Séries de Volterra com truncamentos independentes para dinâmicas e não linearidades em amplificadores de potência

Abstract

Resumo: A pré-distorção digital (DPD) em banda base é uma solução reconhecida para melhorar a eficiência energética de amplificadores de potência (PAs) para sistemas de comunicação sem fio. A série de Volterra polar completa composta por quatro fatores de truncamento é frequentemente selecionada como o modelo para pré-distorcedor (PD). Este trabalho aborda uma nova abordagem à modelagem de PAs baseada em séries de Volterra para reduzir consideravelmente o número de coeficientes gerados. Técnicas já existentes na literatura foram abordadas concorrentemente e aliadamente, como as séries de Volterra polar completa e reduções unidimensionais e bidimensionais difundidas na literatura. A abordagem proposta é baseada na manipulação dos efeitos e distorções observados no PA dividindo a fase de modelagem do PA em quatro sub-modelos, cada um desses replicando a série de Volterra polar. Com isto, cada efeito presente nos PAs pode ser abordado individulamente. O conjunto resultante de 16 fatores de truncamento é então reduzido para dez após forçar seis deles a serem fixados em seus valores mínimos. Para validar a abordagem proposta, as simulações de Matlab são realizadas usando dados experimentais medidos em um PA GaN em classe AB, estimulado por uma onda portadora de 900 MHz modulada por uma envoltória com largura de banda de 3,84 MHz. Uma comparação entre todos os resultados adquiridos ilustra que a técnica aplicada à série de Volterra pode melhorar a precisão de modelos mais simples, com resultados satisfatórios ao fornecer uma redução de 84% do número de coeficientes sem perder grande precisão de modelagem. Foram investigados os aspectos relativos à estrutura de modelagem, de modo a se orientar a melhor seleção de fatores de truncamento que levam à maior redução no número de parâmetros gerados. Foi constatado também que os efeitos de dependência não linear da fase de entrada devem ser investigados, de modo a se determinar a real necessidade de se modelar tais efeitos em cada cenário. Visto que é o efeito mais custoso de se modelar, a omissão deste sub-modelo pode tornar o esforço computacional muito menor sem prejudicar os ganhos gerados pelos outros sub-modelos.

Abstract: Digital Baseband Pre-distortion (DPD) is a recognized solution to improve the energetic efficiency of power amplifiers (PAs) for wireless communication systems. The complete polar Volterra series composed of four truncation factors is often selected as the pre-distorter (PD) model. This work presents a new approach to PA modeling based on Volterra series to reduce considerably the number of generated coefficients. Some techniques found in the literature were addressed concurrently and in addition, such as the complete Volterra polar series and one-dimensional and two-dimensional reductions. The proposed approach is based on manipulating the effects and distortions observed in the PA by dividing the modeling phase of the amplifier into four sub-models, each of which replicates the polar Volterra series. By doing so, each effect present in the power amplifiers can be modeled individually. The resulting set of 16 truncation factors is then reduced to ten after forcing six of them to be set to their minimum values. To validate the proposed approach, the Matlab simulations are performed using experimental data from a GaN class AB PA, stimulated by a carrier wave of 900 MHz modulated by an envelope with a bandwidth of 3.84 MHz. A comparison of all the acquired results illustrates that the technique applied to the Volterra series can improve the accuracy of simpler models with satisfactory results by providing a reduction of 84 % of the number of coefficients without losing great modeling accuracy. The aspects related to the modeling structure were investigated, in order to guide the best selection of truncation factors that leads to the greatest reduction in the number of generated parameters. It was also verified that the nonlinear effects generated by the PA must be investigated, in order to determine the real need to model such effects in each scenario. Since this is the most costly effect of modeling, omission of this sub-model can make the computational effort much smaller without damaging the gains generated by the other sub-models.