Abstract
We compare three predistortion methods to prevent signal distortion and spectral re-growth due to the high PAPR (peak-to-average ratio) of OFDM signal and the non-linearity of high-power amplifiers. The three predistortion methods are pth order inverse, indirect learning architecture and look up table. The pth order inverse and indirect learning architecture methods requires less memory and has a fast convergence because these methods use a polynomial model that has a small number of coefficients. Nevertheless the convergence is fast due to the small number of coefficients and the simple computation that excludes manipulation of complex numbers by separate compensation for the magnitude and phase. The look up table method is easy to implement due to simple computation but has the disadvantage that large memory is required. Computer simulation result reveals that indirect learning architecture shows the best performance though the gain is less than 1 dB at $BER\;=\;10^{-4}$ for 64-QAM. The three predistorters are adaptive to the amplifier aging and environmental changes, and can be selected to the requirements for implementation.
본 논문에서는 OFDM 신호의 높은 PAPR과 전력 증폭기의 비선형성에 의한 신호의 왜곡과 스펙트럼의 확산을 방지하기 위한 전치 보상기의 설계 기법으로 디지털 영역에서 구현 가능한 p차 역필터를 이용한 방법, 간접 학습 구조를 이용한 방법 그리고 룩업 테이블을 이용한 방법 등 3가지 방식을 설명하고 각각의 성능을 비교 분석하였다. 앞의 두 방법은 다항식을 이용한 방법으로, 계수의 개수가 적어 많은 메모리가 필요 없고 수렴 속도가 빠르고, 진폭과 위상의 보상을 나누어서 구성하므로 복소 계산이 필요 없어 계산도 간단하다. 룩업 테이블 방법은 연산 과정이 간단하기 때문에 구현이 가장 쉬운 장점을 가지지만 위의 두 방식에 비해 많은 메모리를 필요로 하는 단점을 가진다. 모의 실험 결과 간접 학습 구조가 가장 좋은 성능을 가지지만 64QAM 변조 방식을 기준으로 $BER=10^{-4}$에서 최대 SNR 1 dB 정도의 차이를 가지므로 거의 같은 성능을 가진다고 볼 수 있다. 위의 세가지 전치보상기는 증폭기의 에이징(aging)과 환경 변화에 적응적으로 동작하며 구현 상의 요구에 따라 선택될 수 있다.
