Không thể phủ nhận rằng các hệ thống viễn thông đang đóng một vai trò vô cùng quan trọng trong sự phát triển của kinh tế - xã hội ngày này nói chung và thông tin liên lạc nói riêng. Với sự phát triển vượt bậc của khoa học kỹ thuật và công nghệ, ngành viễn thông, tức thông tin liên lạc vô tuyến có nhiều bước tiến vượt trội nhưng cũng đang đối mặt với nhiều thách thức. Khi thực hiện truyền tin, đặc biệt với cự ly lớn hoặc thực hiện truyền tin tới những vùng có địa hình phức tạp, bài toán nâng cao công suất phát và chất lượng của tín hiệu luôn là một bài toán khó và phức tạp. Bộ khuếch đại công suất là một trong những thành phần quan trọng nhất và chi phối phần lớn công suất tiêu thụ trong hệ thống viễn thông hiện đại. Thật không may, hiệu suất của các bộ khuếch đại công suất đạt được cao nhất khi chúng hoạt động ở vùng phi tuyến hoặc vùng gần bão hòa. Để bộ khuếch đại công suất hoạt động ở những vùng này sẽ gây ra những méo không mong muốn, hệ quả là ảnh hưởng lớn tới chất lượng của tín hiệu. Ảnh hưởng này càng trầm trọng đối với hệ thống viễn thông hiện đại có băng thông lớn và sơ đồ điều chế tín hiệu phức tạp. Để cải thiện tình trạng đánh đổi giữa hiệu suất năng lượng và chất lượng tín hiệu, có rất nhiều kỹ thuật, phương pháp tuyến tính hóa khuếch đại công suất được phát triển. Trong đó, kỹ thuật Predistortion đang là kỹ thuật hứa hẹn nhất nhờ vào những ưu điểm của nó. Bản thân em cũng đang là thực tập sinh trong dự án 5G gNodeB của Tổng Công ty Công nghiệp Công nghệ cao Viettel. Chính vì vậy, em đã chọn đồ án: “Nghiên cứu các kỹ thuật bù méo phi tuyến trong trạm thu phát sóng 5G” với nhiệm vụ chính là nghiên cứu kỹ thuật predistortion trong việc cải thiện chất lượng tín hiệu viễn thông. Sau một thời gian nghiên cứu, thực hiện và được sự giúp đỡ của thầy giáo hướng dẫn cùng các anh chị kỹ sư trong dự án 5G gNodeB , đồ án của em đã được hoàn thành. Do vấn đề nghiên cứu còn mới mẻ đối với em, cùng với việc gặp nhiều khó khăn về tài liệu, với trình độ còn hạn chế của một sinh viên, nội dung của đồ án không tránh khỏi những thiếu sót, em rất mong nhận được sự chỉ dẫn của các thầy cô giáo và các bạn để đồ án có chất lượng tốt hơn.
TỔNG QUAN KHUẾCH ĐẠI CÔNG SUẤT TRONG VIỄN THÔNG
Đặt vấn đề
1.1.1 Tổng quan về mạng viễn thông
Nhiều năm qua, sự tăng trưởng về số lượng các thiết bị di động và xu thế IoT (Internet Of Thing) kéo theo nhu cầu khổng lồ về lưu lượng dữ liệu Trong đó các mạng viễn thông di động đóng một vai trò quan trọng trong giải quyết vấn đề này Các chuẩn sóng viễn thông vô tuyến đã được phát triển từ thế hệ đầu tiên (1G), cho đến nay là thế hệ thứ tư (4G) Long Term Evolution (LTE), với mỗi thế hệ tồn tại trong khoảng một thập kỉ. Hiện tại, mạng 5G đang được nghiên cứu và phát triển để thay thế mạng 4G. Đặc điểm của các thế hệ mạng viễn thông kế tiếp là phải cung cấp tốc độ dữ liệu nhanh hơn so với thế hệ trước đó Điều này đòi hỏi băng thông tín hiệu ngày càng lớn. Hiện tại yêu cầu băng thông với tín hiệu 5G là 100Mhz Ngoài việc cung cấp tốc độ dữ liệu cao, mạng viễn thông cần cải thiện độ tin cậy và hiệu suất Hằng năm, năng lượng tiêu thụ cho các thiết bị phục vụ hạ tầng viễn thông là rất lớn Thách thức đặt ra là thiết kế các trạm thu phát gốc đảm bảo độ chính xác trong việc truyền nhận dữ liệu và đạt hiệu suất cao a) Kiến trúc bộ thu phát tần số vô tuyến
Trạm thu phát gốc (Base Transceiver Station – BTS thường được gọi đơn giản là trạm gốc (BS), ví dụ như NodeB trong mạng 3G hoặc evolved NodeB (eNB) trong mạng 4G bao gồm các thành phần cần thiết như các mạch xử lý số, mạch điện, bộ khuếch đại công suất (PA) và anten để xử lý việc giao tiếp giữa các thiết bị người dùng (UE) Các trạm gốc là thành phần tiêu tốn năng lượng nhất trong mạng cellular với hơn 50% tổng công suất tiêu thụ [ CITATION MDe10 \l 1033 ][ CITATION ACh11 \l 1033 ]
Thành phần chính của trạm gốc là bộ thu phát tần số vô tuyến (Radio FrequencyTransceiver) Một bộ thu phát tần số RF đơn giản hóa được minh họa bằng Hình 1-1 [1].
Hình 1-1 Sơ đồ khối rút gọn của một bộ thu phát sóng RF. Ở đường phát, dữ liệu sẽ được thực hiện một số xử lý như mã hóa nguồn, mã hóa kênh, mật mã hóa, điều chế số, biến đổi iFFT,… sau đó sẽ được truyền lên khối Base Band Tại đây dữ liệu sẽ được thực hiện lọc số, nâng tốc độ lấy mẫu, cắt đỉnh vượt ngưỡng, bù méo phi tuyến trước khi thực hiện chuyển đổi số - tương tự Bộ DAC sẽ thực hiện chuyển đổi dữ liệu từ miền số sang miền tương tự, sau đó sẽ thực hiện nâng lên tần số RF Cuối cùng tín hiệu sẽ được khuyếch đại công suất và truyền ra ngoài môi trường qua anten. Ở đường nhận, tín hiệu sau khi nhận được về từ anten sẽ được khuyếch đại qua một bộ LNA (Low Noise Amplifier – Bộ khuyếch đại công suất không khuyếch đại tạp âm), hạ tần xuống tần số băng cơ sở Sau đó tín hiệu sẽ được chuyển về miền số qua một bộ ADC và tiếp tục được lọc nhiễu, hạ tốc độ lấy mẫu xuống tốc độ băng gốc tại khối Base Band Cuối cùng, dữ liệu truyền về sẽ được xử lý, giải mã trong khối Digital Processor. b) Điều chế tín hiệu số
Một trong những câu hỏi quan trọng nhất cho tất cả các hệ thống viễn thông là “Làm sao để truyền tải càng nhiều dữ liệu nhất có thể qua một phổ tín hiệu RF cho trước?” Câu trả lời dẫn tới các sơ đồ điều chế số phức tạp nhưng hiệu suất phổ cao hơn - mang nhiều bits trên mỗi hertz hơn Điều chế là việc biến đổi một hoặc một vài đại lượng (biên độ, tần số, pha) của sóng mang tương ứng với dữ liệu băng gốc sao cho dữ liệu có thể dễ dàng truyền đi và nhận một cách chính xác Điều chế tín hiệu có thể được thực hiện bằng cách chọn thông số của sóng mang để thay đổi theo dữ liệu, bao gồm: điều chế biên độ (AM), điều chế tần số (FM) và điều chế pha (PM).
Dựa vào sự thay đổi của biên độ sóng mang, có thể phân loại các loại điều chế thành hai loại: điều chế có đường biên hằng số ( ví dụ như FSK (Frequency Shift Keying), PSK (Phase Shift Keying), điều chế có đường biên thay đổi ASK (Amplitude Shift Keying), QAM (Quadrature Amplitude Modulation) …) Hiệu suất phổ trên lý thuyết của các loại điều chế được trình bày bằng Bảng 1 -1 Dạng điều chế đương biên hằng số (constant envelope) thích hợp với các hệ thống yêu cầu tuyến tính cao nhưng hiệu suất phổ của chúng thường thấp Do nhu cầu về hiệu suất phổ cao, dạng điều chế đường biên thay đổi (non-constant-envelope) được sử dụng, mặc dù chúng nhạy cảm với tính phi tuyến của các thành phần trong hệ thống mà tín hiệu dạng điều chế đó truyền qua
Bảng 1-1 Hiệu suất phổ trên lý thuyết của một số sơ đồ điều chế [ CITATION Imr10 \l 1033 ] Điều chế Hiệu suất phổ
Ví dụ về một kiểu sơ đồ điều chế là 16QAM được giới thiệu qua sơ đồ chòm sao của nó ở Hình 1 -2 Điều chế 16QAM có 16 symbol trong chòm sao và do đó có thể mã hóa
log 16 2 4bit mỗi ký hiệu (symbol)
Hình 1-2 Chòm sao điều chế 16QAM.
Không chỉ thế, các hệ thống viễn thông hiện đại ngày này còn triển khai các kỹ thuật điều chế nhằm cải thiện hiệu suất phổ như Code Division Multiple Access (CDMA) hay Orthogonal Frequency Division Multiplexing (OFDM) Trong đó kỹ thuật điều chế OFDM là kỹ thuật điều chế số đa sóng mang, chúng gửi các luồng bit khác nhau trên các kênh con trực giao với nhau Trên mỗi kênh con thì thông tin bit có thể được mã hóa sử dụng các sơ đồ điều chế đơn sóng mang như QPSK hoặc QAM Nhờ đó hiệu suất phổ của OFDM đạt được rất cao, như trên bảng 1.1 [3] Tuy nhiên có thể thấy trên bảng 1.1 [3], đánh đổi lại với hiệu suất phổ cao thì tỷ số công suất đỉnh trên công suất trung bình (PAPR) tương ứng của sơ đồ điều chế cũng tăng Tỷ số công suất đỉnh trên công suất trung bình cao chứng tỏ rằng mức độ ảnh hưởng của méo phi tuyến lên tín hiệu càng cao
1.1.2 Tổng quan về bộ khuếch đại công suất.
Bộ khuếch đại công suất (PA) trong bộ thu phát tín hiệu RF có nhiệm vụ tăng công suất của tín hiệu RF để các bộ thu RF có thể nhận được tín hiệu đó Đầu ra của PA sẽ được đưa vào anten để truyền ra môi trường không khí Thành phần chính tiêu thụ(khoảng 65%) năng lượng của một trạm phát gốc chính là bộ khuếch đại công suất (PA) như trên Hình 1 -3 [ CITATION Oli10 \l 1033 ], do đó hiệu suất của PA quyết định hiệu suất của toàn bộ bộ thu phát RF PA có hiệu suất tốt sẽ chuyển được nguồn cấp thành công suất có ích nhiều hơn, giảm phát sinh nhiệt và các chi phí phát sinh
Hình 1-3 Tỷ lệ tiêu thụ năng lượng của các thành phần trong trạm thu phát gốc.
Hai trong số nhiều tham số cơ bản của một bộ khuếch đại công suất là độ lợi và hiệu suất Độ lợi, hay hệ số khuếch đại công suất G là tỷ số giữa công suất ra và công suất vào: in out
P (1-0) trong đó P in là công suất tín hiệu ra, P out là công suất tín hiệu vào.
Hiệu suất là tỉ số giữa công suất ra P out và công suất cung cấp 1 chiều P supply Nó thể hiện hiệu quả chuyển đổi từ công suất nguồn thành công suất mà mạch khuếch đại cấp cho tải Hiệu suất càng lớn thì công suất tổn hao trên colector của transistor càng nhỏ. supply
P (1-0) Để tăng hiệu suất của một bộ khuếch đại công suất, ta phải tăng công suất tín hiệu ra
P out bằng cách tương ứng tăng công suất tín hiệu vào P in Tuy nhiên trên thực tế đặc tính độ lợi của một bộ PA không phải là tuyến tính, có nghĩa là G không phải là hằng số khi thay đổi công suất tín hiệu vào P in Hình 1 -4 là một ví dụ cho thấy khi tăng công suất tín hiệu vào, hiệu suất của bộ khuếch đại sẽ tăng lên, tuy nhiên độ lợi lại suy giảm rõ rệt.Việc thay đổi về độ lợi sẽ dẫn đến sai lệch tín hiệu ra của PA, gọi là méo tín hiệu Việc nghiên cứu cụ thể về ảnh hưởng của méo lên tín hiệu sẽ được bàn ở các chương sau Đặc tính của một bộ khuếch đại công suất chỉ tuyến tính ở một vùng nhất định Khi công suất tín hiệu vào vượt quá vùng tuyến tính, độ lợi sẽ phi tuyến và công suất ra dần bị bão hòa Các bộ khuếch đại công suất thường được chia thành hai nhóm: khá tuyến tính và tuyến tính yếu Nhóm PA khá tuyến tính sẽ có vùng tuyến tính rộng hơn các nhóm PA phi tuyến Nhóm PA khá tuyến tính chủ yếu là lớp A, AB hoặc B Nhóm PA tuyến tính yếu bao gồm lớp C, D, E, F, … Với tất cả các loại PA trên, luôn có sự đánh đổi giữa hiệu suất và độ tuyến tính Ví dụ, PA lớp A có độ tuyến tính rất tốt nhưng lại kém về mặt hiệu suất, thông thường chỉ 30% Ngược lại, PA lớp D có thể đạt hiệu suất 80% ở công suất thấp (10 đến 100W) và 70% ở công suất cao (100 đến 500W) trên thực tế [ CITATION ElH94 \ l 1033 ] nhưng độ méo phi tuyến lại rất cao, đặc biệt với các dạng tín hiệu viễn thông hiện đại – những tín hiệu có tỉ số tín hiệu đỉnh/trung bình (PAPR) cao và băng thông lớn
Như vậy, đối với các mạng viễn thông hiện đại, thách thức đặt ra là phải thiết kế hệ thống truyền phát tín hiệu RF sao cho vừa đảm bảo hiệu suất cao và độ phi tuyến cho phép
Hình 1-4 Đặc tính độ lợi và hiệu suất của bộ khuếch đại.
Mục đích đề tài
Ở thời điểm hiện tại để giải quyết việc đánh đổi giữa hiệu suất và độ tuyến tính của khuếch đại công suất, đã có nhiều phương pháp được nghiên cứu, thử nghiệm và triển khai, ví dụ như Feedback, Feedforward, LINC, … Trong các phương pháp đó, predistortion – làm méo trước tín hiệu đang được sử dụng rộng rãi nhất nhờ vào các ưu điểm của nó so với các phương pháp khác như sự linh hoạt, thích nghi tốt Nguyên tắc hoạt động của phương pháp này đó là, đặt một khối làm méo tín hiệu ở trước khuếch đại công suất sao cho đặc tính của hệ gồm khối đó và PA gần như là tuyến tính Cũng chính vì thế tên gọi của phương pháp này là predistortion – làm méo trước tín hiệu Đây là phương pháp cho phép đẩy PA hoạt động ở vùng hiệu suất cao nhưng vẫn đảm bảo độ tuyến tính ở vùng đó
Mục đích đầu tiên của đề tài nhằm nghiên cứu ảnh hưởng của tính phi tuyến PA đến tín hiệu viễn thông, bao gồm các nguyên nhân gây phi tuyến và tham số đánh giá độ tuyến tính Nghiên cứu sẽ tập trung vào phương pháp làm méo trước tín hiệu, so sánh nguyên lý hoạt động của phương pháp này với các phương pháp khác, nhằm nâng cao hiệu suất tuyến tính của PA.
Có nhiều mô hình, kiến trúc và thuật toán của làm méo trước tín hiệu đã được đề xuất trong nhiều năm qua Mỗi mô hình, kiến trúc, thuật toán lại có độ cải thiện, độ phức tạp khác nhau và sẽ thích hợp với những ứng dụng khác nhau Do đó, mục đích thứ hai của đề tài là khảo sát một số mô hình, kiến trúc và thuật toán của làm méo trước tín hiệu và mô phỏng bằng MATLAB để đánh giá hiệu quả của chúng với một số dạng tín hiệu viễn thông cho trước
Hiện tại, có một số công ty đã cung cấp các giải pháp thương mại về làm méo trước tín hiệu Mục đích thứ ba của đề tài là chọn lựa một giải pháp thương mại, nghiên cứu mức độ khả thi của nó dựa trên các thông số, mô hình từ nhà cung cấp, tích hợp vào một hệ thống viễn thông cụ thể và đánh giá hiệu quả của giải pháp đó.
Bố cục đề tài
Đề tài này sẽ có bố cục như sau:
- Chương 2 nghiên cứu cụ thể về bộ khuếch đại công suất, bao gồm đặc tính phi tuyến, các thông số đánh giá độ tuyến tính và ảnh hưởng của tín hiệu tại các thời điểm trước đó lên bộ khuyếch đại công suất (Memory effect) Từ đó đưa ra các mô hình phù hợp để có thể mô hình hóa một bộ PA thực tế nhằm phục vụ cho việc mô phỏng.
- Chương 3 bàn luận về kỹ thuật predistortion, trong đó có so sánh với các kỹ thuật, phương pháp khác Các mô hình, kiến trúc và thuật toán khác nhau sẽ được khảo sát trong chương này.
- Chương 4 trình bày việc mô phỏng một hệ thống predistortion trên MATLAB, từ mô
BỘ KHUẾCH ĐẠI CÔNG SUẤT
Khái niệm bộ khuếch đại công suất
Khái niệm bộ khuếch đại là mạch điện có khả năng làm tăng các tham số năng lượng của tín hiệu (hoặc tác động) đầu vào nhờ năng lượng của nguồn ngoài Thuật ngữ "khuếch đại công suất" là thuật ngữ chỉ các mạch có mối liên hệ giữa lượng công suất đưa đến tải và lượng công suất lấy từ nguồn nuôi Thông thường mạch khuếch đại công suất được thiết kế cho mạch khuếch đại sau cùng trong một chuỗi các tầng, và tầng này được thiết kế với sự quan tâm nhiều về hiệu suất Vì lý do đó các mạch khuếch đại công suất thường được sử dụng với hiệu suất khá cao Mạch khuếch đại công suất được sử dụng rộng rãi trong kĩ thuật vô tuyến điện tử, thông tin, kĩ thuật tự động và điều khiển từ xa và trong nhiều lĩnh vực của điện tử ứng dụng Để đánh giá chất lượng của 1 mạch khuếch đại công suất, người ta dựa vào các chỉ tiêu và tham số cơ bản như độ lợi, hiệu suất và đường đặc tính AM/AM và AM/PM.
2.1.1 Độ lợi (Hệ số khuếch đại công suất) Độ lợi G là tỷ số giữa công suất ra và công suất vào: in out
P (2-0) trong đó P in là công suất tín hiệu ra, P out là công suất tín hiệu vào.
Thường người ta tính G theo đơn vị logarit gọi là đơn vị dexiben (dB):
Khi ghép liên tiếp n tầng khuếch đại công suất với các hệ số khuếch đại tương ứng là G G 1 n thì hệ số khuếch đại tổng cộng của bộ khuếch đại công suất được xác định bởi:
G G G G (2-0) hay G dB ( ) G dB 1 ( ) G dB 2 ( ) G dB n ( ) (2-0)
Hiệu suất là tỉ số giữa công suất ra P out và công suất cung cấp 1 chiều P supply Nó thể hiện hiệu quả chuyển đổi từ công suất nguồn thành công suất mà mạch khuếch đại cấp cho tải Hiệu suất càng lớn thì công suất tổn hao trên colectơ của tranzistor càng nhỏ. supply
Trong đó P out là công suất ra của mạch khuếch đại, P sup ply là công suất một chiều cung cấp cho mạch khuếch đại.
Ngoài ra còn có một số phép đo hiệu suất thông dụng khác như:
+ Hiệu suất cộng công suất (Power-added Efficiency): Hiệu suất cộng công suất là tỷ số giữa lượng công suất mà mạch khuếch đại tạo ra với công suất cung cấp 1 chiều được tính theo công thức: supp out in ly
(2-0) trong đó P out là công suất ra của mạch khuếch đại, P in là công suất vào mạch khuếch đại, sup ply
P là công suất một chiều cung cấp cho mạch khuếch đại.
PAE là chỉ số quan trọng vì bộ khuếch đại chủ yếu được điều khiển bởi một bộ khuếch đại nhỏ hơn khác trong môt chuỗi các tầng khuếch đại.
2.1.3 Đường đặc tính AM/AM và AM/PM Đường đặc tính công suất đầu ra – công suất đầu vào là một tính chất cơ bản và không đầy đủ để mô tả độ phi tuyến của bộ khuếch đại công suất Ở hầu hết các trường hợp, một hệ thống khuếch đại công suất phi tuyến được mô tả đầy đủ bằng một tập 4 đường đặc tính, đó là đường đặc tính điều chế biên độ - biên độ, đường đặc tính điều chế biên độ - pha, đường đặc tính điều chế pha – biên độ, và đường đặc tính điều chế pha – pha Tuy nhiên các tín hiệu điều chế pha sẽ không bị ảnh hưởng bởi méo của khuếch đại, do đó hệ thống có thể được đặc trưng bằng đường đặc tính AM/AM và AM/PM
Giả sử rằng các thành phần in-phase và quadrature của tín hiệu điều chế đầu vào x và tín hiệu đầu ra khuếch đại là y được định nghĩa: x I jQ
Khi đó, do chỉ xuất hiện các méo AM/AM và AM/PM nên độ lợi phức tức thời G sẽ là hàm của biên độ tín hiệu đầu vào:
G x G x G x (2-0) trong đó G x và G x lần lượt là biên độ và pha tức thời của độ lợi G và
tan 1 out tan 1 in out in
Các ví dụ đường đặc tính AM/AM và AM/PM được minh họa ở Hình 2 -5 và Hình
2 -6 [5]. Đường đặc tính AM/AM sẽ được vẽ theo giá trị G x , là hàm của tín hiệu đầu vào, ở đơn vị dBm hoặc đơn vị Vol Tương tự đường đặc tính AM/PM được vẽ theo giá trị G x , là hàm của tín hiệu đầu vào, ở đơn vị độ Các đường đặc tính AM/AM và AM/PM cung cấp những thông tin về độ phi tuyến của PA được thể hiện trong hai hình 2-
Hình 2-5 Đường đặc tính AM/AM.
Hình 2-6 Đường đặc tính AM/PM.
Hình 2-1 [5] cho thấy sự thay đổi biên độ tức thời của độ lợi G (Gain) với các mức công suất đầu vào khác nhau sau khi đi qua một bộ khuyếch đại công suất Ta thấy rằng khi công suất tín hiệu đầu vào tăng dần thì độ lợi càng giảm dần, đặc biệt là với các mức công suất lớn hơn -10dBm thì sự suy giảm nhìn thấy rõ rệt.
Hình 2-2 [5] mô tả sự dịch pha của tín hiệu sau khi đi qua PA với các mức công suất đầu vào khác nhau.
Khi khảo sát đặc tính phi tuyến của PA thông thường ta sẽ chú ý đến các thời điểm công suất phát cao (lớn hơn -15 dBm), tại vùng công suất này thường sẽ có sự biến đổi rõ rệt về hai đặc tính AM/AM và AM/PM của PA Căn cứ vào mức công suất này cao hay thấp ta sẽ có được các đánh giá về độ phi tuyến của PA.
Trong đường đặc tính Pin/Pout, thì điểm nén 1dB là điểm mà công suất đầu ra thực tế nhỏ hơn 1dB so với công suất đầu ra khi được khuếch đại tuyến tính Định nghĩa trên được minh hoa ở Hình 2 -7 Điểm nén 1dB xuất hiện càng sớm ( P in dB ,1 nhỏ) đồng nghĩa với độ tuyến tính thấp.
Các thành phần gây méo phi tuyến
2.2.1 Hài và tín hiệu điều chế tương hỗ Đặc tính của bộ khuếch đại công suất là không tuyến tính, đúng hơn là tuyến tính ở một vùng nhất định, và khi công suất tín hiệu vào vượt quá vùng tuyến tính, độ lợi sẽ bị nén phi tuyến và công suất ra dần bị bão hòa như biểu diễn đặc tính công suất đầu ra/công suất đầu vào trên Hình 2 -8 Ở phần này, các thành phần gây méo phi tuyến cho đặc tính của bộ khuếch đại công suất sẽ được nghiên cứu
Hình 2-8 Đặc tính công suất đầu ra – công suất đầu vào của bộ khuếch đại công suất.
Xét mô hình giản lược một bộ PA như Hình 2 -9 Như chúng ta đã biết, với một hệ thống tuyến tính với hàm truyền T(x), nếu đầu vào là a x b x 1 2 thì đầu ra sẽ là
a T x b T x Do tính phi tuyến, nên PA có thể tạo ra nhiều thành phần tần số mà vốn không có ở tín hiệu đầu vào Ảnh hưởng phi tuyến của các bộ PA thường được mô hình bởi chuỗi Taylor.
( ) o 1 2 2 3 3 n n y t A x t a a x t a x t a x t a x t (2-0) Trong công thức trên, số hạng đầu tiên là hệ số dòng một chiều Số hạng thứ hai là hệ số tuyến tính mong muốn, do đó a 1 là hệ số khuếch đại tuyến tính Các số hạng khác thể hiện độ cong của đường cong khuếch đại, và chúng tạo ra các thành phần không mong muốn ở các tần số khác. x(t) y(t)
Hình 2-9 Hệ thống khuếch đại công suất. Để phân tích đặc trưng của bộ PA, chúng ta có thể sử dụng một số phương pháp. Trước tiên chúng ta sử dụng phương pháp phân tích đặc trưng của bộ PA bằng cách áp dụng với hai tín hiệu cơ bản có tần số gần nhau (two-tone) để xem xét các đặc trưng của bộ PA
Giả sử hai tín hiệu cùng biên độ A ở hai tần số 1 và 2 , ta áp dụng mô hình đa thức với tín hiệu x t A cos 1 t A cos 2 t Trước hết ta nghiên cứu mô hình bộ khuếch đại bằng chuỗi Taylor đến bậc 3.
Kết quả của công thức (2-12) ở miền tần số được minh họa như Hình 2 -10
Hình 2-10 Các thành phần tần số đầu ra khuếch đại công suất.
Dễ thấy tín hiệu đầu ra của PA sẽ không chỉ bao gồm các tín hiệu cơ bản mà còn bao gồm các thành phần không mong muốn ở các tần số khác, đó là các hài và tín hiệu điều chế tương hỗ.
Hài là các sóng mới sinh ra mà tần số của chúng là bội nguyên của các tần số thành phần của các tín hiệu cơ bản ban đầu Với mô hình bộ khuếch đại bậc 3 đang nghiên cứu, thì các hài xuất hiện tại các tần số 2 , 2 ,3 ,3 1 2 1 2 Các hài được minh họa như trên Hình
Các tín hiệu điều chế tương hỗ (IMD - Intermodulation) Điều chế tương hỗ là sự điều biến lẫn nhau của các thành phần của một sóng phức hợp, tạo ra những sóng mới mà các tần số của chúng bằng các tổng và các hiệu của các bội nguyên của các tần số thành phần của tín hiệu cơ bản ban đầu Với mô hình bộ khuếch đại bậc 3 đang nghiên cứu, thì các sản phẩm điều chế tương hỗ xuất hiện tại các tần số
và 2 1 2 , 2 2 1 , 2 1 2 , 2 2 1 Các tín hiệu điều chế tương hỗ bậc
3 tại tần số 2 1 2 và 2 2 1 nằm gần với các tín hiệu tần số cơ bản, do đó rất khó để loại bỏ chúng bằng các bộ lọc thông dải Các hài (bậc 2 và bậc 3), các tín hiệu điều chế tương hỗ bậc 2 tại các tần số 1 2 , 1 2 và 2 1 2 ,2 2 1 nằm tương đối xa so với vùng tần số cơ bản và dễ dàng loại bỏ bởi các bộ lọc.
Như vậy ta có thể phân loại tín hiệu đầu ra PA thành 3 nhóm chính:
- Tín hiệu mong muốn: bao gồm các thành phần tín hiệu tần số cơ bản được khuếch đại.
- Tín hiệu không mong muốn có thể loại bỏ bằng bộ lọc: bao gồm thành phần một chiều, các hài bậc 2 và 3, các tín hiệu điều chế tương hỗ bậc 2 và 3 nằm ngoài dải tần cơ bản.
- Tín hiệu không mong muốn không thể loại bỏ bằng bộ lọc: bao gồm méo xuất hiện ở tần số cơ bản, các tín hiệu điều chế tương hỗ bậc 3 nằm trong dải tần cơ bản
Hình 2-12 Các méo điều chế tương hỗ.
Trong hệ thống viễn thông, PA có nhiệm vụ khuếch đại những tín hiệu RF có tần số lên tới vài GHz Do đó các hài, và các tín hiệu điều chế tương hỗ bậc chẵn, … có khoảng cách với tần số trung tâm rất lớn và có thể bỏ qua Như vậy thành phần gây méo phi tuyến cho PA hầu hết là các tín hiệu điều chế tương hỗ bậc lẻ n tại các tần số
do chúng nằm gần vùng tần số cơ bản như minh họa trên Hình 2 -12
2.2.2 Hiệu ứng nhớ - Memory effect a) Khái niệm
Hiệu ứng nhớ trong một hệ thống được định nghĩa là hiện tượng mà hệ thống là một hàm không chỉ của duy nhất một tín hiệu đầu vào hiện tại, mà là hàm của các tín hiệu đầu vào ở các thời điểm khác trong quá khứ như minh họa trên Hình 2 -13 Số lượng các mẫu tín hiệu đầu vào ở quá khứ ảnh hưởng tới tín hiệu đầu ra ở thời điểm hiện tại gọi là chiều sâu của hiệu ứng nhớ.
Hình 2-13 Khái niệm Memory effect.
Như vậy, một hệ thống không có hiệu ứng nhớ là khi đầu ra của nó ở một thời điểm t 0, y t 0 là hàm chỉ của một giá trị đầu vào tại t 0 , x t 0 :
Theo phương trình trên, khi tín hiệu đầu vào không đổi thì tín hiệu đầu ra của hệ thống không có bộ nhớ cũng không thay đổi Do đó, đường cong đặc tính AM/AM và AM/PM của hệ thống chỉ là một đường đơn như minh họa trong Hình 2-14 của tài liệu tham khảo [9].
Ngược lại, với một hệ thống có hiệu ứng nhớ, thì đầu ra y t 0 là hàm của nhiều giá trị đầu vào:
0 0 , 0 1 , , 0 n y t f x t x t x t (2-0) với 1 , , n là các hằng số
Ảnh hưởng của méo phi tuyến
2.3.1 Ảnh hưởng của méo phi tuyến lên hiệu suất của bộ khuếch đại.
Vốn dĩ PA có đặc tính chỉ tuyến tính trong một vùng, nghĩa là cơ bản là phi tuyến.Tùy điểm làm việc mà độ méo gây ra cho tín hiệu, hay tương đương với biên độ tín hiệu đầu vào sẽ quyết định PA làm việc ở vùng tuyến tính hay phi tuyến Do đó, các tín hiệu điều chế có đường biên không đổi sẽ không ảnh hưởng bởi tính phi tuyến của PA Ngược lại các tín hiệu điều chế biên độ sẽ bị gây méo Hầu hết các hệ thống viễn thông đều triển khai các sơ đồ điều chế phức như 16QAM, 64QAM,… và các kĩ thuật như OFDM hayCDMA, ở đó các tín hiệu được điều chế theo biên độ sẽ bị ảnh hưởng mạnh bởi tính phi tuyến của khuếch đại công suất Để đánh giá khả năng bị ảnh hưởng của tín hiệu bởi méo, ta sử dụng tỷ số công suất đỉnh trên công suất trung bình (PAPR) Tỷ số PAPR được định nghĩa là mối quan hệ giữa công suất tín hiệu lớn nhất của một mẫu tín hiệu và công suất trung bình của nó, được cho bởi công thức: max,
10.log W dB dBm avg dBm avg W
Công suất tín hiệu được biểu diễn bằng hai đơn vị chính là Watt (W) và dBm Công suất tín hiệu lớn nhất và công suất tín hiệu trung bình tính theo Watt được ký hiệu lần lượt là Pmax, W và Pavg, W; còn công suất tín hiệu lớn nhất và công suất tín hiệu trung bình tính theo dBm được ký hiệu lần lượt là Pmax, dBm và Pavg, dBm.
Chỉ số PAPR trong các hệ thống viễn thông hiện đại nằm trong khoảng 10 – 13 dB. Để khuếch đại tuyến tính một hệ thống có chỉ số PAPR cao mà không tuyến tính hóa bộ khuếch đại, ta phải đảm bảo công suất đỉnh của tín hiệu đầu vào không vượt quá vùng tuyến tính của PA Việc này ảnh hưởng lớn đến hiệu suất của hệ thống Đặc tính độ lợi và hiệu suất của một bộ SSPA (Solid State Power Amplifier) thực tế được minh họa bằng Hình 2 -16 [6].
Hình 2-16 Đặc tính độ lợi và hiệu suất của bộ khuếch đại công suất. Ở Hình 2 -16 [6], độ lợi và hiệu suất được xem là hàm của lượng lùi công suất đầu
Để bộ khuếch đại hoạt động tuyến tính, công suất đỉnh đầu ra không được vượt quá -7dB OPBO Công suất đầu ra trung bình lúc này chính là công suất đỉnh đầu ra trừ một nửa OPBO Đây là thông số quan trọng để đảm bảo chất lượng tín hiệu truyền tải thông qua bộ khuếch đại.
, , ,max, out avg dBm out dBm dB
Trong ví dụ giả sử tỉ số PAPR của tín hiệu là 7dB Khi đó P out avg dBm , , không vượt quá -14dB OPBO, nghĩa là hiệu suất trung bình của hệ thống khuếch đại là 8% Như vậy nếu không tuyến tính hóa PA, hiệu suất của hệ thống sẽ là nhất nhỏ Ngược lại, nếu ta sử dụng các phương pháp tuyến tính hóa, ví dụ như làm méo trước tín hiệu, qua đó bộ khuếch đại có thể mở rộng vùng tuyến tính để đạt hiệu suất cao hơn Hình 2 -17 [6] cho thấy nhờ vào việc tuyến tính hóa PA, hiệu suất trung bình tối đa có thể tăng từ 8% đến 23% Qua ví dụ trên, ta thấy được ảnh hưởng của méo phi tuyến đến hiệu suất của hệ thống và nhấn mạnh độ cải thiện hiệu suất khi sử dụng các biện pháp tuyến tính như làm méo trước tín hiệu - predistortion.
Hình 2-17 Đặc tính độ lợi và hiệu suất của bộ khuếch đại công suất đã được tuyến tính.
2.3.2 Ảnh hưởng của méo phi tuyến lên phổ tín hiệu - sự dâng phổ
Nghiên cứu tính phi tuyến của PA bằng tín hiệu hai tông thường được dùng để giải thích nguồn gốc các thành phần phi tuyến như méo điều chế chéo Nhưng khi sử dụng tín hiệu viễn thông thực tế, phổ tín hiệu vào là liên tục và méo sẽ được biểu hiện bằng sự dâng phổ.
Hình 2-18 Sự dâng phổ do méo phi tuyến.
Hình 2 -18 cho thấy rằng có một lượng phổ đáng kể dâng lên ở vùng tần số lân cận và phổ tín hiệu này có thể xung đột với các kênh tín hiệu lân cận Một bộ truyền phát như vậy sẽ không đạt yêu cầu về phổ theo chuẩn WCDMA và hiển nhiên sẽ cần phải được tuyến tính hóa.
2.3.3 Ảnh hưởng của méo phi tuyến lên chòm sao điều chế
Dữ liệu bị méo phi tuyến gây ra sự lệch lạc giữa thông tin điều chế số và chòm sao điều chế, ảnh hưởng đến chất lượng tín hiệu nhận được Minh họa tại Hình 2-19 cho thấy chòm sao điều chế 16QAM bị méo so với dữ liệu đầu ra của bộ khuếch đại công suất.
Hình 2-15 a) là kết quả so sánh dữ liệu đầu ra của một PA lý tưởng không có méo phi tuyến (chấm tròn màu xanh) với dữ liệu chuẩn 16QAM (vòng tròn màu đỏ) Chúng ta thấy rằng khi không có sự xuất hiện của méo phi tuyến, chòm sao ký hiệu thu được hoàn toàn đúng với tín hiệu gốc.
Tuy nhiên, do ảnh hưởng của độ méo phi tuyến tính, tín hiệu đầu ra khuếch đại công suất sẽ dẫn đến sai lệch sơ đồ chòm sao điều chế với dữ liệu lệch so với vị trí chòm sao Điều này ảnh hưởng lớn đến cường độ lỗi vector (EVM) của hệ thống viễn thông, dẫn đến sai lệch dữ liệu trong quá trình truyền nhận.
Hình 2-19 Ảnh hưởng của méo phi tuyến lên chòm sao điều chế: a) Chòm sao điều chế tín hiệu đầu vào; b) Chòm sao điều chế tín hiệu đầu ra của một PA bị ảnh hưởng bởi méo phi tuyến
2.3.4 Ảnh hưởng của hiệu ứng nhớ lên phổ tín hiệu Ảnh hưởng của hiệu ứng nhớ lên hệ thống nhỏ hay lớn sẽ phụ thuộc vào bản thân hệ thống và tín hiệu sử dụng Nếu tín hiệu có băng thông hẹp được sử dụng, đáp ứng tần số của bộ khuếch đại và mạng matching xung quanh tần số trung tâm sẽ coi như là hằng số và do đó, ảnh hưởng của hiệu ứng nhớ điện là không đáng kể Nếu sự tiêu tán nhiệt bên trong hệ thống, bao gồm khuếch đại công suất là không lớn thì hiệu ứng nhớ nhiệt có ảnh hưởng không đáng kể Với những trường hợp vừa nêu, thì hiệu ứng nhớ có thể được bỏ qua.
Tuy nhiên, với các hệ thống viễn thông hiện đại như ngày nay, tín hiệu được sử dụng có băng thông rất lớn (lớn hơn 10Mhz) và có lượng thay đổi nhiệt độ bên trong hệ thống đáng kể, Memory effect sẽ không thể bỏ qua
Như đã biết, khi mô hình PA bằng chuỗi Taylor, thành phần tín hiệu điều chế tương hỗ bậc 3 là 3 3 1 2 2 1
Trong đó cả dải dưới (tần số
Trong quá trình khuyếch đại tín hiệu hai tần số thông qua bộ khuếch đại công suất (PA) không tuyến tính, hiệu ứng nhớ sẽ khiến các thành phần tín hiệu điều chế tương hỗ trở thành hàm của khoảng cách tần số Do đó, biên độ và pha của các thành phần tín hiệu trên dải bên dưới (tần số 2ω1 2) và dải trên (tần số 2ω2 1) sẽ không còn giống nhau như trong trường hợp tuyến tính.
Mô hình bộ khuếch đại công suất
Về mô hình của bộ khuyếch đại công suất ta có thể chia thành hai loại: mô hình khuyếch đại công suất không có hiệu ứng nhớ và mô hình khuyếch đại công suất có hiệu ứng nhớ.
Một số mô hình không có hiệu ứng nhớ trong thực tế thường gặp như: mô hình chuỗi Taylor, mô hình Saleh, mô hình Rapp.
Một số mô hình có hiệu ứng nhớ phổ biến ta thường gặp đó là: mô hình Wiener, mô hình Volterra, mô hình đa thức Memory
Do thời gian có hạn nên đồ án chỉ tập trung xem xét ba mô hình: mô hình Saleh, mô hình Volterra và mô hình đa thức Memory.
Ngoài mô hình chuỗi Taylor được sử dụng để mô hình hóa bộ khuếch đại công suất (không bao gồm ảnh hưởng của hiệu ứng bộ nhớ), mô hình Saleh cũng là một mô hình đơn giản và phổ biến trong lĩnh vực này Saleh đã giới thiệu hai hàm để ước lượng đặc tính AM/AM và AM/PM.
(2-0) với A , A , , là các hằng số.
Cụ thể giá trị của các hằng số trên được chọn như sau: A 2.1577, A 1.1517, 4.0033
x k là giá trị module của tín hiệu vào tại thời điểm tức thời trong miền passband Mô hình của Saleh được đề xuất vào năm 1982 và được áp dụng cho loại Traveling Wave Tube Amplifier (TWTA).
Khi hiệu ứng nhớ là không đáng kể trong hệ thống PA, ta có thể mô hình hóa hệ thống bằng chuỗi Taylor hoặc Saleh như đã biết Tuy nhiên, khi băng thông tăng lên, sẽ không thể bỏ qua được ảnh hưởng của hiệu ứng nhớ Khi đó chuỗi Volterra được sử dụng để đặc tính hóa hệ thống phi tuyến có hiệu ứng nhớ Trong mô hình chuỗi Volterra, tín hiệu đầu ra được mô tả như sau:
(2-0) với h i p 1 , , i p là các hệ số , K là bậc của mô hình và M là chiều sâu của của hiệu ứng
Mô hình trên bao gồm tất cả những biểu thức có thể của hiệu ứng nhớ và được xem như là mô hình hoàn thiện nhất để mô tả tính phi tuyến của hệ thống có nhớ Tuy nhiên, mô hình chuỗi Volterra lại có một lượng lớn các hệ số và sẽ tăng theo số mũ khi độ phi tuyến và chiều sâu của hiệu ứng tăng Việc tăng lượng các hệ số như vậy dẫn tới độ phức tạp cao trong tính toán Do đó, trên thực tế, chuỗi Volterra hầu như chỉ sử dụng trong các mô hình có độ phi tuyến và bậc nhớ thấp Để tránh khỏi sự phức tạp trong tính toán, các mô hình rút gọn của chuỗi Volterra đã được để xuất
2.5.3 Mô hình đa thức nhớ - Memory Polynominal
Mô hình đa thức nhớ (Memory Polynominal) là một mô hình rút gọn của chuỗi Volterra và được áp dụng trong mô hình và làm méo trước cho bộ khuếch đại công suất có ảnh hưởng của hiệu ứng nhớ Đây là mô hình rút gọn của mô hình chuỗi Volterra khi chỉ giữ lại những thành phần chéo Công thức mô hình đa thức nhớ:
(2-0) trong đó a mk là các hệ số của mô hình, K M , lần lượt là bậc phi tuyến và chiều sâu của mô hình.
Công thức trên có thể viết lại dưới dạng
Sơ đồ khối của đa thức nhớ được biểu diễn như Hình 2 -24 Hình vẽ cho thấy mô hình có thể coi là kết hợp của M 1 đa thức, mỗi đa thức là một hàm của tín hiệu đầu vào bị trễ
Hình 2-24 Sơ đồ khối của đa thức Memory.
2.5.4 Mô hình đa thức nhớ tổng quát
Mô hình đa thức nhớ vừa giới thiệu ở mục 2.5.3 được coi là mô hình cơ bản nhất để mô hình bộ khuếch đại công suất có sự xuất hiện của hiệu ứng nhớ Mô hình đa thức nhớ tổng quát (Generalized Memory Polynomial) được đã được đề xuất [ CITATION Den06 \l 1033] bằng cách thêm vào những thành phần leading và thành phần lagging nhớ tổng quát là kết hợp của ba hàm đa thức như sau:
GMP GMP y n n A (2-0) với aligned lagging leading
là vector hệ số, GMP n aligned n lagging n leading n là ma trận dữ liệu đầu vào mô hình.
Time-Aligned Terms Memory Polynomial
Lagging Cross-Terms Memory Polynomial
Hình 2-25 Sơ đồ khối của đa thức Memory tổng quát.
Thông thường, các bậc phi tuyến và chiều sâu của các thành phần leading và lagging
( K M K M b , b , c , c ) nhỏ hơn đáng kể so với các thông số tương ứng của mô hình nhớ Việc thêm vào các thành phần leading và lagging cho phép mô hình đa thức nhớ tổng quát có hiệu năng tốt hơn so với mô hình nhớ cơ bản, đương nhiên đánh đổi lại là độ phức tạp. Khi PA xuất hiện hiệu ứng nhớ phi tuyến mạnh thì mô hình GMP có độ chính xác cao hơn so với mô hình MP Tuy nhiên trong trường hợp hiệu ứng nhớ tuyến tính xuất hiện thì hiệu năng của hai mô hình là tương đương
Mô hình GMP là một sự thay thế trong thực tế cho chuỗi Volterra khi có nhiều ảnh hưởng của hiệu ứng nhớ.
Kết luận
Như vậy trong chương 2, đầu tiên, các lý thuyết về bộ khuếch đại công suất đã được hỗ và hiệu ứng nhớ Ảnh hưởng của méo phi tuyến lên chất lượng tín hiệu với các hiện tượng như dâng phổ và lệch hoặc phân tán chòm sao điều chế cũng đã được phân tích trong chương này Tiếp theo, các thông số để đánh giá độ tuyến tính của khuếch đại công suất như ACLR và EVM dã được đề cập nhằm phục vụ cho công việc đánh giá mô phỏng và thực tế sau này Cuối cùng, chương 2 đã liệt kê các mô hình khuếch đại công suất,trong đó trọng tâm là chuỗi Volterra với các mô hình rút gọn của nó như MP hoặc GMP Trong chương tiếp theo, các kỹ thuật tuyến tính hóa sẽ được thảo luận và kỹ thuật làm méo trước tín hiệu - predistortion sẽ là trọng tâm nghiên cứu.
KỸ THUẬT PREDISTORTION
Các kỹ thuật tuyến tính hóa khuếch đại công suất
Để tối thiểu hóa những méo gây ra do tính phi tuyến và hiệu ứng nhớ như đã đề cập ở phần trước, một số kỹ thuật tuyến tính hóa đã được áp dụng Trong phần này, một số các kỹ thuật tuyến tính hóa sẽ được giới thiệu. Đầu tiên, chúng ta sẽ tóm tắt về một số các kỹ thuật điển hình Trong đó, làm méo trước tín hiệu - predistortion được xem là một kỹ thuật hứa hẹn để tuyến tính hóa PA, bởi vì nó dễ dàng thực hiện và tùy chỉnh Với kỹ thuật này, việc mô hình đặc tính của PA là cần thiết Sau đó, quy trình mô hình khuếch đại sẽ được bàn luận Quy trình này bao gồm việc chọn mô hình thích hợp, sau đó xác định tham số của mô hình
Có nhiều kỹ thuật đã được áp dụng để tối thiểu méo do tính phi tuyến của các bộ khuếch địa công suất Ví dụ như LINC (Linear amplification with Nonlinear Components), Feedback, Feedforward và Predistortion
3.1.1 LINC Đây là kỹ thuật được áp dụng cho các bộ khuếch đại lớp C, D và E Tín hiệu điều chế RF sẽ được chia thành hai tín hiệu điều chế pha và có biên độ hằng (biên độ không đổi):
(3-0) với V in là tín hiệu vào và V 0 là biên độ của a t
Sau đó chúng được khuếch đại riêng biệt bởi hai bộ PA giống nhau Cuối cùng, hai đầu ra được tổng hợp thành một tín hiệu [ CITATION Val05 \l 1033 ] Nguyên lý của kỹ thuật này được minh họa bằng Hình 3 -26
Lý do phương pháp này có thể giải quyết được vấn đề méo phi tuyến là vì nó chia tín hiệu gốc thành các tín hiệu biên độ hằng – những tín hiệu mà không bị ảnh hưởng bởi tín phi tuyến của PA Tuy nhiên các điểm bất lợi còn tồn tại là việc tách tín hiệu là rất khó khăn ở tần số RF [ CITATION Shi00 \l 1033 ] và phải sử dụng đồng thời nhiều bộ khuếch đại.
Feedback là một cơ chế trong đó một phần nhỏ của tín hiệu đầu ra được đưa trở lại ở đầu vào để nâng cao hiệu suất hệ thống Một vòng lặp như vậy được gọi là vòng phản hồi. Nguyên tắc này có thể được sử dụng để tuyến tính hóa các PA có độ lợi là G trong các hệ thống băng tần hẹp Sơ đồ tổng quát được minh họa bằng Hình 3 -27.
Tín hiệu đầu ra của PA là s nT sẽ được đưa về đầu vào của PA thông qua một bộ chia Sau đó tín hiệu được kết hợp với tín hiệu đầu vào PA:
1 2 1 x nT x nT x nT x nT Gx nT (3-0) Như vậy độ lợi của hệ thống vòng kín trên sẽ là:
Bằng việc điều chỉnh hệ số để khi độ lợi G của PA thay đổi, ta có thể giữ độ lợi của hệ thống G c luôn ở chế độ tuyến tính. Điểm mạnh chính của kỹ thuật này là độ phức tạp thấp Tuy nhiên nhược điểm là tín hiệu đầu vào và đầu ra luôn yêu cầu phải hoạt động ở cùng thời điểm Tuy nhiên trên thực tế, do mạch luôn tạo ra sự trễ nên điều này rất khó đạt được
Trong mạch điện tử tương tự, hồi tiếp âm làm suy giảm tín hiệu vào nhưng tăng cường sự ổn định hệ thống, trong khi hồi tiếp dương tăng tín hiệu vào nhưng lại gây mất ổn định Tính ổn định hệ thống khi có hồi tiếp giới hạn băng thông tín hiệu chỉ còn vài trăm KHz, không phù hợp với các hệ thống băng thông rộng.
Kỹ thuật feedforward nhắm tới việc loại bỏ méo ở đầu ra của bộ khuếch đại dựa trên nguyên lý tái tạo các thành phần hài và điều chế tương hỗ từ phổ tín hiệu đầu ra rồi loại bỏ chúng bằng cách lấy tín hiệu đầu ra trừ đi Như minh họa trên Hình 3 -28, hệ thống feedforward bao gồm hai vòng lặp Trong đó, vòng lặp thứ nhất sẽ trích xuất các thành phần méo, vòng lặp thức hai sẽ khuếch đại các thành phần méo đó rồi loại bỏ chúng bằng cách tổng hợp với tín hiệu đầu ra của PA Bộ khuếch đại ở vòng lặp thứ hai phải đủ tuyến tính để không gây ra thêm các thành phần méo khác nữa.
Kỹ thuật này có ưu điểm là độ ổn định cao Nhưng những lợi thế này đến ở mức giá phải trả cho hệ thống Đầu tiên, cần phải có sự đồng bộ chính xác của tất cả các khối khuếch đại Ví dụ, sự đồng bộ khuếch đại của hai vòng lặp, và cả các yếu tố độ trễ tương tự là cần thiết để khớp với độ trễ đường dẫn, rất khó khăn trong các ứng dụng băng rộng.
Kỹ thuật feedforward thể hiện các khả năng tốt trong tuyến tính hóa dải rộng, nhưng làm tăng độ phức tạp và chi phí mạch so với các kỹ thuật khác [CITATION Rob10 \l 1033 ].
Như minh họa trên Hình 3 -29, bộ predistorter sẽ được thêm vào trước bộ khuếch đại công suất Bộ làm méo trước tín hiệu sẽ nghịch đảo đặc tính phi tuyến của PA để tạo ra một tín hiệu đầu vào bị méo trước Như vậy, tín hiệu đầu vào đã được làm méo trước,sau khi đi qua PA, nó sẽ có đặc tính tuyến tính
Kỹ thuật này thể hiện một vài ưu điểm so với các kỹ thuật khác Đầu tiên, nó không yêu cầu phải hiểu sâu về mạch khuếch đại công suất, ta chỉ cần đo được đặc tính chính xác của PA Thứ hai, kỹ thuật này phù hợp với các ứng dụng băng rộng Tuy nhiên sự thay đổi đặc tính của PA do các yếu tố như nhiệt độ cũng cần phải quan tâm, do đó hệ thống predistortion cần phải thích ứng tốt Chi tiết về kỹ thuật làm méo trước - predistortion sẽ là phần nghiên cứu chính trong đồ án và sẽ được thảo luận kĩ ở phần sau. Như vậy, tổng hợp từ các mục trình bày trên, ta có một bảng so sánh giữa các kỹ thuật tuyến tính hóa như Bảng 3 -2 sau:
Bảng 3-2 So sánh các kỹ thuật tuyến tính hóa khuếch đại công suất.
Backoff LINC Feedback Feedforward Predistortion Độ phức tạp Thấp Cao Thấp Cao Thấp
Băng thông Hẹp Hẹp Hẹp Rộng Rộng
Hiệu suất Thấp Cao Thấp Cao Cao
Kết luận rằng, so sánh với các kỹ thuật khác, làm méo trước tín hiệu tỏ ra chiếm ưu thế bởi độ phức tạp thấp, hiệu suất cao và ứng dụng trong hệ thống viễn thông có băng thông rộng. Để thực hiện làm méo trước cho một tín hiệu, ta cần hai yếu tố sau đây:
Xây dựng bộ làm méo trước dựa trên một mô hình cụ thể:
Phân loại predistortion
[ CITATION RFP \l 1033 ] (không bao gồm PA, DUC, CFR).
Hình 3-32 Mở rộng phổ đối với RFPD [15].
RFPD cho phép tín hiệu sửa méo chỉ truyền đi trong vùng nhỏ Lợi ích của việc triển khai này có thể thấy ở Hình 3 -32 Sẽ không cần đến các bộ tạo clock, bộ lọc khôi phục, vì các phần tử trong phần truyền từ băng gốc đến khối khuyếch đại công suất đều hoạt động ở băng thông 1X, trong khi với BBPD là khoảng 5X Ngoài ra, hệ thống RFPD tránh phải sử dụng thêm bộ lọc ở đầu ra của PA do giảm được các nhiễu và do DAC và Up- converter gây ra Ở ví dụ trên thì bộ RFPD tiêu thụ 1.4W, ít hơn 4W so với BBPD
Như vậy, có thể thấy RFPD sẽ vượt trội hơn BBPD trên phương diện tiết kiệm năng lượng và giảm gánh nặng cho các thành phần trong hệ thống Tuy nhiên, lợi thế của BBPD là sử dụng DPD Việc chỉnh sửa tín hiệu ở băng gốcluôn có đặc điểm là chính xác và linh hoạt Ta có thể tùy chọn các mô hình, thuật toán có độ phức tạp cũng như độ cải thiện phù hợp với ứng dụng bằng DPD RFPD với việc triển khai chỉnh sửa tín hiệu ở tầng RF luôn đòi hỏi các công cụ xử lý bằng analog mà thông thường sẽ không chính xác như các công cụ digital
Các bộ APD sử dụng các linh kiện phi tuyến để làm méo trước tín hiệu Trong điều chế tương hỗ bậc ba và các bậc cao hơn một các riêng biệt, được điều khiển bởi mạch IMG3 (Third-order Intermodulation Generator) và IMGH (higher-order Intermodulation Generator) Từ đó các méo điều chế tương hỗ có thể được loại bỏ khỏi đầu ra của PA Do sử dụng các thành phần tương tự, việc xử lý tín hiệu với APD là rất nhanh Tuy nhiên, nhược điểm lớn nhất của APD là độ chính xác Do chỉ áp dụng được các mô hình đơn giản, các bộ APD như trong [ CITATION Cha05 \l 1033 ] chỉ xử lý được méo phi tuyến gây ra do các tín hiệu điều chế tương hỗ, chúng hoàn toàn không xử lý được hiệu ứng nhớ Do đó với các ứng dụng viễn thông mà tín hiệu chịu nhiều ảnh hưởng không chỉ của méo phi tuyến mà còn của hiệu ứng nhớ, APD sẽ không được áp dụng
Như đã biết, DPD sử dụng tín hiệu băng gốc và các bộ vi xử lý để làm méo trước tín hiệu ở dạng số, sau đó tín hiệu này mới được đi qua bộ Up-converter để thành tín hiệu
RF Với sự phát triển nhanh của công nghệ xử lý số - DSP hiện tại, DPD hiện tại đang đóng một vai trò quan trọng trong các hệ thống viễn thông hiện nay DPD có độ phức tạp thấp, chính xác và linh hoạt hơn so với kỹ thuật tuyến tính bằng tương tự [ CITATION Kim05 \ l 1033 ] Nhờ vậy việc cải thiện độ tuyến tính cho PA có thể xử lý tới băng thông lên thời 1GHz, ngoài ra kỹ thuật này hoàn toàn xử lý trên miền tín hiệu số do đó chúng ta có thể áp dụng được các thuật toán xử lý tín hiệu vào để cải thiện hiệu suất làm việc của hệ thống.
Hiện tại, DPD thường được triển khai bằng công nghệ FPGA thành các khối để có thể dễ dàng tích hợp vào hệ thống cũng như tùy chỉnh các tham số theo yêu cầu hệ thống. Tuy nhiên, trong đồ án này, việc triển khai DPD chỉ dừng lại việc mô phỏng khối làm méo trước tín hiệu trên Matlab.
3.3.3 RF Predistortion hỗ trợ xử lý số (ARFPD)
ARFPD (Digitally assisted Analog RFPD) là hệ thống có bộ làm méo trước tín hiệu ở miền RF kết hợp việc xác định hệ số ở băng gốc.
Hai sơ đồ khối hoạt động của hệ thống ở tần số gốc theo DPD (a) và tần số cao hỗ trợ xử lý số (b) đều áp dụng bộ xử lý số DSP để phân tích tín hiệu đầu vào và phản hồi Tuy nhiên, ở hệ thống tần số gốc, các hệ số tính toán được sử dụng để chỉnh sửa tín hiệu số phức thông qua Digital Predistortion Engine Ngược lại, ở hệ thống tần số cao, các hệ số được dùng để tạo tín hiệu tương tự phức bằng Analog Predistortion Engine và nhân với tín hiệu RF thông qua bộ nhân vector.
Hình 3-33 Sơ đồ khối DPD truyền thống và ARFPD.
Như vậy ARFPD với sự chính xác của công cụ xử lý số, kết hợp với việc tạo tín hiệu méo trước ở tần số RF giúp giảm gánh nặng công suất và clock cho toàn hệ thống, sẽ là một sự lựa chọn tốt Tuy nhiên, để hạn chế sự phức tạp cho việc thiết kế bộ làm méo trước trong miền tương tự (Analog Predistortion Engine), bộ xử lý số cũng phải tính toán những thông số có độ phức tạp thấp tương ứng Khi đó hiệu quả của ARFPD sẽ không tốt nhưDPD thông thường.
Kiến trúc thích nghi dùng cho tính toán hệ số
Hiệu quả của hệ thống làm méo trước tín hiệu trong việc triệt tiêu méo trong tín hiệu đầu ra của PA phụ thuộc vào sự tương thích giữa đặc tính phi tuyến của bộ làm méo trước và PA Tuy nhiên, độ tuyến tính của PA thay đổi theo thời gian do ảnh hưởng của tín hiệu, tuổi thọ và nhiệt độ, dẫn đến nhu cầu liên tục cập nhật hàm làm méo trước Kiến trúc đảm bảo của PA được dùng để tính hàm cho bộ làm méo trước, mục tiêu là đạt tín hiệu z n x n Kiến trúc thích nghi này được xây dựng trong bộ xử lý số DSP và có thể triển khai bằng kiến trúc học trực tiếp hoặc gián tiếp.
Hình 3-34 Kiến trúc predistortion thích nghi.
Kiến trúc direct learning xác định mô hình của PA trước và sau đó hàm làm méo trước là nghịch đảo của mô hình này Đối với kiến trúc indirect learning, hàm được xác định trực tiếp bằng cách tính toán mô hình post-inverse của PA Hai cách triển khai này được minh họa trên Hình 3 -35 và Hình 3 -36.
Hình 3-35 Kiến trúc direct learning.
Post-inverse Update Coefficients y ~ (n) z(n) e(n) PA
Hình 3-36 Kiến trúc indirect learning.
Cách triển khai đầu tiên gọi là kiến trúc direct learning, được minh họa trên Hình 3 -35 Do hàm làm méo là nghịch đảo của mô hình PA nên ta có đầu ra của mô hình PA là z n bằng đầu vào tín hiệu của bộ làm méo là x n Với mục tiêu là đạt được tín hiệu đầu ra thực tế của PA là z n x n , hàm sai số e n được đặt là sai số giữa z n và đầu ra của mô hình PA là z n , tức là e n z n z n Mô hình H của PA à một hàm của tín hiệu y n Chú ý rằng khi tối thiểu hóa hàm sai số e n thì ta được mô hình của PA là H y n z n z n Kiến trúc này cho phép ta xác định được mô hình H của PA trước, sau đó xác định mô hình nghịch đảo của PA để áp dụng cho bộ làm méo trước Tuy nhiên, việc xác định mô hình (ma trận) nghịch đảo của hệ phi tuyến thường là khá khó khăn do có độ phức tạp cao Do đó, kiến trúc direct learning không thường được triển khai, thay vào đó là kiến trúc indirect learning.
Cách triển khai thứ hai - kiến trúc indirect learning, được minh họa trên Hình 3 -36. Kiến trúc này thay vì xác định mô hình của PA, nó xác định trực tiếp mô hình C của bộ làm méo bằng cách xem tín hiệu đầu ra của khuếch đại z n là đầu vào Hàm sai số e n là sai số giữa đầu vào thực tế của PA là y n và đầu ra của mô hình y n C z n Ta có e n y n y n Bằng cách tối thiểu hóa hàm sai số e n thì ta được mô hình của khối này là C z n y n y n Do bộ làm méo lấy hàm từ bộ post-inverse nên khi
y n y n thì z n x n Ưu điểm của mô hình này là triển khai đơn giản và tốc độ hội tụ để tối thiểu hóa hàm sai số nhanh.
Xác định hệ số predistortion
Xét mô hình đa thức nhớ, tín hiệu đầu ra của mô hình là hàm của tín hiệu đầu vào:
(3-0) trong đó y n là tín hiệu băng gốc phức đầu ra ở thời điểm n và x n m là tín hiệu phức đầu vào ở thời điểm n m Ta có thể viết lại mô hình đa thức nhớ dưới dạng:
C là ma trận hệ số
Với tập N mẫu, công thức ma trận đa thức như sau:
Với y y n y n 1 y n N 1 T là vector N mẫu của tín hiệu đầu ra mô hình MP và W MP là ma trận các giá trị trễ của MP n
W MP MP n MP n1 MP n N 1 T (3-0) Công thức ma trận trên có thể áp dụng cho nhiều loại mô hình đa thức khác nhau, chỉ cần thay đổi ma trận các giá trị trễ W:
Giả sử ma trận W là khả nghịch, ma trận hệ số của mô hình có thể được xác định:
Tuy nhiên ma trận Wkhông phải luôn là ma trận vuông để có thể tìm ma trận nghịch đảo của nó Áp dụng thuật toán bình phương tối thiểu – Least Square, ta có thể đạt được nghiệm xấp xỉ của phương trình bằng cách tối thiểu hóa sai số bình phương tối thiểu:
Ma trận hệ số đạt được theo lời giải Least Square là:
Xét kiến trúc indirect learning như minh họa như trên Hình 3 -37.
Post-inverse C(n) Update Coefficients y ~ (n) z(n) e(n) PA
Hình 3-37 Kiến trúc indirect learning.
Mô hình đa thức nhớ của kiến trúc indirect learning là:
z y n n C (3-0) trong đó y n là tín hiệu đầu ra của khối predistortion, z n là ma trận đa thức nhớ tín hiệu đầu ra của PA z n - cũng chính là ma trận đầu vào khối xác định hệ số Hệ số làm méo có thể tìm ra nhờ áp dụng trực tiếp lời giải bình phương tối tiểu (Least Square):
Kỹ thuật bình phương tối thiểu có độ ổn định và tốc độ hội tụ tốt, nhưng độ phức tạp tính toán là điểm yếu lớn nhất của nó Để tìm nghiệm xấp xỉ của phương trình, kỹ thuật này yêu cầu xử lý ma trận nghịch đảo và nhân ma trận, làm tăng độ phức tạp tính toán Độ phức tạp cụ thể O(L^3), với L là số lượng hệ số của mô hình, khiến kỹ thuật bình phương tối thiểu chỉ phù hợp cho các mô hình phục vụ mục đích mô phỏng như PA.
Trong khi đó, đối với xác định mô hình của khối làm méo trước tín hiệu, vấn đế tính toán yêu cầu độ phức tạp không quá cao để có thể áp dụng trong thực tế Để giảm độ phức tạp tính toán, người ta có thể sử dụng hai loại thuật toán sau đây:
- Họ thuật toán gradient ngẫu nhiên, bao gồm thuật toán Least Mean Square (LMS) [
- Họ thuật toán bình phương tối thiểu đệ quy, bao gồm thuật toán Recursive LeastSquare (RLS) và thuật toán Recursive Prediction Error Method (RPEM) [ CITATION TSo89 \l
Xét hệ làm méo trước minh họa trên Hình 3 -37 Tín hiệu đầu ra z n được cho bởi:
Quan hệ giữa tín hiệu đầu vào và tín hiệu đầu ra của bộ xác định hệ số C n là
Khối làm méo trước tín hiệu sao chép hệ số từ khối xác định hệ số Cn( ) để thiết lập mối liên hệ giữa tín hiệu đầu vào và tín hiệu đầu ra của khối Cn( ).
x y n n C (3-0) Đối với làm méo trước, sai số mô hình là sai khác giữa đầu ra của bộ làm méo và đầu ra của bộ xác định hệ số:
x z e n y n y n n n C n (3-0) Mục đích ở đây là phải tối thiểu hóa sai số toàn phương trung bình của ma trận hệ số
J C n E e n (3-0) với E x là kỳ vọng của x
Gradient của lượng này được biểu diễn :
Trong đó q E T z n y n là vector nội tương quan và R E T z n z n là ma trận tự tương quan.
Giá trị của J sẽ giảm từ bước lặp đầu tiên cho đến khi thuật toán hội tụ ở giá trị tối ưu, ứng với hệ số nghiệm của thuật toán Least Square :
Trên thực tế, giá trị của q và R không thể xác định một cách chính xác Các họ thuật toán gradient ngẫu nhiên và họ thuật toán bình phương tối thiểu đệ quy sẽ xác định các giá trị này bằng cách ước lượng.
Thuật toán LMS [ CITATION TOg07 \l 1033 ] sử dụng các ước lượng đơn giản nhất cho ma trận tự tương quan R và ma trận nội tương quan q như sau :
Với là hằng số cho biết bước đáp ứng Trên thực tế, hằng số này phải được chọn để đảm bảo tính hội tụ cho thuật toán Cụ thể giá trị được chọn thỏa mãn điều kiện sau max
, với max là giá trị riêng lớn nhất của ma trận tự tương quan R.
Thuật toán RLS [ CITATION TSo89 \l 1033 ] ước lượng các hệ số sao cho bình phương tối thiểu sau là nhỏ nhất :
Ma trận tự tương quan (R) và ma trận nội tương quan (q) ước lượng được dựa trên tham số λ thể hiện hệ số quên Khi λ nhỏ, thông tin trong dữ liệu quá khứ bị bỏ qua nhanh chóng, tạo nên ma trận tương quan và nội tương quan có mức tương quan thấp.
(3-31) với I là ma trận đơn vị và là hằng số phản ánh độ tin tưởng với vector khởi tạo
Thuật toán RPEM [ CITATION TSo89 \l 1033 ] với mục đích tối thiểu hàm chi phí
(3-0) với I là ma trận đơn vị và là hằng số phản ánh độ tin tưởng với vector khởi tạo
(3-35) trong đó n là hệ số forgetting, tăng theo cấp số mũ tới 1 khi n với giá trị khởi tạo
3.5.4 So sánh các thuật toán xác định hệ số.
Sau khi thực hiện nghiên cứu ba thuật toán thường được sử dụng trong việc xác định hê số làm méo trước, chúng ta có được một số nhận xét về ba thuật toán như sau:
Trong thuật toán LMS được mô tả ở phần 3.5.1, tham số là hằng số đại diện cho bước đáp ứng Với giá trị nhỏ, tốc độ hội tụ sẽ thấp Nếu tăng giá trị thì tốc độ hội tụ sẽ nhanh hơn nhưng nguy cơ bị phân kì cũng cũng cao hơn Thuật toán LMS là một thuật toán đơn giản khi chỉ đòi hỏi 2 L 1 phép nhân và 2L phép cộng mỗi lần lặp (với L là số lượng hệ số của mô hình) Tuy nhiên nó lại đòi hỏi số lần lặp lớn hơn các thuật toán khác và độ chính xác không cao do việc tối thiểu hóa sai số toàn phương trung bình với các phép xấp xỉ chỉ tương đối chính xác [CITATION Fad15 \l 1033 ].
Thuật toán RLS được mô tả ở phần 3.5.2 có tham số là một hằng số đại diện cho bậc phụ thuộc vào những lần lặp trước đó của thuật toán Nếu rất gần với 1 thì càng chú ý tới ảnh hưởng của hiệu ứng nhớ, do đó sẽ tăng hiệu năng của thuật toán do sai số toàn phương trung bình được tối thiểu gần với kết quả của lời giải Least Square càng lớn thì tốc độ hội tụ càng chậm Độ phức tạp của thuật toán RLS là O L 2 , lớn hơn khá nhiều so với thuật toán LMS nhưng đánh đổi lại là tốc độ hội tụ và độ chính xác cao hơn hẳn [CITATION Fad15 \l 1033 ]
Thuật toán RPEM có mối quan hệ chặt chẽ với thuật toán RLS do cùng thuộc họ thuật toán bình phương tối thiểu đệ quy Khi thiết lập các tham số 0 = 1 và (k) = , thuật toán RPEM sẽ trở thành thuật toán RLS.
MÔ PHỎNG HỆ THỐNG PREDISTORTION
Mô phỏng tín hiệu
Mục đích sử dụng tín hiệu two tones là kiểm tra khả năng xử lý méo điều chế tương hỗ của kiến trúc và các thuật toán Ta tạo hai tín hiệu cosin có biên độ bằng nhau ở hai tần số 1.8Mhz và 2.6Mhz Các tham số được cài đặt như trên 4-2 và test tín hiệu trên Simulink như 4-3 4-4 là kết quả phổ của tín hiệu mô phỏng.
Tín hiệu cosin được tạo bởi khối DSP với biên độ bằng 1V Hai tín hiệu này sau đó sẽ được đưa qua một khối khuyếch đại biên độ với hệ số tùy chỉnh, sau khi khuyếch đại ta thực hiện cộng hai tín hiệu và hiển thị qua khối Spectrum của Matlab.
Kết quả trên đồ thị phổ cho thấy khối mô phỏng tín hiệu đã điều chế đúng một tín hiệu Two Tones với hai thành phần 1.8Mhz và 2.6Mhz.
Hình 4-39 Cài đặt tham số cho tín hiệu two tones.
Hình 4-40 Mô phỏng tín hiệu two tones trên Simulink.
Hình 4-41 Phổ tín hiệu two tones.
4.1.2 Tín hiệu điều chế băng gốc
Đồ án hướng đến mục đích áp dụng predistortion cho hệ thống viễn thông Tín hiệu điều chế baseband sẽ được mô phỏng trên Simulink bằng một bộ tạo dữ liệu ngẫu nhiên, một bộ điều chế 16QAM và một bộ lọc Square root Tham số Sample time trong bộ tạo dữ liệu ngẫu nhiên có thể thay đổi băng thông của tín hiệu.
Khối Random Integer sẽ thực hiện sinh ra một chuỗi số ngẫu nhiên trong khoảng [0; M], với M là kích thước có thể cấu hình được trong khối Ta cũng có thể thay đổi được tốc độ lấy mẫu của khối này từ đó có thể thay đổi được băng thông của mẫu tín hiệu.
Dãy số sau khi được sinh ngẫu nhiên sẽ được điểu chế số 16QAM và tạo dạng xung bằng bộ lọc Square root Kế tiếp đó tín hiệu sẽ được đưa qua một khối Gain để hạ công suất xuống, mục đích của việc hạ thấp công suất để tránh làm bão hòa PA khi mô phỏng sau này.
Cuối cùng phổ của tín hiệu được hiển thị bằng khối Spectrum và được giải điều chế bằng khối Baseband Recevier.
Hình 4-42 Mô phỏng tín hiệu điều chế 16QAM trên Simulink.
Hình 4-43 Phổ tín hiệu 16QAM băng thông 100Mhz.
Hình 4-44 Chòm sao điều chế tín hiệu 16QAM băng thông 100Mhz.
Mô phỏng bộ predistorter
Kỹ thuật này thể hiện một vài ưu điểm so với các kỹ thuật khác Đầu tiên, nó không yêu cầu phải hiểu sâu về mạch khuếch đại công suất, ta chỉ cần đo được đặc tính chính xác của PA Thứ hai, kỹ thuật này phù hợp với các ứng dụng băng rộng Tuy nhiên sự thay đổi đặc tính của PA do các yếu tố như nhiệt độ cũng cần phải quan tâm, do đó hệ thống predistortion cần phải thích ứng tốt Chi tiết về kỹ thuật làm méo trước - predistortion sẽ là phần nghiên cứu chính trong đồ án và sẽ được thảo luận kĩ ở phần sau. Như vậy, tổng hợp từ các mục trình bày trên, ta có một bảng so sánh giữa các kỹ thuật tuyến tính hóa như Bảng 3 -2 sau:
Bảng 3-2 So sánh các kỹ thuật tuyến tính hóa khuếch đại công suất.
Backoff LINC Feedback Feedforward Predistortion Độ phức tạp Thấp Cao Thấp Cao Thấp
Băng thông Hẹp Hẹp Hẹp Rộng Rộng
Hiệu suất Thấp Cao Thấp Cao Cao
Kết luận rằng, so sánh với các kỹ thuật khác, làm méo trước tín hiệu tỏ ra chiếm ưu thế bởi độ phức tạp thấp, hiệu suất cao và ứng dụng trong hệ thống viễn thông có băng thông rộng. Để thực hiện làm méo trước cho một tín hiệu, ta cần hai yếu tố sau đây:
Xây dựng bộ làm méo trước dựa trên một mô hình cụ thể:
Việc đầu tiên là lựa chọn một mô hình phù hợp với ứng dụng (thảo luận ở mục 3.2) Sau khi đã có một mô hình cụ thể, công việc tiếp theo là triển khai mô hình đó theo vị trí như BBPD, RFPD, hay bằng các công nghệ như DPD, APD, ARFPD (thảo luận ở mục 3.3)
Tính toán hệ số mô hình cho bộ làm méo trước tín hiệu: Để xác định hệ số cho mô hình, đầu tiên ta phải có một kiến trúc để thích ứng với những thay đổi tín hiệu (thảo luận ở mục 3.4) Sau đó, kiến trúc cần một thuật toán để từ các tín hiệu đã cho (tín hiệu vào/ra của PA hoặc của bộ làm méo) xác định được các hệ số (thảo luận ở mục 3.5)
3.2 Chọn mô hình bộ làm méo trước tín hiệu
Như đã biết về nguyên lý của bộ làm méo trước tín hiệu, nó sẽ nghịch đảo đặc tính phi tuyến của PA để tạo ra một tín hiệu bị méo trước, do đó cũng cần phải mô hình hóa khối này Việc lựa chọn mô hình cho khối làm méo trước tín hiệu cũng gặp những vấn đề tương tự như mô hình cho bộ khuếch đại công suất Với ảnh hưởng của hiệu ứng nhớ, việc lựa chọn mô hình dạng Volterra là cần thiết Tuy nhiên, mô hình Volterra là rất phức tạp với quá nhiều các hệ số Để giảm độ phức tạp, ta phải sử dụng những mô hình rút gọn của mô hình Volterra, ví dụ như mô hình đa thức nhớ (Memory Polynomial):
Trong đồ án này, mô hình đa thức nhớ sẽ được sử dụng để nghiên cứu và mô phỏng các hệ thống làm méo trước tín hiệu nhờ vào độ phức tạp phù hợp và khả năng mô hình tương đối chính xác
3.3 Phân loại kỹ thuật làm méo trước tín hiệu
Dựa theo vị trí xử lý dữ liệu, ta có thể phân loại thành 2 loại ở 2 vị trí là: Tần số gốc(BBPD), Tần số RF (RFPD) như trên Hình 3 -30.
BBPD ở tần số gốc được đặt ở trước bộ Up-converter, trong khi RFPD ở tần số RF được đặt phía sau bộ Up-converter.
Do xử lý tín hiệu ở băng gốc, BBPD sẽ có bộ bù méo được xây dựng để xử lý dữ liệu dạng số, tức là sử dụng công nghệ DPD (Digital Predistortion) DPD sử dụng mẫu tín hiệu số và các bộ vi xử lý để làm méo trước tín hiệu ở dạng số, sau đó tín hiệu này mới được đi qua bộ Up-converter để thành tín hiệu RF Đối với RFPD, do dạng dữ liệu cần xử lý là tín hiệu ở tần số RF, hầu hết ta phải sử dụng các công nghệ tương tự để xử lý, bao gồm APD (Analog Predistortion) và ARFPD (Digitally assisted Analog RFPD)
Hình 3-31 mô tả hiện tượng mở rộng băng thông của BBPD ở băng gốc, ảnh hưởng đến toàn bộ đường truyền và được đưa về qua hồi tiếp Phần mở rộng băng thông này sẽ gây gánh nặng cho hệ thống do yêu cầu tăng tốc độ xung nhịp và tiêu tốn công suất lớn, tạo ra thách thức cho bộ tạo xung nhịp, bộ lọc khôi phục tần số cao và bộ trộn.
Hình 3-31 Mở rộng phổ đối với BBPD [15].
Ngoài ra bất kì nhiễu nào gây ra bởi các bộ DAC, Up-converter sau khi đi qua bộ lọc đều sẽ được khuếch đại bằng PA Trong hầu hết các ứng dụng, cách duy nhất để lọc các nhiễu này là ở đầu ra của PA Bộ lọc này một phần làm giảm hiệu quả mà bộ BBPD đạt được Như tính toán thì hệ thống gồm BBPD sẽ tiêu thụ công suất khoảng 5.4W
[ CITATION RFP \l 1033 ] (không bao gồm PA, DUC, CFR).
Hình 3-32 Mở rộng phổ đối với RFPD [15].
RFPD cho phép tín hiệu sửa méo chỉ truyền đi trong vùng nhỏ Lợi ích của việc triển khai này có thể thấy ở Hình 3 -32 Sẽ không cần đến các bộ tạo clock, bộ lọc khôi phục, vì các phần tử trong phần truyền từ băng gốc đến khối khuyếch đại công suất đều hoạt động ở băng thông 1X, trong khi với BBPD là khoảng 5X Ngoài ra, hệ thống RFPD tránh phải sử dụng thêm bộ lọc ở đầu ra của PA do giảm được các nhiễu và do DAC và Up- converter gây ra Ở ví dụ trên thì bộ RFPD tiêu thụ 1.4W, ít hơn 4W so với BBPD
Như vậy, có thể thấy RFPD sẽ vượt trội hơn BBPD trên phương diện tiết kiệm năng lượng và giảm gánh nặng cho các thành phần trong hệ thống Tuy nhiên, lợi thế của BBPD là sử dụng DPD Việc chỉnh sửa tín hiệu ở băng gốcluôn có đặc điểm là chính xác và linh hoạt Ta có thể tùy chọn các mô hình, thuật toán có độ phức tạp cũng như độ cải thiện phù hợp với ứng dụng bằng DPD RFPD với việc triển khai chỉnh sửa tín hiệu ở tầng RF luôn đòi hỏi các công cụ xử lý bằng analog mà thông thường sẽ không chính xác như các công cụ digital
Các bộ APD sử dụng các linh kiện phi tuyến để làm méo trước tín hiệu Trong điều chế tương hỗ bậc ba và các bậc cao hơn một các riêng biệt, được điều khiển bởi mạch IMG3 (Third-order Intermodulation Generator) và IMGH (higher-order Intermodulation Generator) Từ đó các méo điều chế tương hỗ có thể được loại bỏ khỏi đầu ra của PA Do sử dụng các thành phần tương tự, việc xử lý tín hiệu với APD là rất nhanh Tuy nhiên, nhược điểm lớn nhất của APD là độ chính xác Do chỉ áp dụng được các mô hình đơn giản, các bộ APD như trong [ CITATION Cha05 \l 1033 ] chỉ xử lý được méo phi tuyến gây ra do các tín hiệu điều chế tương hỗ, chúng hoàn toàn không xử lý được hiệu ứng nhớ Do đó với các ứng dụng viễn thông mà tín hiệu chịu nhiều ảnh hưởng không chỉ của méo phi tuyến mà còn của hiệu ứng nhớ, APD sẽ không được áp dụng
Như đã biết, DPD sử dụng tín hiệu băng gốc và các bộ vi xử lý để làm méo trước tín hiệu ở dạng số, sau đó tín hiệu này mới được đi qua bộ Up-converter để thành tín hiệu
Kỹ thuật số hóa và xử lý tín hiệu (DSP) đã khiến DPD trở nên quan trọng trong hệ thống viễn thông hiện đại So với các kỹ thuật tuyến tính tương tự, DPD cung cấp độ phức tạp thấp hơn, độ chính xác cao hơn và khả năng thích ứng dễ dàng hơn [ CITATION Kim05 \ l 1033 ] Điều này cho phép cải thiện độ tuyến tính của bộ khuếch đại công suất (PA) cho băng thông lên tới 1GHz Hơn nữa, DPD được xử lý hoàn toàn trên miền tín hiệu số, mở ra khả năng áp dụng các thuật toán xử lý tín hiệu để nâng cao hiệu suất tổng thể của hệ thống.
Hiện tại, DPD thường được triển khai bằng công nghệ FPGA thành các khối để có thể dễ dàng tích hợp vào hệ thống cũng như tùy chỉnh các tham số theo yêu cầu hệ thống. Tuy nhiên, trong đồ án này, việc triển khai DPD chỉ dừng lại việc mô phỏng khối làm méo trước tín hiệu trên Matlab.
3.3.3 RF Predistortion hỗ trợ xử lý số (ARFPD)
ARFPD (Digitally assisted Analog RFPD) là hệ thống có bộ làm méo trước tín hiệu ở miền RF kết hợp việc xác định hệ số ở băng gốc.
Mô phỏng kiến trúc và bộ xác định hệ số
Kiến trúc indirect learning được mô phỏng trên Simulink như trên Hình 4-11 Trong đó, hai tham số đầu vào là: tín hiệu đầu vào khuếch đại (PA In), tín hiệu đầu ra của khuếch đại (PA Out) Đầu ra của khối là hệ số dành cho mô hình đa thức nhớ Tín hiệu
Memory Polynomial bằng hàm NonLinearProducts Hàm NonLinearProducts này tương tự như hàm của bộ predistorter Sai số Error sẽ được tính toán dựa trên tín hiệu PA Out và tín hiệu được làm méo Sai số Error và mô hình Memory Polynomial xuất phát từ PA Out sẽ được sử dụng bởi khối thuật toán xác định hệ số Khối này có thể sử dụng thuật toán LMS, RLS hoặc RPEM
Hình 4-49 Kiến trúc predistortion thích nghi.
Tất cả các thuật toán như LMS, RLS, RPEM sẽ được mô phỏng với các tham số: bậc phi tuyến K 5và chiều sâu Memory M 5.
Từ thuật toán đã trình bày trong phần 3.5.1 ta thực hiện mô phỏng thuật toán trên Simulink như trên Hình 4-13.
Hình 4-50 Mô phỏng thuật toán LMS với Simulink.
Từ thuật toán đã trình bày trong phần 3.5.2 ta thực hiên mô phỏng thuật toán trênSimulink như trên Hình 4-14.
Hình 4-51 Mô phỏng thuật toán RLS với Simulink
Từ thuật toán đã trình bày trong phần 3.5.3 ta thực hiện mô phỏng thuật toán trên Simulink như trên Hình 4-15
Hình 4-52 Mô phỏng thuật toán RPEM với Simulink.
Mô phỏng hệ thống
Ta mô phỏng hệ thống với mô hình Saleh như Hình 4-16 Trong đó áp dụng 3 thuật toán là LMS, RLS và RPEM để thực hiện làm méo trước tín hiệu Các kết quả về phổ tín hiệu sẽ được đo bằng một bộ Spectrum Analyzer, chòm sao tín hiệu sẽ được đo bằngBaseband Receiver Hệ thống được mô phỏng với tín hiệu sau khi đi qua bộUpconversion là tín hiệu RF có tần số 3.5Ghz
Hình 4-53 Hệ thống với bộ khuếch đại mô hình Saleh.
Hệ thống với bộ PA mô hình đa thức Memory tổng quát đòi hỏi phải mô phỏng với hệ RF blockset nên sẽ phức tạp hơn, như Hình 4-17 Các thuật toán LMS, RLS, RPEM sẽ lần lượt được thực hiện bằng khối Adaptive DPD Coefficient Calculation.
Hình 4-54 Hệ thống với bộ khuếch đại mô hình đa thức Memory tổng quát.
Hệ thống thực hiện mô phỏng và so sánh mức độ bù méo phi tuyến của các thuật toán do đó tín hiệu sẽ được chia thành hai đường: có bù méo phi tuyến và không có bù méo phi tuyến
Tín hiệu băng gốc sẽ được điều chế tại khối Baseband Signal Generation sau đó sẽ được chia thành hai đường:
- Một đường tín hiệu được nâng tần lên 3.5Ghz và đi vào khối khuyếch đại công suất.
- Một đường còn lại được bù méo phi tuyến bằng khối DPD rồi sau đó mới thực hiện khuyếch đại công suất.
Cụ thể chức năng các khối chính trong hệ thống mô phỏng như sau:
- Adaptive DPD Coefficient Calculation: Tính toán hệ số bù méo phi tuyến theo các thuật toán và dữ liệu trích dẫn về từ đường phản hồi.
- DPD: Thực hiện bù méo phi tuyến cho hệ thống từ hệ số bù méo phi tuyến đã được tính từ khối Adaptive DPD Coefficient Calculation.
- Các khối Amplifier thực hiện khuyếch đại biên độ tín hiệu trước khi nâng tần.
- Upconversion/Downconversion: Thực hiện nâng hạ tần số tín hiệu.
- Power Amplifier: Bộ khuyếch đại công suất theo mô hình Saleh.
- Spectrum: Thực hiện vẽ phổ của tín hiệu.
Kết luận
Kỹ thuật này thể hiện một vài ưu điểm so với các kỹ thuật khác Đầu tiên, nó không yêu cầu phải hiểu sâu về mạch khuếch đại công suất, ta chỉ cần đo được đặc tính chính xác của PA Thứ hai, kỹ thuật này phù hợp với các ứng dụng băng rộng Tuy nhiên sự thay đổi đặc tính của PA do các yếu tố như nhiệt độ cũng cần phải quan tâm, do đó hệ thống predistortion cần phải thích ứng tốt Chi tiết về kỹ thuật làm méo trước - predistortion sẽ là phần nghiên cứu chính trong đồ án và sẽ được thảo luận kĩ ở phần sau. Như vậy, tổng hợp từ các mục trình bày trên, ta có một bảng so sánh giữa các kỹ thuật tuyến tính hóa như Bảng 3 -2 sau:
Bảng 3-2 So sánh các kỹ thuật tuyến tính hóa khuếch đại công suất.
Backoff LINC Feedback Feedforward Predistortion Độ phức tạp Thấp Cao Thấp Cao Thấp
Băng thông Hẹp Hẹp Hẹp Rộng Rộng
Hiệu suất Thấp Cao Thấp Cao Cao