【導讀】根據許多推廣材料對數字預失真(DPD)的介紹,其性能是基于靜態(tài)定量數據。通常,這些材料會顯示DPD頻譜并引用鄰道泄漏比(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(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:帶內失真和帶外輻射。帶內失真會破壞所發(fā)射信號的保真度,可以通過誤差矢量調制(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生帶內失真,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
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(tài)轉換函數,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,因此需要數字預失真(DPD),而DPD需要適應環(huán)境的動態(tài)變化。
圖2.數字預失真系統(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(qū)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。
設備供應商急于差異化其產品,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經配置和調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??紤]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(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和更高階Volterra產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,因此數據累積和數據操縱是核心基本要素。在連續(xù)時間和功率水平下捕獲數據,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,更廣泛的數據捕獲/觀測節(jié)點與數字電源監(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據。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。已經證明,EVM能恢復到EVM 3GPP規(guī)范內的水平。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PA和應用的具體情況調整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。
免責聲明:本文為轉載文章,轉載此文目的在于傳遞更多信息,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(lián)系小編進行處理。
推薦閱讀: