

近年來，GaN PA技術為DPD開發(fā)人員帶來了新的挑戰(zhàn)：長期記憶效應。GaN工藝技術在效率、帶寬和工作頻率方面具備許多特有的優(yōu)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，然后是熱解除捕獲?；贕MP的DPD糾正了一些誤差，但仍有殘余誤差會繼續(xù)影響信號質(zhì)量。這種失真引起EVM的相應升高。圖6提供了該現(xiàn)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(tài)，解除捕獲發(fā)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(tǒng)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(shù)據(jù)。存儲器成本、硅片面積和處理成本使得這種方法不是商業(yè)DPD部署的可行選擇。DPD開發(fā)人員必須以有利于高效實現(xiàn)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(fā)器支持的一項特性，其功耗和計算時間成本均很低。已經(jīng)證明，EVM能恢復到EVM 3GPP規(guī)范內(nèi)的水平。下一代收發(fā)器（即將到來的ADRV9040）擁有更精密的解決方案，預計它能在動態(tài)場景中提供增強的性能，并能更好地覆蓋數(shù)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(zhàn)

如上所述，DPD實現(xiàn)的穩(wěn)定性至關重要。魯棒性通過不斷監(jiān)測內(nèi)部狀態(tài)并提供對異常狀況的快速響應來實現(xiàn)。

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(xiàn)，我們同很多供應商建立了共生的技術關系。

結論

介紹DPD性能時，重點往往是性能的靜態(tài)方面。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(xù)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(fā)的挑戰(zhàn)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(tài)性能

●  動態(tài)性能

●  魯棒性

●  穩(wěn)定性

勉強符合規(guī)范的DPD可能不受歡迎，會造成暫時不合規(guī)范的情況出現(xiàn)的DPD可能令運營商不安。更災難性的是，DPD會變得不穩(wěn)定并導致非法輻射和PA的失效。不應將DPD算法視為現(xiàn)成的東西。根據(jù)PA和應用的具體情況調(diào)整DPD才能實現(xiàn)優(yōu)化性能，但算法敏捷性和開發(fā)/現(xiàn)場支持也是重要的考慮因素。有效的DPD算法可以給系統(tǒng)帶來相當大的好處。不應低估需求和性能評估的復雜性。

作者簡介

Steve Summerfield是ADI公司領導無線基礎設施應用的算法和架構開發(fā)的總監(jiān)。他于2017年加入ADI，此前在多家電信和半導體公司擔任過高級職位。Steve之前長期在大學任職。他著述頗豐，持有多項專利，并擁有理論物理學博士學位。

Frank Kearney于1988年畢業(yè)后即加入ADI公司。在工作期間，他擔任過多種工程和管理職位。他目前在無線系統(tǒng)部門管理一個由架構師和算法開發(fā)人員組成的團隊。該部門重點關注O-RAN無線電架構的發(fā)射路徑效率和系統(tǒng)級增強功能。Frank擁有都柏林大學博士學位。