haku: @keyword tehovahvistin / yhteensä: 34
viite: 7 / 34
Tekijä:Ruotsalainen, Henri
Työn nimi:Investigation of orthogonal basis functions for adaptive Wiener models
Tutkielma ortogonaalisten sarjakehitelmien hyödyntämisestä adaptiivisissa Wiener malleissa
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:[8] + 88      Kieli:   eng
Koulu/Laitos/Osasto:Informaatio- ja luonnontieteiden tiedekunta
Oppiaine:Signaalinkäsittelytekniikka   (S-88)
Valvoja:Wichman, Risto
Ohjaaja:Dallinger, Robert
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto     | Arkisto
Avainsanat:orthogonal polynomial
digital baseband predistortion
power amplifier
Wiener model
adaptive system identification
ortogonaalinen polynomi
digitaalinen kantataajuusesisärötin
tehovahvistin
Wiener-malli
adaptiivisen järjestelmän tunnistaminen
Tiivistelmä (fin): Radiotaajuuksinen tehovahvistin, jonka vaste on usein epälineaarinen, on olennainen osa langattomia tietoliikennejärjestelmiä.
Nykyaikaiset modulaatiotekniikat vaativat kuitenkin siirtotieltä korkeaa lineaarisuutta.
Kun tehovahvistinta käytetään sen lineaarisella alueella, on vahvistimen hyötysuhde usein huono.
Hyötysuhteen parantamiseksi voidaan hyödyntää kantataajuuksissa esisäröttömiä, joita on usein käytetty tehovahvistimien lineaarisoinnissa.

Työssä esitetään tehovahvistin- ja esisärötinmalleja, jotka perustuvat ortogonaalisiin sarjakehitelmiin.
Yksi tutkimuksen pääaiheista oli erilaisten ortogonaalisten polynomien vertailu tehovahvistin- ja esisärötinmallinnuksessa kantataajuuksisille syötesignaaleille.

Vertailun tavoitteena oli tutkia mikä ortogonaalinen sarjakehitelmä soveltuu parhaiten tehovahvistin- ja esisärötinmallinnukseen numeeristen ominaisuuksiensa puolesta.
Laajakaistaisilla syötesignaaleilla tehovahvistimen toiminnassa ilmenee muisti-ilmiöitä.
Näitä haitallisia ilmiöitä voidaan mallintaa pelkistetyllä Wiener mallilla.
Tässä tapauksessa muisti-ilmiöiden kompensointiin voidaan puolestaan käyttää Hammerstein esisärötinmallia.

Tehovahvistimen ominaisuudet muuttuvat pääasiassa johtuen käyttölämpötilojen vaihteluista ja ikääntymisestä.
Kun tehovahvistin- ja esisärötinmallinnus toteutetaan adaptiivisesti, voidaan aikariippuvat ominaisuudet ottaa huomioon.
Työssä selostetaan useiden adaptiivisten tunnistusmenetelmien rakennetta ja toimintaa kun esisärötin on mallinnettu käyttäen Hammerstein mallia.

Työssä tutkittiin erilaisten ortogonaalisten polynomien numeerisia ominaisuuksia.
Adaptiivisen tunnistuksen tehokkuutta mitattiin sekä muistittomille että muistillisille malleille.
Lopulta esisärötäysmenetelmien toimintaa tutkittiin käyttäen simuloitua tehovahvistinmallia sekä kaupallista tehovahvistinta.
Käytettäessä esisärytystä, mitatun tehovahvistimen hyötysuhde parani noin 55 %, mikä on osoitus ortogonaalisten sarjakehitelmien soveltuvuudesta tehovahvistin- ja esisärötysmallinnuksessa.
Tiivistelmä (eng): In modern wireless networks, radio frequency (RF) power amplifiers (PA) are essential components which are inherently nonlinear.
However, the use of spectrally efficient modulation techniques and densely populated transmission bands require stringently linear behaviour of the PAs.
Currently, commercial RF PAs which are operating in their linear region, show poor power efficiency.
In order to increase the efficiency, linearization methods are necessary.
Predistortion in the digital baseband is considered to be an efficient method to compensate for the nonlinear effects of PAs and can also be combined with other linearization methods.

In this thesis, static nonlinear models based on orthogonal polynomials are presented.
It is investigated whether one orthogonal polynomial basis outperforms other bases in the context of PA identification, with respect to digital predistortion.
With increasing transmission bandwidth, the memory effects become more prevalent which requires the use of dynamic nonlinear models.
This can be achieved in a simple way by cascading a static nonlinearity with a leading linear filter.
If such a structure, known as the simplified Wiener model, is used to model the PA, the predistorter (PD) is obtained as a Hammerstein model.

Additionally, the characteristics of the PAs changes over time due to changes in temperature and aging.
Therefore, the identification of the PA and the PD needs to be performed adaptively.
In this thesis, three architectures for adaptive PDs are considered: the direct learning architecture, the indirect learning architecture and the direct learning architecture based on the nonlinear filtered-x least mean squares algorithm.

The work first analyses the numerical properties of different orthogonal polynomials.
Then, the adaptative identification of the models, with and without memory, is investigated based on their convergence behaviour.
Finally, the performance of the PD architectures is evaluated by simulations and burst measurements.
For a commercial PA, the results of the study demonstrated that it was possible to increase the power efficiency by 55 %
ED:2010-07-12
INSSI tietueen numero: 39899
+ lisää koriin
INSSI