詹 鹏，秦开宇，蔡顺燕

(1. 电子科技大学空天科学技术研究院 成都 611731; 2. 西华师范大学物电学院 四川 南充 637002)

功率放大器是通信系统中的重要组成部分，非线性是其固有的特性，功放的非线性会导致输出信号频谱扩展，从而对邻信道产生干扰，增大通信系统误码率。而QAM、OFDM等具有高频谱利用率的新兴调制和传输技术具有非恒定包络、宽频带和高峰平比等特点，这些特点决定了必须采用高线性度的功放。于是，人们提出了许多功放线性化方法，常用的有功率回退、前馈、负反馈、预失真等。预失真的原理是在功率放大器之前加入一个与功放非线性特性相逆的预失真器，从而使整个系统呈现出线性特性。其中，数字预失真技术具有稳定、高效、宽带宽与自适应等优势，能达到中等程度的线性化，是比较有前途的一种线性化技术[1]。

为得到预失真器的模型参数，数字预失真常采用直接型和间接型学习结构。直接学习结构不能直接使用经典的自适应学习算法，而只能选用神经网络、随机搜索、多方向搜索[2]等学习算法；间接学习结构有两种：1) 直接逆间接学习结构，其缺点是求得的预失真器模型参数易受功放系统噪声的影响；2) 基于模型识别的间接学习结构，该结构求得的预失真器模型的精度取决于功放模型的精度及其逆模型算法的误差。为了克服常用的预失真结构的缺点，提高预失真线性化性能，文献[3-4]根据经典的LMS算法，推导出一种基于NFxLMS的预失真结构；……