• 디지털산업정보학회논문지
• /
• 제10권4호
• /
• pp.143-150
• /
• 2014

A high power amplifier(HPA) has widely been used in wireless communications. In order to have a maximum power efficiency, the HPA uses a saturation domain having nonlinear characteristics, which generates nonlinear distortions to decrease the transmission efficiency. In order to solve this problem, various methods to linearize HPA have been reported until now, and the pre-distorter method is very attractive among them. In this paper, a new enhanced adaptive pre-distorter method was proposed to be applied for compensating nonlinear distortions of HPA. Through computer simulations as well as the analytical analysis, it could be shown that it is possible for both conventional adaptive pre-distorter and proposed adaptive pre-distorter, to be applied for linearizing HPA. Also, the simulations results demonstrated that the proposed adaptive pre-distorter may have faster convergence speed and better capability of compensating the nonlinear distortion than the conventional adaptive pre-distorter with nearly equal computation complexity.

• 한국전자파학회논문지
• /
• 제16권4호
• /
• pp.389-396
• /
• 2005

본 논문에서는 OFDM 통신 시스템에서 발생하는 높은 PAPR(Peak to Average Power Ratio) 문제를 해결하기 위해 NLMS(Normalized Least Mean Square) 알고리즘을 이용한 전치왜곡 기법을 제안한다. 제안된 기법은 기본적으로, HPA(High Power Amplifier)치 비선형 왜곡 특성을 추정하고, HPA에 그와 반대되는 특성으로 신호를 변환하여 입력함으로써 비선형 왜곡에 대한 보상이 이루어진다. 뿐만 아니라, NLMS 알고리즘을 통하여 전치 왜곡기의 특성이 자동적으로 갱신되므로 HPA의 비선형 왜곡 특성의 변화에도 그에 맞는 정확한 보상이 이루어질 수 있다. 성능분석 결과, 제안된 NLMS 전치 왜곡기는 IBO(Input Back Off)가 $0\;\cal{dB}$일 경우, 기존의 적응성이 없는 수식적인 전치 왜곡기보다 약 $0.5\;\cal{dB}$의 SNR 손실을 보인다. 하지만 IBO가 $3\;\cal{dB}$ 이상에서 이들의 성능의 거의 같아지며, 제안된 전치 왜곡기는 HPA의 특성 변화에 적응성을 가지므로 실제 시스템에서 기존의 수식적인 전치 왜곡기보다 매우 효과적이라 할 수 있다.

• 한국전자파학회논문지
• /
• 제22권3호
• /
• pp.312-319
• /
• 2011

본 논문에서는 디지털 전치 왜곡 선형화기를 위한 새로운 선형화 알고리즘을 제안하였다. 제안된 알고리즘은 DFP(Davidon-Fletcher-Powell) method를 활용하였다. 또한, 기존의 알고리즘보다 빠른 수렴 속도를 가지며, 가중치 갱신 step-size를 초기 설정값 없이 매 루틴마다 최적의 값을 갱신한다. 전력증폭기 모델링에는 전력 증폭기의 기억 효과를 모델링할 수 있는 memory polynomial 모델을 사용하였고, 선형화기의 전체적인 구성은 간접 학습 구조를 따랐다. 제안된 알고리즘의 성능 검증을 위해 기존의 LMS(Least Mean-Squares), RLS(Recursive Least squares) 알고리즘과 비교하였다.