本书收录了著者及所在团队在认知无线电系统功率放大器设计建模与预失真方面所取得的成果，共4章，主要内容包括：功率放大器的研究与设计、功率放大器非线性分析、预失真技术原理与应用、压缩感知框架下信号采集与预失真重构。本书介绍了GaN器件的平衡式逆F类功率放大器的研究与设计、Doherty功率放大器设计、并发多波段射频功率放大器设计、可重构功率放大器仿真设计、功率放大器行为模型建立、功率放大器神经网络逆向建模方法、数字预失真研究、压缩感知框架下宽带功率放大器预失真模型研究，并提出了应用于构建压缩采样及稀疏系统辨识理论下的预失真系统设计方法和创新结构，为智能无线电系统的实现奠定了理论基础和设计思路。读者能够通过本书的设计实例了解射频功率放大器和预失真技术的创新性设计理论及设计方法，学习射频功率放大器模块的设计过程、步骤、实验及仿真测试方法，分析不同射频功率放大器行为模型的建模方法，进而理解和搭建认知无线电系统功率放大器预失真智能系统，为成为射频电路和系统工程师积累经验。本书可作为高等学校电子信息工程、电子科学与技术、通信工程等本科高年级学生和电子信息类相关方向的研究生的学习参考书，也可供射频电路与系统工程师学习、参考。

前 言 认知无线电系统经常用在军用雷达和电子战中。认知无线电系统具备解周围环境、自动区别友方信号和敌方信号、检测潜在干扰并将干扰转换频率以避免受到干扰攻击等能力，认知无线电系统的反应速度比人更快，能够在最短的时间恢复通信链路，抵抗干扰攻击，保持比敌人领先一步。为了实现认知能力，需要超高端的信号处理能力，以快速有效地运行所需计算。 系统认知能力的实现，需要高端的信号处理能力，以快速有效地运行所需计算。为了缓解信息巨量需求对信号采样、传输和存储产生的巨大压力，使认知无线电系统具有更大的系统容量、更高的传输速率和更低的设备损耗，对压缩感知框架下认知无线电系统宽带功率放大器建模及预失真进行研究是关键所在。 射频功率放大器是无线基站收发系统的最关键、最核心的部分，其性能指标直接影响着无线系统通信质量和通信性能，同时影响着功耗。因此，宽带、高效、高线性功率放大器和预失真系统是目前研究的热点。 在军事应用中认知无线电系统需要更宽的带宽来处理扩频信号，需要更多的信道来处理增加的通信量，提高传输距离和抗噪声能力，增强信号的检测与利用能力。但需要获得的大量数据处理给数字信号处理器带来负担。为了缓解信息的巨量需求给信号采样、传输和存储带来的巨大压力，使认知无线电系统具有更大的系统容量、更高的传输速率以及更低的设备损耗，因此，对压缩感知框架下认知无线电系统宽带功率放大器建模及预失真进行研究。 著者团队多年来在先后承担的多项国家自然科学基金支持下，在射频微波电路设计、预失真与建模方面取得了一定的科研成果；在国家青年基金项目支持下，在压缩感知框架下认知无线电功放建模及预失真、宽带高效可重构智能射频模块、模块逆向建模方面取得了一定的成果。 本书第2～4章由高明明副教授负责分类、总结与编写，第1章由南敬昌教授负责总结与编写。本书成果贡献者主要包括高明明、南敬昌、刘婧、吴月、王金玲、张春雨、陶成健、臧净、胡婷婷、王梓琦、李诗雨等。在本书编写过程中，研究生边廷玥、梁琦、王姝婷、李政、韩欣欣、张学琼、曹京涛、李敏、刘曼、张雪曼、徐家富、林圣夫、王俊、刘雨鑫、徐高阳、张映、唐江勃、张舜、杨鹏举、张浩然、张野、王叶文、杨文贤、王纪禹、杜有益、孙雯雯等投入了许多精力，参与整理书稿格式、校对内容、修改图表等。团队教师卢永、李蕾、刘超、徐维等在本书编写过程中给予了许多指导和意见。另外，宁波大学刘太君教授、大连海事大学房少军教授，以及校友李久超、梁立明、杜学坤、丛密芳等在论文发表和研究生联合培养方面给予了大力支持和指导。有了他们的努力，本书才得以与大家见面，在此，一同表示感谢，感谢大家为团队发展付出的努力和心血。 同时，感谢阅读本书的读者，你们的支持是我们持续研究的不懈动力，愿我们共同努力，为射频微波行业发展增添新的动力和探索新的方向。 书中不足之处，竭诚希望得到广大读者和同行的批评指正。 高明明 2022年1月

目 录 第1章 功率放大器的研究与设计 1 1.1 基于GaN器件的平衡式 逆F类功率放大器的 研究与设计 1 1.1.1 平衡式功率放大器的原理 1 1.1.2 平衡式功率放大器 2 1.1.3 3dB定向耦合器 2 1.2 单级逆F类功率放大器的设计 4 1.2.1 逆F类功率放大器的 工作原理 4 1.2.2 输入匹配电路设计 7 1.3 平衡式逆F类功率放大器 9 1.3.1 平衡式逆F类功率 放大器设计原理 9 1.3.2 平衡式逆F类功率 放大器实物与测试 10 1.4 Doherty功率放大器设计 14 1.4.1 基于谐波抑制与补偿线 技术的非对称Doherty 功率放大器设计 14 1.4.2 基于双向牵引技术 与谐波抑制的Doherty 功率放大器设计 16 1.5 并发双波段射频功率 放大器设计 18 1.5.1 并发双波段功率 放大器的工作原理 18 1.5.2 并发双波段功率 放大器匹配电路设计 19 1.5.3 双波段射频功率 放大器实物与测试 19 1.6 可重构功率放大器仿真设计 21 1.6.1 可重构多波段功率 放大器的工作原理 21 1.6.2 多波段偏置电路设计 23 1.6.3 多波段功率放大器的 匹配电路设计 27 1.6.4 可重构功率放大器 实物与测试 35 参考文献 37 第2章 功率放大器非线性分析 41 2.1 功率放大器的非线性 41 2.1.1 谐波失真 41 2.1.2 互调失真 42 2.1.3 AM/AM和AM/PM失真 43 2.2 功率放大器的记忆效应 44 2.2.1 记忆效应产生的原因 44 2.2.2 消除记忆效应的方法 45 2.3 功率放大器非线性 对通信系统的影响 46 2.3.1 邻信道功率比（ACPR） 46 2.3.2 误差矢量幅度（EVM） 46 2.4 功率放大器行为模型 47 2.4.1 Saleh模型、Rapp模型 和幂级数模型 47 2.4.2 Volterra级数模型 与记忆多项式模型 48 2.4.3 Hammerstein模型 与Wiener模型 50 2.4.4 神经网络模型 52 2.5 记忆效应非线性功率放大器 扩展Volterra模型分析与构建 57 2.5.1 Volterra-Chebyshev 模型推导与分析 57 2.5.2 Volterra-Laguerre 模型分析与推导 59 2.5.3 模型仿真实验 61 2.6 基于Volterra级数模型 改进的自适应 子空间追踪算法 63 2.6.1 改进稀疏度估计算法 63 2.6.2 自适应子空间追踪算法 64 2.6.3 仿真分析 65 2.6.4 小结 66 2.7 蚁狮算法优化的BP-RBF 功率放大器行为模型 66 2.7.1 引言 66 2.7.2 蚁狮算法 67 2.7.3 优化的BP-RBF 功率放大器行为模型 67 2.7.4 小结 69 2.8 Doherty功率放大器的 贝叶斯正则化神经网络 逆向建模 69 2.8.1 引言 69 2.8.2 贝叶斯正则化 神经网络模型 69 2.8.3 应用贝叶斯正则化 逆向建模方法 71 2.8.4 Doherty功率放大器 逆向建模与仿真 72 2.8.5 小结 73 2.9 可重构功率放大器的新颖 NARX神经网络逆向建模 73 2.9.1 引言 73 2.9.2 NARX神经网络模型 73 2.9.3 可重构功率放大器 神经网络逆向建模 仿真及结果 74 2.9.4 小结 76 2.10 改进蚁群算法的BRBP 神经网络功率放大器 逆向建模 76 2.10.1 引言 76 2.10.2 改进的蚁群算法 76 2.10.3 BRBP神经网络功率 放大器模型 77 2.10.4 功率放大器逆向建模 及仿真分析 78 2.10.5 小结 80 参考文献 80 第3章 预失真技术原理与应用 83 3.1 预失真技术的原理与分类 83 3.1.1 预失真技术的原理 83 3.1.2 预失真技术的分类 84 3.2 数字预失真主流技术 85 3.2.1 查找表与多项式预失真 85 3.2.2 自适应学习结构 86 3.3 功率放大器数字基带预失真 理论分析和仿真实现 87 3.3.1 数字基带预失真结构 88 3.3.2 数字预失真器传输 函数理论推导 89 3.3.3 数字基带预失真的 仿真实现 89 3.3.4 分裂增强型Hammerstein 模型的研究分析 91 3.3.5 模型分析 91 3.3.6 功率放大器设计 及参数提取 93 3.3.7 模型仿真实验 93 3.3.8 新型Hammerstein 动态非线性功率放大器 模型及预失真应用 96 3.3.9 改进的Hammerstein模型 96 3.3.10 模型仿真与验证 97 3.4 峰均比抑制与预失真在OFDM-ROF系统中的应用 100 3.4.1 OFDM-ROF系统分析 100 3.4.2 OFDM-ROF系统非线性 失真分析 101 3.4.3 联合仿真系统搭建 102 3.4.4 联合仿真结果 103 3.5 改进算法的峰均比抑制联合 预失真技术 105 3.5.1 系统模型 105 3.5.2 数字预失真系统 106 3.5.3 预失真与峰均比 抑制联合 107 3.5.4 实验结果与分析 108 3.6 宽带功率放大器的PGSC 建模和数字预失真研究 111 3.6.1 新型PGSC行为模型分析 112 3.6.2 PGSC模型的辨识 113 3.6.3 测试结果 114 3.7 双环结构的数字 预失真方法研究 118 3.7.1 双环结构的预失真结构 118 3.7.2 实验验证及结果分析 120 3.8 双频功率放大器建模 与预失真研究 121 3.8.1 引言 121 3.8.2 Volterra级数 122 3.8.3 新型欠采样预 失真模型结构 124 3.8.4 仿真结果与分析 125 3.8.5 小结 126 3.9 LMEC研究及预失真应用 127 3.9.1 LMEC行为模型描述 127 3.9.2 模型识别 129 3.9.3 模型性能评估 129 3.9.4 预失真应用 131 3.10 改进的动态记忆多项式 功率放大器模型及 预失真应用 132 3.10.1 改进的多支路组合 功率放大器行为模型 132 3.10.2 功率放大器模型评估 与验证 133 3.10.3 预失真应用 133 参考文献 135 第4章 压缩感知框架下信号采集 与预失真重构 138 4.1 自适应稀疏重构的双频 预失真结构 138 4.1.1 自适应稀疏度重构算法 138 4.1.2 仿真分析 142 4.1.3 小结 143 4.2 基于CS的新型线性化技术 144 4.2.1 压缩采样匹配追踪算法 144 4.2.2 算法仿真分析 146 4.2.3 小结 148 4.3 稀疏的归一化功率放大器 模型及预失真应用 148 4.3.1 模型描述 149 4.3.2 模型稀疏化及辨识 150 4.3.3 模型性能验证 151 4.3.4 预失真应用 152 4.4 基于间接学习结构的 自适应预失真研究 154 4.4.1 引言 154 4.4.2 三箱功率放大器 行为模型 154 4.4.3 基于间接学习结构的 GRLS_IVSSLMS 自适应预失真算法 155 4.4.4 仿真结果与分析 157 4.4.5 小结 159 4.5 自适应稀疏重构的双频 预失真结构 159 4.5.1 引言 159 4.5.2 CPWL非线性函数模型 160 4.5.3 双频功率放大器的 自适应融合 欠采样预失真 162 4.5.4 仿真结果与分析 163 4.5.5 小结 167 4.6 压缩感知框架下宽带功率 放大器预失真模型 167 4.6.1 引言 167 4.6.2 基于压缩感知的预失真 模型结构 168 4.6.3 基于SFM的MWC结构 的信号采样 169 4.6.4 仿真结果 172 4.6.5 小结 174 参考文献 175