面向5G的宽带功率放大器数字预失真技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61771129
  • 项目类别：
    面上项目
  • 资助金额：
    62.0万
  • 负责人：
    翟建锋
  • 依托单位：
    东南大学
  • 学科分类：
    F0118.电路与系统
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

In future 5G mobile communication systems, the linearization techniques of power amplifiers are the research difficulties. Digital predistortion (DPD) is one of the major solutions of the linearization at present. The structure will be more complicated and the signal bandwidth will be large in 5G mobile communication systems because of the new technologies, such as massive MIMO and millimeter-wave communications. Thus, both the nonlinear characteristics and DPD of power amplifiers will also be complicated. Our project will focus on the nonlinear characteristics, behavioral modeling and DPD of power amplifiers in 5G mobile communication systems. It will explore the new DPD structure of 5G systems, the new methods for reducing the digital processing rate, and the solutions for reducing the sampling rate of the ADC in the feedback channel. The piecewise linear function-based models of 5G power amplifiers and the adaptive algorithms will be studied under the band-limited signal conditions. Based on the behavioral models, the wideband DPD method with low complexity, low cost and high efficiency will be designed. Our work will extend the DPD methodologies for broadband power amplifiers and promote the development of 5G linearization techniques.
未来5G移动通信系统中，功率放大器的线性化是研究的难点。数字预失真技术是目前线性化的主要的解决方案之一。由于大规模MIMO和毫米波通信等新技术的采用，5G移动通信系统构架将更加复杂，并且信号带宽超大，因此功放的非线性特性和数字预失真处理也变得十分复杂。本项目重点研究面向5G的宽带功放的非线性特性、行为建模方法和数字预失真技术。研究5G系统的数字预失真的新构架，探索降低数字预失真反馈接收通道ADC采样率和数字信号处理速率的新方法，并且采用分段线性函数为基函数，研究适用于5G的带限条件下的功率放大器模型和相应的自适应算法。在模型研究的基础上，设计高效、低成本和低复杂度的宽带数字预失真方法。本项目的研究将扩充宽带功放数字预失真方法和促进5G线性化技术的发展。

结项摘要

现代5G移动通信系统中，数字预失真技术是目前功放线性化问题最主要的解决方案。由于毫米波通信、多载波聚合和大规模MIMO等技术得到了广泛的应用，5G移动通信系统构架将更加复杂。另外的，传输信号带宽的增加同样会使得功率放大器的非线性特性和数字预失真处理变得十分复杂。本项目重点研究了面向5G的宽带功放的非线性特性、行为建模方法和数字预失真技术。主要包括三个方面的内容：一是5G宽带信号在毫米波功放传输时如何降低反馈接收通道中ADC采样率和数字信号处理速率的带限行为模型及预失真方案；二是5G多载波聚合背景下的多频带功放的行为模型及数字预失真方案；三是以分段线性函数为基函数的行为模型的新颖的阈值优化方法。本项目的研究扩充了宽带毫米波功放的数字预失真方法和促进了5G线性化技术的发展。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（5）
专利数量（6）
The Threshold Optimization of the Canonical Piecewise Linear Function-Based Model for RF PA Linearization
基于规范分段线性函数的 RF PA 线性化模型的阈值优化
  • DOI：
    10.1109/lmwc.2021.3117267
  • 发表时间：
    2022-02
  • 期刊：
    IEEE Microwave and Wireless Components Letters
  • 影响因子：
    3
  • 作者：
    Xu Zhuang;Zhai Jianfeng;Wang Kai;Liu Jiawen;Yu Chao
  • 通讯作者：
    Yu Chao
Developing Wideband Dual-Circularly Polarized Antenna With Simple Feeds Using Magnetoelectric Dipoles
使用磁电偶极子开发具有简单馈电的宽带双圆极化天线
  • DOI：
    10.1109/lawp.2020.2988560
  • 发表时间：
    2020-06
  • 期刊：
    IEEE Antennas and Wireless Propagation Letters
  • 影响因子：
    4.2
  • 作者：
    Chen Weiheng;Yu Zhigiang;Zhai Jianfeng;Zhou Jianyi
  • 通讯作者：
    Zhou Jianyi
The Threshold Optimization of the Canonical Piecewise Linear Function-Based Model With a Modified Quadratic SPSA
基于修正二次SPSA的规范分段线性函数模型的阈值优化
  • DOI：
    10.1109/lmwc.2021.3068383
  • 发表时间：
    2021-06
  • 期刊：
    IEEE Microwave and Wireless Components Letters
  • 影响因子：
    3
  • 作者：
    Zhai Jianfeng;Xu Zhuang;Zhang Qiang;Zhang Lei;Yu Zhiqiang;Zhou Jianyi;Yu Chao
  • 通讯作者：
    Yu Chao
Q-boosted switched inductor based on 1:2 transformer
基于 1:2 变压器的 Q 升压开关电感器
  • DOI：
    10.1002/mop.31948
  • 发表时间：
    2019
  • 期刊：
    Microwave and Optical Technology Letters
  • 影响因子：
    1.5
  • 作者：
    Chen Zhe;Fan Kuikui;Zhai Jianfeng
  • 通讯作者：
    Zhai Jianfeng
A 2-D Simplified Memory Polynomial Model for Concurrent Dual-Band Power Amplifiers
并发双频带功率放大器的二维简化记忆多项式模型
  • DOI：
    10.1109/lmwc.2020.3003002
  • 发表时间：
    2020-08
  • 期刊：
    IEEE Microwave and Wireless Components Letters
  • 影响因子：
    3
  • 作者：
    Zhai Jianfeng;Zhang Qiang;Niu Jie;Zhang Lei;Yu Zhiqiang;Zhou Jianyi;Yu Chao
  • 通讯作者：
    Yu Chao

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

翟建锋的其他基金

宽带高效率Doherty功放行为建模和数字预失真
  • 批准号：
    61401088
  • 批准年份：
    2014
  • 资助金额：
    24.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码