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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
