Digital Predistortion of Power Amplifiers for Quantum Computing
Institute of High-Frequency Technology, Hamburg University of Technology（高频技术研究所，汉堡工业大学）
本文提出在量子计算中使用数字预畸变技术以提高功率放大器的线性度和量子比特门操作的保真度。
2026-01-10 eess.SP quant-ph
Symbol-Based Over-the-Air Digital Predistortion Using Reinforcement Learning
我们提出了一种基于强化学习的空中数字预失真优化算法。基于基于符号的标准，该算法最小化在接收端的下采样消息之间的误差。该算法不需要任何关于底层硬件或通道的知识。对于广义记忆多项式功率放大器和加性高斯白噪声信道，我们证明了该算法在反馈路径中与全采样率ADC耦合时，与间接学习结构相比，在误符号率方面的性能得到了改善，并且保持了令人满意的邻道功率比。
2021-11-23 eess.SP
SCALE-X: A Systematic Complexity-Aware Low-Precision Approach for Digital Predistortion
SCALE-X提出一种复杂度感知的低精度数字预失真方法，通过系数剪枝和定点优化，在降低计算开销的同时保持精度，提升整体效率。
2026-10-27 eess.SP
SparseDPD: A Sparse Neural Network-based Digital Predistortion FPGA Accelerator for RF Power Amplifier Linearization
Delft University of Technology（代尔夫特理工大学）
本文提出SparseDPD，一种基于稀疏神经网络的FPGA加速器，通过无结构剪枝优化，实现高效实时无线通信中的射频功率放大器线性化。
2025-06-19 cs.AR eess.SP
DPD-KAN: Kolmogorov-Arnold Networks for Low Complexity Digital Predistortion in 5G Analog Radio-over-Fiber Systems
Aston University（阿斯顿大学）；Ericsson Research, Ericsson（爱立信研究，爱立信）
首次提出基于KAN的DPD模型用于5G模拟RoF前传链路，在等效比特操作下，EVM比多层感知机低24.2%，比基于Volterra的GMP低29.6%；为达到2%以下的EVM，KAN所需BOPs比感知机少约52%。
2026-06-23 eess.SP
Residual Neural Networks for Digital Predistortion
跟踪RF功率放大器（PA）的非线性行为具有挑战性。为了解决这个问题，我们建立了残差学习和PA非线性之间的连接，并提出了一种新的残差神经网络结构，称为残差实值时延神经网络（R2TDNN）。R2TDNN不是学习PA的整个行为，而是通过在输入和输出层之间添加身份快捷连接来学习其非线性行为。特别是，我们将R2TDNN应用于数字预失真，并在一个真正的PA上测量实验结果。与Liu等人和Wang等人最近提出的神经网络相比，R2TDNN在归一化均方误差和相邻信道功率比方面以较小或相似的计算复杂度实现最佳线性化性能。此外，R2TDNN具有更快的训练速度和更低的训练误差。
2020-10-18 eess.SP
Frequency-domain digital predistortion for Massive MU-MIMO-OFDM Downlink
数字预失真（DPD）是一种常用的方法来补偿功率放大器（PA）的非线性效应。然而，大多数DPD算法的计算复杂度在大规模多用户（MU）多输入多输出（MIMO）正交频分复用（OFDM）的下行链路中成为问题，其中基站（BS）中可能多达几百个PA需要线性化。在本文中，我们提出了一种基于卷积神经网络（CNN）的DPD在频域中，发生在预编码之前，信号空间的维数取决于用户的数量，而不是BS天线的数量。对基于广义记忆多项式（GMP）的功率放大器的仿真结果表明，提出的基于CNN的DPD算法可以在实现相同误符号率（SER）的同时，以较小的功率增加为代价，随着BS天线数量的增加，可以节省非常大的复杂度。
2022-05-10 eess.SP
A Digital Predistortion Scheme Exploiting Degrees-of-Freedom for Massive MIMO Systems
无线发射机中非线性失真的主要来源是功率放大器（PA）。传统的数字预失真（DPD）方案使用高阶多项式来精确地近似和补偿PA的非线性。这对于在大规模多输入多输出（MIMO）系统中缩放到数十或数百个PA是不实际的。在大规模多输入多输出系统中，由于自由度（DoF）过多，存在多于一个的候选预编码矩阵，并且每个预编码矩阵需要不同的DPD多项式阶数来补偿PA非线性。本文提出了一种利用下一代前端的大量自由度实现的低阶DPD方法。我们提出了一种新的间接学习结构，通过级联自适应迫零预编码和DPD迭代地适应信道和PA失真。我们的解决方案使用3阶多项式来实现与针对100 × 10大规模多输入多输出配置使用11阶多项式的常规DPD相同的性能。实验结果表明，计算复杂度降低了70%，实现了超低延迟通信。
2018-01-18 eess.SP
Digital Predistortion for Hybrid MIMO Transmitters
本文研究了混合波束形成大规模天线发射机的数字预失真（DPD）线性化。我们提出了一种新的DPD处理和学习技术的天线子阵列，它利用了一个组合的信号的各个功率放大器（PA）的输出结合基于去相关的学习规则。实际上，所提出的方法导致在预期接收器的方向上的非线性失真最小化。该特征是非常期望的，因为其他方向上的发射由于波束成形而自然较弱。所提出的参数学习技术只需要一个单一的观察接收器，因此支持简单的硬件实现。它也被证明是明显优于目前的国家的最先进的技术，它只利用一个单一的PA学习。反馈网络的幅度和相位不平衡的分析表明，该技术是强大的，甚至高水平的这种不平衡。最后，我们还表明，阵列系统的带外发射在所有空间方向上都表现良好，基本上低于相应的单天线发射机，由于DPD和波束成形的综合效应。
2018-04-06 eess.SP
Digital Predistortion for Multiuser Hybrid MIMO at mmWaves
在基于多用户混合预编码的宽带毫米波系统中，如何有效抑制功率放大器（PA）的非线性失真是一个开放性的研究课题。在本文中，我们首先进行详细的信号和失真建模的宽带多用户混合MIMO系统中，在每个子阵列中的一个银行的非线性PA，同时也考虑到不可避免的天线/PA分支之间的串扰。在推导出的模型的基础上，我们提出了一种高效的闭环（CL）数字预失真（DPD）解决方案，尽管存在串扰，但每个发射链或子阵列仅需要一个单输入DPD单元，与最先进的多维DPD解决方案相比，提供了显着的复杂性优势。我们表明，在空间相关的多径传播下，每个DPD单元可以向每个预期用户提供线性化，或者更一般地，向发生相干传播的所有空间方向提供线性化，并且所提出的CL DPD系统对串扰是鲁棒的。提供了基于实际测量的毫米波PA模型的大量数值结果，证明并验证了所提出的DPD系统在不同评估场景中的出色线性化性能。
2020-05-18 eess.SP
Gradient-Adaptive Spline-Interpolated LUT Methods for Low-Complexity Digital Predistortion
本文提出了用于功率放大器（PA）线性化的新型数字预失真（DPD）解决方案，特别强调降低未来5G及超宽带无线电系统中的处理复杂度。第一种提出的方法，被称为样条的Hammerstein（SPH）的方法，建立在复杂的样条插值查找表（LUT），其次是线性有限脉冲响应（FIR）滤波器。第二种方法，基于样条的记忆多项式（SMP）的方法，包含多个并行复杂的样条插值LUT连同输入延迟线，以便更通用的内存建模可以实现。对于这两种结构，基于梯度的学习算法推导出有效地估计LUT控制点和其他相关的DPD参数。提供了大量的实验结果，特别关注5G新无线电（NR）系统，显示了多个低于6 GHz的PA样本以及28 GHz有源天线阵列的成功线性化，包括高达200 MHz的信道带宽。显式的性能复杂度的比较也报告之间的SPH和SMP DPD系统和广泛应用的普通内存多项式（MP）DPD解决方案。结果表明，所提出的方法的线性化能力是非常接近的普通MP DPD，特别是与建议的SMP方法，同时具有显着降低的处理复杂度。
2020-07-02 eess.SP
Piecewise Digital Predistortion fo mmWave Active Antenna Arrays: Algorithms and Measurements
在本文中，我们描述了一种新的框架数字预失真（DPD）的线性化强非线性毫米波有源天线阵列。具体来说，我们制定了一个分段（PW）闭环（CL）DPD解决方案和低复杂度的梯度自适应参数学习算法，以及区域划分方法，可以有效地处理深度压缩的PA单元。波束控制对DPD性能的影响进行了研究，表现出很强的波束依赖性，因此需要频繁更新的DPD。为了便于快速适应，一个廉价的，非迭代的，修剪算法，它允许显着减少模型系数的量。所提出的方法通过在64元件有源天线阵列发射机上进行广泛的空中RF测量进行了验证，该发射机工作在28 GHz载波频率下，并传输符合400 MHz 5G新无线电（NR）标准的正交频分复用波形。所获得的结果表明，所提出的解决方案具有出色的线性化能力，在带内波形质量和带外发射方面均符合频率范围2（FR 2）的新5G NR要求。所提出的PW-CL DPD的表现优于国家的最先进的PW DPD的基础上的间接学习架构，以及经典的单多项式为基础的DPD解决方案的线性化性能和计算复杂性的一个明确的保证金。
2020-04-30 eess.SP
Second-Order Perturbation Theory-Based Digital Predistortion for Fiber Nonlinearity Compensation
基于一阶微扰理论的非线性补偿（PB-NLC）技术已被广泛研究，以克服偏振复用（Pol-Mux）光纤通信系统中信道内克尔非线性的不利影响。然而，FO-PB-NLC技术的NLC性能在Pol-Mux长距离光传输系统的高度非线性区域中受到显著限制。在本文中，我们将FO理论扩展到二阶（SO），以提高NLC的性能。该技术被称为SO-PB-NLC。对Pol-Mux光传输系统的SO微扰场进行了详细的理论分析。在此之后，我们研究了一些简化的假设，以降低实现复杂性的SO-PB-NLC技术。单信道系统的数值仿真结果表明，与FO-PB-NLC技术相比，SO-PB-NLC技术具有更好的误码率性能和更长的传输距离。复杂度分析表明，所提出的SO-PB-NLC技术具有降低的计算复杂度相比，每跨度一步的数字反向传播。
2021-06-27 eess.SP
MIMO SWIPT Systems with Power Amplifier Nonlinearities and Memory Effects
在这封信中，我们研究的影响，非线性高功率放大器（HPA）的同时无线信息和功率传输（SWIPT），点对点多输入多输出通信系统。我们推导出率能（RE）区域，考虑到HPA的非线性和相关的记忆效应。我们发现，HPA显着降低了可实现的RE区域，和预失真技术的补偿。所提出的预失真方案的性能进行评估，在RE区域增强。数值结果表明，功率分裂和时间分裂的SWIPT架构获得约24%的改善。
2020-08-14 cs.IT eess.SP math.IT
TCN-DPD: Parameter-Efficient Temporal Convolutional Networks for Wideband Digital Predistortion
Department of Microelectronics, Delft University of Technology, The Netherlands（代尔夫特理工大学电子系）；Leiden Institute of Advanced Computer Science (LIACS), Leiden University, The Netherlands（莱顿大学先进计算机科学研究所）
针对射频功率放大器的宽带非线性问题，提出参数高效的TCN-DPD架构，集成非因果扩张卷积与优化激活函数，在OpenDPD框架和DPA_200MHz数据集上实现优异线性化性能，参数效率优于现有模型。
2025-06-13 cs.AI eess.SP
Companding and Predistortion Techniques for Improved Efficiency and Performance in SWIPT
本文针对功率分割型 SWIPT 系统中 PA 与 EH 非线性导致的效率问题，提出联合压扩与 DPD 的设计准则，在不损失信息传输性能的前提下显著提升能量收集和功率传输效率。
2024-05-23 eess.SP
SFOL DME Pulse Shaping Through Digital Predistortion for High-Accuracy DME
SFOL（Stretched-FrOnt-Leg）脉冲是一种高精度测距设备（DME）脉冲，开发用于在全球导航卫星系统中断期间支持飞机的替代定位和导航。为了便于使用SFOL脉冲，最好使用已经部署的传统DME来传输SFOL脉冲，而不是仅通过软件更改来传输当前的高斯脉冲。当尝试在传统DME中发送SFOL脉冲时，最大的挑战是由发送单元中的脉冲整形电路和功率放大器引起的脉冲形状失真，使得原始SFOL脉冲形状不再被保留。这封信提出了一种基于逆学习的DME数字预失真方法，并提出了成功发射SFOL脉冲的测试平台的基础上，商业传统DME，旨在发送高斯脉冲。
2021-11-01 cs.SY eess.SP eess.SY
MP-DPD: Low-Complexity Mixed-Precision Neural Networks for Energy-Efficient Digital Predistortion of Wideband Power Amplifiers
Delft University of Technology（代尔夫特理工大学）；Leiden University（莱顿大学）
本文提出开源混合精度神经网络MP-DPD，通过采用量化低精度定点参数降低计算复杂度与内存占用，在保证线性化效果的同时显著降低功耗，并在160MHz-BW 1024-QAM OFDM信号测试中实现与32位浮点精度相当的性能且推理功耗降低2.8倍。
2024-04-18 cs.AI cs.CV cs.LG
Amplifier-Coupled Tone Reservation for Minimization of OFDM Nonlinear Distortion
OFDM信号的非线性失真是一个严重的问题，当涉及到能量有效的功率放大器（PA）的利用。典型地，峰均功率比（PAPR）降低算法和数字预失真算法被独立地用于对抗相同的现象。本文提出了一种利用功率放大器的预失真特性来降低非线性失真功率的放大器耦合音保留（ACTR）算法。定义了优化问题。证明了它的凸性。提出了一种计算效率高的解决方案。最后，它的性能进行了比较，对两个国家的最先进的TR算法通过仿真和测量。结果表明，所提出的解决方案是有利的，无论是在非线性失真功率和所需的计算次数。
2021-04-20 eess.SP
OpenDPDv2: A Unified Learning and Optimization Framework for Neural Network Digital Predistortion
Department of Microelectronics, Delft University of Technology（电子工程系，代尔夫特理工大学）
OpenDPDv2通过统一学习和优化框架，结合时间稀疏性和定点量化，降低神经网络数字预失真推理能耗并保持高性能。
2026-08-12 cs.AI eess.SP
Design and Implementation of a Neural Network Based Predistorter for Enhanced Mobile Broadband
数字预失真是校正无线发射机的模拟RF前端中的非线性的过程。这些非线性导致相邻信道泄漏，降低发射信号的误差矢量幅度，并且经常迫使发射机将其发射功率降低到器件的更线性但功率效率较低的区域。大多数预失真技术是基于多项式模型与间接学习架构，已被证明是过度敏感的噪声。在这项工作中，我们使用基于神经网络的预失真与一种新的神经网络训练方法，避免了间接学习架构，并表现出显着的改善，在相邻通道泄漏率和误差矢量幅度。此外，我们表明，通过使用基于神经网络的预失真器，我们能够实现42%的延迟减少和9.6%的吞吐量增加FPGA加速器与15%的乘法每个样本相比，类似的执行内存多项式实现。
2019-07-01 eess.SP
DeltaDPD: Exploiting Dynamic Temporal Sparsity in Recurrent Neural Networks for Energy-Efficient Wideband Digital Predistortion
Department of Microelectronics, Delft University of Technology（代尔夫特理工大学微电子系）；Ampleon Netherlands B.V.（阿姆佩隆荷兰公司）；Leiden Institute of Advanced Computer Science (LIACS), Leiden University（莱顿先进计算机科学研究所（LIACS），莱顿大学）；School of Electrical and Electronic Engineering, University College Dublin（都柏林大学学院电子与电气工程学院）
针对宽带射频PA的DPD能耗挑战，提出DeltaDPD，利用RNN的动态时间稀疏性减少运算和内存访问，在保持良好线性化性能的同时将推理功率降低1.8倍，代码将开源。
2025-04-29 cs.AI cs.CV cs.LG
A Spatial Sigma-Delta Approach to Mitigation of Power Amplifier Distortions in Massive MIMO Downlink
本文提出一种空间Sigma-Delta方法，通过将PA失真整形到高角度区域，缓解大规模MIMO下行链路中的非线性失真，并开发了相应的SLP和ZF预编码方案，仿真验证了其有效性。
2023-09-01 eess.SP
A Modular 1D-CNN Architecture for Real-time Digital Pre-distortion
Mitsubishi Electric Research Labs（三菱电机研究实验室）；Mitsubishi Electric Corporation（三菱电机株式会社）
本文提出了一种新颖的硬件友好的模块化结构，用于实现一维卷积神经网络（1D-CNN）数字预失真（DPD）技术，以实时线性化射频功率放大器（PA）。我们的设计的模块化性质使DPD系统能够适应可变的资源和时序约束。我们的工作还提出了一种联合仿真结构，以验证DPD性能与实际功率放大器硬件在-循环。100 MHz信号的实验结果表明，所提出的1D-CNN获得优于其他神经网络架构的实时DPD应用相比，性能。
2021-11-18 cs.LG eess.SP
OLIA: an open-source digital lock-in amplifier
本文介绍了一款成本约35美元、信用卡大小的开源数字锁相放大器OLIA，它支持最高50 kHz的多谐波双相检测与远程控制，并配套40 pW级光学检测扩展板，以低成本实现了接近商用仪器的功能。
2022-11-22 eess.SP
Linearizing Active Antenna Arrays: Method and Measurements
在本文中，我们提供了一个新的框架，有效的数字预失真（DPD）的线性化有源天线阵列与多个和相互不同的非线性功率放大器。所提出的方法建立在使用组合反馈信号的基础上，该组合反馈信号本质上表征接收端处的可观察到的非线性失真。该方法通过在64单元有源天线阵列发射机上进行广泛的无线射频测量进行了验证，该发射机在28 GHz载波频率下工作，并传输200 MHz宽的5G新无线电（NR）波形。所得到的结果表明，所提出的解决方案，这使得一个非常有效的实施在实际系统中的优秀的线性化能力。
2019-07-18 eess.SP
Inverse Design of Compact and Wideband Inverted Doherty Power Amplifiers Using Deep Learning
提出深度学习辅助方法逆设计紧凑宽带倒置Doherty功率放大器，结合CNN和遗传算法生成像素化合路网络，实现1.9-2.5 GHz内峰值效率51%-63%、回退效率48%-54%。
2026-06-26 cs.AI cs.AR cs.SY
Digital Post-Distortion Architectures for Nonlinear Power Amplifiers: Volterra and Kernel Methods
本文研究5G基站侧的数字后失真技术，提出在时域结合频域信道均衡并在实Hilbert空间中用核方法替代Volterra级数，以低复杂度实现高效非线性补偿，仿真表明性能优于现有算法。
2025-08-15 eess.SP
Multiphase interpolating digital power amplifiers for TX beamforming
University of Utah ECE Department（犹他大学电气与计算机工程系）；Intel Corp.（英特尔公司）；Unisoc（紫光展锐）；Microelectronic Circuits Centre Ireland (MCCI)（爱尔兰微电子中心）；Qualcomm Technologies（高通技术公司）；ASML, Inc.（阿斯麦公司）
本文提出了一种基于多相插值技术的4通道波束成形TX，实现了高功率、高效率和高精度的波束成形性能。
2020-02-11 eess.SP
Deep Learning-Driven Inverse Design of Doherty Power Amplifiers Using Pixelated Combiners and Dual-State Impedance Synthesis
Tampere University（塔尔皮奥大学）；Chalmers University of Technology（挑战者技术大学）
提出一种结合深度卷积神经网络、像素化布局和遗传算法的三端口Doherty合成器设计方法，实现峰值和回退功率条件下的双态阻抗合成，在2.6-2.8 GHz频段内饱和输出功率>44.2 dBm，峰值漏极效率>71.2%。
2026-08-25 cs.AI cs.AR cs.SY
A 3-step Low-latency Low-Power Multichannel Time-to-Digital Converter based on Time Residual Amplifier
本文提出一种基于三步架构和时间残差放大器的低功耗多通道TDC，通过主从模块抗PVT变化，在130 nm CMOS下实现每通道2.2 mW功耗、0.051 mm²面积及优于21 ps RMS的定时精度。
2023-06-01 eess.SP
Hybrid Beamforming: Where Should the Analog Power Amplifiers be Placed?
在本文中，我们研究了具有有限射频（RF）链的点对点大规模多输入多输出系统（P2P-massive MIMO）的频谱效率（SE），即，模数/数模（D2 A/A2 D）模块。由此产生的架构被称为混合波束成形，其中联合模拟和数字波束成形优化最大化SE。我们通过保持RF链的数量较低，但将模拟放大器放置在不同的路径上来分析系统的SE。传统的混合波束成形架构在D2 A模块之后使用放大器。然而，将它们放置在移相器处或天线处可以影响混合波束成形的SE。我们研究的模拟放大器的最佳位置，并查明在错误放置放大器的情况下的损失量。
2019-02-25 cs.IT eess.SP math.IT
OpenDPD: An Open-Source End-to-End Learning & Benchmarking Framework for Wideband Power Amplifier Modeling and Digital Pre-Distortion
Delft University of Technology（代尔夫特理工大学）
本文提出开源框架OpenDPD及DGRU-DPD模型，通过端到端学习架构在新型数字发射机架构上实现优于以往模型的宽带功率放大器数字预失真性能。
2024-01-24 cs.LG eess.SP
Breaking Bandwidth Limit: A Review of Broadband Doherty Power Amplifier Design for 5G
Doherty功率放大器（DPA）在过去已经被广泛探索，并且已经成为蜂窝基站中最广泛使用的功率放大器（PA）架构之一。经典的DPA受到固有带宽约束，这限制了其在未来5G无线发射机中的应用。在本文中，我们对文献中提出的DPA带宽增强技术进行了全面回顾，以便全面了解DPA用于高效5G无线发射机的宽带设计。我们详细阐述了主要的带宽限制来源，并提供电路设计的见解。然后，我们将概述为DPA开发的带宽增强技术，包括改进的负载调制网络、频率响应优化、寄生补偿、后匹配以及分布式DPA、双输入数字DPA、基于变压器的功率合成PA和无变压器负载调制PA架构。此外，宽带DPA的集成电路（IC）实现的挑战和设计技术进行了讨论，包括在CMOS，SiGe和GAN工艺开发的电路，并在RF和毫米波频率工作的审查。
2019-08-21 eess.SP
NN-Based Frequency Domain DPD for OFDM Massive MIMO Transmitters With Multiple States
本文提出了一种基于神经网络的频率域数字预扭曲方法，通过超网络根据信号状态生成参数，实现多状态OFDM大规模MIMO发射机的高效预扭曲。
2025-12-11 eess.SP
Realisation of Highly Precise and Low Power Tunable Voltage Amplifier Based on the Translinear Circuit Scheme of CCCII+
在过去的几年里，纳米电路设计领域的进步已经变得比需求更难。低功耗器件大量涌现，电压模式器件和电流模式器件已被证明可以相互替代，以满足不断增长的市场需求。因此，电流传送器已经公平地确立了它们作为重要电路设计元件的独特性。在模拟VLSI设计领域的几年中，我们可以获得的文献引用了大量基于电流传送器的应用元件。类似地，本文提出了一种基于第二代电流控制电流传输器跨导线性电路方案的新型可调谐低功率电压放大器。本文提出的电路建模采用最少的无源元件。这里所示的调谐幅度或电压幅度由两个可变电阻器控制。电流传输器第二代跨导线性电路方案被考虑到实现所提出的可调电压放大器。CCCII的工作原理是低功耗和低电压设计。可调谐电压放大器可用于模拟以及数字信号处理应用中。
2018-11-06 eess.SP
OwnDPDLab: A Flexible Open-Source Testbed for Wideband DPD Algorithm Benchmarking
Institute of High-Frequency Technology, Hamburg University of Technology（汉堡工业大学高频技术研究所）；Smart Sensors Group, Hamburg University of Technology（汉堡工业大学智能传感器小组）；eleqtron GmbH（eleqtron有限公司）；Institute of Communications Technology, Hamburg University of Technology（汉堡工业大学通信技术研究所）
针对5G及以后标准中DPD算法需在增加信号带宽下运行，现有测试硬件成本高且缺灵活性的问题，OwnDPDLab提供开源系统，基于RFSoC 4x2实现多参数控制，经实验展示其能力，用DPD取得误差和邻道泄漏比改善。
2026-07-14 eess.SP
Deep Learning-Driven Black-Box Doherty Power Amplifier with Pixelated Output Combiner and Extended Efficiency Range
Chalmers University of Technology（查尔姆斯理工大学）
提出一种基于深度卷积神经网络和遗传算法的黑盒Doherty功率放大器逆设计方法，通过像素化输出合成网络实现扩展回退效率范围，原型在2.75 GHz下效率超过74%，9-dB回退时效率高于52%。
2026-07-02 cs.AI cs.AR cs.SY
Analysis of Auto Zeroing Amplifier
本文提出了一种新的自动调零技术，结合了非常高速的操作，低功耗，低输入开关干扰。该技术已应用于超宽带CMOS闪存模数转换器的设计中。本课题设计了一种三级自调零放大器。它必须在1.2电源电压下工作，并且在130 nm CMOS工艺中输入电压限制为400 mV。CMOS自动调零放大器级是在高级设计系统（ADS）工具中模拟的。
2020-04-29 eess.SP physics.ins-det
Optimal Training Design for Over-the-Air Polynomial Power Amplifier Model Estimation
本文从估计理论角度设计空中PA模型估计的最优训练，最小化最大MSE，相比均匀训练降低10倍，利用先验信息在低SNR下额外获得300倍增益。
2024-04-19 eess.SP
On the Application of Error Backpropagation to the Background Calibration of Time Interleaved ADC for Digital Communication Receivers
本文介绍了一种基于反向传播的时间交错模数转换器（TI-ADC）失配误差校正方法。该技术可应用于诸如在相干光通信中使用的数字接收机。使用来自机器学习的众所周知的反向传播算法的修改版本来处理接收器的限幅器处的误差。经处理的限幅器误差可以直接应用于利用自适应均衡器来补偿TI-ADC失配误差，或者它可以用于使用诸如延迟单元和可编程增益放大器（PGA）的模拟技术来数字地估计和校正所述失配误差。与现有技术相比，这里提出的技术的主要优点是其鲁棒性、其收敛速度，以及只要接收器收敛，它总是在背景模式下工作，而与过采样因子和输入信号的属性无关。此外，该技术能够联合补偿传统TI-ADC校准技术无法解决的损伤，例如正交调制接收机中的I/Q偏斜。仿真结果证明了该技术的有效性，并讨论了低复杂度的实现方案。
2020-08-07 eess.SP
Wireless Energy Transfer Beamforming Optimization for Intelligent Transmitting Surface
本文研究配备无源智能发射面（ITS）和数字波束成形馈电器的功率信标（PB）的无线能量传输波束成形优化问题，提出基于逐次凸逼近（SCA）的联合优化算法，在考虑功率放大器非线性等损耗下最小化PB功耗，实验证明该架构可高效扩展且非均匀ITS功率分布能影响近远场偏移。
2025-08-09 eess.SP
Learning to Compensate: A Deep Neural Network Framework for 5G Power Amplifier Compensation
MediaTek Inc.（联发科技股份有限公司）
由于5G通信系统的复杂特性，通过数学建模设计射频器件成为一个具有挑战性的障碍。此外，这种数学模型需要针对各种规格要求进行大量手动调整。在本文中，我们提出了一个基于学习的框架来建模和补偿5G通信中的功率放大器（PA）。在所提出的框架中，深度神经网络（DNN）用于学习PA的特性，同时，还学习相应的数字预失真（DPD）以补偿PA的非线性和记忆效应。在该框架之上，我们进一步提出了两个频域损失，以指导学习过程，以更好地优化目标，与天真的时域均方误差（MSE）相比。拟议的框架作为一个现成的替代传统的方法。所提出的方法实现了平均56.7%的非线性和记忆效应的减少，这转换为平均16.3%的改善，在精心设计的数学模型，甚至达到34%的增强在严重失真的情况下。
2021-06-15 cs.LG eess.SP
A Parametric Power Model of Upper Mid-Band (FR3) Base Stations for 6G
KU Leuven（荷语鲁汶大学）；POSTECH（浦项科技大学）；KAIST（韩国科学技术院）
本文研究了6G网络中FR3基站的功率消耗与数据速率的关系，提出了一种参数化功率模型，比较了混合部分连接波束成形与全数字波束成形的性能，发现不同RF链数下功率消耗分布不同，混合波束成形在能耗和速率上有优势。
2025-10-12 eess.SP
Building a digital twin of EDFA: a grey-box modeling approach
本文提出一种基于单变量线性函数的灰盒EDFA增益建模方法，仅用8个样本即可超越基于900个样本的神经网络模型，数据量减少两个数量级，且泛化性强，使构建每台EDFA的数字孪生成为可能。
2023-07-13 eess.SP
A mixed-signal analogue front-end for brain-implantable neural interfaces using a digital fixed-point IIR filter and bulk offset cancellation
Imperial College London（帝国理工学院）；UK Dementia Research Institute Centre for Care Research & Technology at Imperial College London & University of Surrey（英国痴呆症研究所护理研究与技术中心（帝国理工学院与萨里大学））；University of Surrey（萨里大学）；Mint Neurotechnologies Ltd（Mint神经技术有限公司）
本文提出一种混合信号模拟前端，用于记录细胞外动作电位和局部场电位，采用低噪声放大器和SAR ADC，结合定点IIR滤波器抑制次赫兹成分，实现41.42dB增益和2.178uA/通道功耗。
2026-08-12 eess.SP
Sparse Solution Trade-offs in GMP DPD: A Least Squares Thresholding Approach
WINLAB, ECE Department, Rutgers University（罗格斯大学 WINLAB、电子与计算机工程系）
针对卫星通信中功率放大器非线性失真问题，提出最小二乘阈值（LST）方法，相比正交匹配追踪（OMP）实现2.77倍复杂度降低且线性化性能几乎相同。
2026-10-21 eess.SP
Performance, Power, and Area Design Trade-offs in Millimeter-Wave Transmitter Beamforming Architectures
毫米波（mmW）通信是5G蜂窝网络的关键推动因素，因为频谱的可用性可以提高峰值速率和容量。由于毫米波频段的传播损耗增加，需要具有大规模天线阵列的收发器来满足链路预算，但它们的功耗和成本成为商业系统的限制因素。基于混合数字和模拟阵列架构的无线电设计以及经由移相器的射频（RF）信号处理的使用已经成为提高能量效率并提供接近数字阵列的性能的潜在解决方案。在本文中，我们提供了一个概述的最先进的毫米波大规模天线阵列的设计和比较三种架构，即数字阵列，子阵列，全连接混合阵列。针对三个代表性的5G用例执行了这三种架构的性能、功率和面积的比较，这些用例涵盖了一系列预波束成形SNR和复用机制。这是第一个全面建模和分析所有设计方面和标准的研究，包括：1）最佳线性预编码器，2）DAC和移相器中量化误差的影响，3）RF信号分配网络，4）基于现有技术的mmW电路的功率和面积估计，包括基带预编码、数字信号分配、DAC、振荡器和混频器、移相器、RF信号分配，和功率放大器。结果表明，数字阵列是最大的功率和面积效率相比，每种架构的最佳设计。我们的分析表明，数字阵列受益于多用户复用。分析还表明，子阵列是有限的，由于阵列分区的波束形成增益降低，和系统的瓶颈，全连接的混合架构是过度功耗的RF信号分配网络。
2018-09-05 eess.SP
PAPR-Limited Precoding in Massive MIMO Systems with Reflect- and Transmit-Array Antennas
传统的毫米波大规模多输入多输出（MIMO）系统的混合模数架构存在可扩展性差和实现成本高的问题。前者是由模拟网络中的高功率损耗引起的，而后者是由于经典MIMO传输技术需要具有高回退的功率放大器的事实。本文提出了一种新的混合模拟-数字架构，解决这两个挑战。该架构通过无源反射或发射阵列实现模拟前端，以解决可扩展性问题。为了保持系统的成本效益，数字预编码器的设计，其峰均功率比（PAPR）在每个有源天线是可调的。该预编码器采用近似消息传递算法，具有较好的计算复杂性。所提出的架构允许使用具有低回退的功率放大器，这降低了系统的总体射频成本。数值结果表明，与现有技术相比，对于低PAPR，性能得到了显着增强。
2019-12-01 cs.IT eess.SP math.IT
Massive MIMO Hybrid Precoding for LEO Satellite Communications With Twin-Resolution Phase Shifters and Nonlinear Power Amplifiers
大规模多输入多输出（MIMO）传输技术最近在非对地静止（例如，低地球轨道（LEO）卫星通信（SATCOM）系统，因为它可以显着提高能量效率（EE）和频谱效率。在这项工作中，我们开发了一种混合模拟/数字预编码技术在大规模MIMO低轨卫星通信下行链路，这降低了板载硬件的复杂性和功耗。在所提出的方案中，模拟预编码器是通过一个更实际的双分辨率相移（TRPS）网络，使功耗和阵列增益之间的细致的权衡。此外，我们还考虑和研究了非线性功率放大器（NPA）的失真效应对系统设计的影响。通过综合考虑上述因素，我们提出了一种有效的算法方法，基于TRPS的混合预编码问题与NPA。数值结果表明，考虑到非线性失真的EE增益和性能的优越性，提出的TRPS基于混合预编码方案的基线。
2022-06-09 cs.IT eess.SP math.IT
Hybrid precoding and combining for frequency-selective mmWave MIMO Systems with per-antenna power constraints
配置混合预编码器和组合器是部署实际毫米波通信系统的主要挑战。先前的工作解决了设计混合预编码器和组合器的问题，但专注于在总发射功率约束下找到解决方案。然而，实际系统中的混合预编码器和组合器的设计受到每个天线发射功率的约束，因为阵列中的每个天线元件连接到必须在其线性区域内操作的功率放大器（PA）。本文在频率选择性带限信道模型下，研究了天线功率约束下的混合预编码与合并问题。我们首先提出了一个全数字解决这个问题，并开发了一种混合预编码和组合策略，旨在通过最小化全数字预编码器（组合器）和它们的混合近似之间的弦距离来匹配这个解决方案。最后，由于最小化这个度量并不能保证最终的频谱效率将被最大化，我们优化得到的频谱效率考虑到每个天线的功率约束。仿真结果表明，我们的全数字和混合解决方案的有效性，同时强调相对于相应的解决方案的总功率约束下的差异。如我们的数值结果所示，建议的全数字解决方案执行类似的情况下，其中考虑总功率约束。此外，我们提出的混合解决方案也表现出接近最佳的性能，不同的系统参数的影响也显示，从而显示我们提出的框架部署实际毫米波MIMO系统的适用性。
2019-02-01 eess.SP
Zero-Forcing MU-MIMO Precoding under Power Amplifier Non-Linearities
Lund University（隆德大学）
本文提出了一种非线性感知零强迫预编码方案，通过利用功率放大器的非线性特性实现干扰消除，以提高MU-MIMO系统的性能。
2025-12-02 cs.IT eess.SP math.IT
Multi-layer MIMO Relay as Deep Physical Neural Networks: Power Amplifiers as Activation Functions
Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系）；Faculty of Engineering, Bar-Ilan University（巴伊兰大学工程学院）
本文提出用多跳MIMO中继网络构建深度无线物理神经网络，以功率放大器非线性为激活函数，实现可端到端训练的空中全连接网络，针对不同CSI场景开发两种收发器设计，仿真显示该架构能准确进行图像分类，凸显利用硬件非线性增强推理能力的优势。
2026-07-22 cs.AI cs.IT cs.LG
Low Complexity Kolmogorov-Arnold Network-based DPD for Analog RoF Fronthaul
Federal University of Campina Grande (UFCG)（坎皮纳格兰德联邦大学）；KTH Royal Institute of Technology（皇家理工学院）；College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院）；Institute of Telecommunications, Riga Technical University（里加技术大学电信研究所）
首次提出并实验验证了基于Kolmogorov-Arnold网络的数字预失真模型ETDKAN，通过引入物理约束和符号化降低复杂度，在A-RoF系统中实现了与神经网络相当的线性化性能且复杂度接近记忆多项式。
2026-06-26 eess.SP physics.optics
