مقایسه الگوریتم وفقی RPEM و LMS در پیش اعوجاج دهنده دیجیتال با مدل چند جمله ای حافظه دار

پیش اعوجاج دهنده دیجیتالی یکی از بهترین روش های خطی سازی تقویت کننده های توان در فرستنده های رادیویی هست. امروزه به علت رشد وسیع مخابرات بی سیم و افزایش پهنای باند اعوجاج های ناشی از تقویت کننده های غیرخطی با لحاظ اثر حافظه مورد بررسی قرار می گیرند، که این مستلزم طراحی پیش اعوجاج دهنده با حذف غیرخطی با اثر حافظه است و همچنین در تقویت کننده های توان به علت تغییرات دما و کهولت قطعات نیاز به معماری یادگیری و الگوریتم وفقی برای تطبیق با این تغییرات بیش از پیش حس می شود. بر همین اساس دراین مقاله از یک پیش اعوجاج دهنده دیجیتال با مدل چند جمله ای حافظه دار استفاده می شود که ضرایب و پارامترهای مدل آن با الگوریتم های وفقی در معماری یادگیری غیرمستقیم به دست می آید. دراین مقاله برای حداقل کردن خطای تخمین ضرایب پیش اعوجاج دهنده دیجیتال با مدل چند جمله ای حافظه دار الگوریتم RPEM پیشنها می شود، که این الگوریتم در مقایسه با الگوریتم های استفاده شده در مقالات مرجع بسیار بهتری دارد. الگوریتم پیشنهادی و الگوریتم متداول LMS در متن مقاله به صورت کامل تشریح می شود و در آخر الگوریتم LMS به طور مشابه شبیه سازی می شود. نتایج به دست آمده برتری عملکرد الگوریتم RPEM نسبت به LMS را نشان می دهد.

Keywords:

پیش اعوجاج دیجیتال , معماری یادگیری , چند جمله ای حافظه دار , RPEM , LMS