焦 斌 梁 彦 季 薇 李 汀 李 飞

(南京邮电大学通信与信息工程学院, 江苏南京 210003)

1 引言

大规模MIMO(Multiple-Input Multiple-Output)系统采用多天线收发技术,能有效提高通信容量与信号覆盖范围[1]。为保证通信的质量和效率,通信系统发射机需保持线性特性。然而由于发射机调制器同相/正交(In-phase/Quadrature,I/Q)支路间不理想的幅度增益和相位偏差、发射机不同射频链间的耦合效应、功率放大器 (Power Amplifier,PA)放大电路的非线性特性[2]等,导致发射机中存在I/Q不平衡、射频串扰及PA非线性等多种射频失真[3],致使通信系统性能下降。如何对大规模MIMO系统发射机射频失真进行补偿成为一个亟需解决的问题。

针对发射机射频失真问题,国内外学者提出了多种解决方案。如文献[4]中提出了基于交叉记忆多项式模型的射频失真补偿方案、文献[5]中提出基于平行Hammerstein模型的射频失真补偿方案。在众多补偿方案中,数字预失真(Digital Pre-Distortion,DPD)方法[6]由于其在实现的复杂性、准确性等方面具有良好的综合性能而成为非线性补偿中广泛采用的技术。数字预失真技术通过在失真系统之前人为地加入一个特性与失真系统相反的DPD模块来补偿失真系统。由于神经网络强大的非线性逼近能力,基于神经网络的DPD技术被广泛采用。文献[7]提出使用单路实值时延神经网络(Real-Valued Timed-Delay Neural Network,RVTDNN)对MIMO发射机中的PA非线性问题进行预失真处理的方案。RVTDNN为双隐层的全连接神经网络,兼顾网络的复杂性与预失真性能,在MIMO系统中能够取得良好的射频失真补偿效果。但随着射频元件和天线阵列维度的增加,大规模MIMO系统发射机中的射频失真问题变得极为复杂。……