Direct Learning Power Amplifier Digital Predistortion using Multi-Objective Optimization

Mengozzi, Mattia (2020) Direct Learning Power Amplifier Digital Predistortion using Multi-Objective Optimization. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria elettronica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

All’interno di una stazione radio base l’amplificatore di potenza a radiofrequenza (RF PA) è di gran lunga l’elemento più importante dal punto di vista energetico, dato che il suo compito è quello di fornire al segnale la potenza necessaria per essere trasmesso. Di conseguenza sono state sviluppate numerose tecniche per aumentare l’efficienza e la linearità dei PA. Ad esempio, le architetture di Envelope Tracking (ET) migliorano l’efficienza complessiva del sistema modulando la tensione di alimentazione in banda base (LF), mentre la digital predistortion (DPD) ne incrementa la linearità distorcendo il segnale RF in ingresso. In generale, possiamo dire che il comportamento di un transistor dipende dalle terminazioni che ad esso vengono mostrate alla frequenza della portante e alle sue armoniche, inclusa la dc. L’obiettivo della tesi è quello di fornire un approccio generale al problema dell’ottimizzazione di un RF PA: in cui lo scopo sia manipolare le terminazioni del dispositivo per massimizzare una o più figure di merito (FoM), come la potenza media traferita al carico, l'efficienza e linearità complessiva. Quindi viene proposto un metodo di ottimizzazione numerica multiobiettivo che ottimizzi una o più FoM di un PA manipolando il segnale si sorgente RF e quello di alimentazione LF. Il problema viene trattato come un metodo generalizzato di DPD, dove i coefficienti complessi del predistorsore rappresentano le variabili manipolate dall'algoritmo di ottimizzazione numerica. Vengono quindi mostrati dei risultati di simulazione, comparando le prestazioni ottenute con questo metodo con quelle di un ET PA linearizzato con DPD basata su un'architettura di learning indiretto (ILA DPD). Infine, vengono mostrati dei risultati preliminari di misura su un PA al nitruro di gallio (GaN), in cui viene ottimizzato solo segnale di sorgente RF. I risultati raggiunti mostrano come questa tecnica possa superare le prestazioni ottenibili con una classica ILA DPD.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Mengozzi, Mattia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
INGEGNERIA ELETTRONICA
Ordinamento Cds
DM270
Parole chiave
Digital predistortion,DPD,Multi-objective optimization
Data di discussione della Tesi
21 Luglio 2020
URI

Altri metadati

Gestione del documento: Visualizza il documento

^