一种基于多项式的预失真估计方法,包括:接收所述预失真器的多项式,将所述多项式转换为矩阵表示,获得由K个预失真函数构成的预失真矩阵,K表示所述多项式的最大阶数;对所述预失真矩阵进行奇异值分解,得到奇异值矩阵;根据所述奇异值矩阵,获得所述预失真矩阵的有效秩,将所述预失真矩阵的有效秩确定为所述多项式的有效阶,所述预失真矩阵的有效秩是对所述预失真矩阵的逼近能够达到预定逼近效果的逼近预失真矩阵的最小秩,所述逼近预失真矩阵是对所述预失真矩阵进行逼近的矩阵。本发明在保证预失真性能的同时降低基于多项式的功率放大器预失真器的复杂度,进而保证基于多项式的功率放大器预失真器具有更好的收敛性和稳定性。
1.一种基于多项式的预失真估计方法,其特征在于,包括:接收预失真器的多项式,将所述多项式转换为矩阵表示,获得由K个预失真函数构成的预失真矩阵,K表示所述多项式的最大阶数;对所述预失真矩阵进行奇异值分解,得到奇异值矩阵;根据所述奇异值矩阵,获得所述预失真矩阵的有效秩,将所述预失真矩阵的有效秩确定为所述多项式的有效阶,其中,所述预失真矩阵的有效秩是对所述预失真矩阵的逼近能够达到预定逼近效果的逼近预失真矩阵的最小秩,所述逼近预失真矩阵是对所述预失真矩阵进行逼近的矩阵。
2.根据权利要求1所述的基于多项式的预失真估计方法,其特征在于,所述将所述多项式转换为用矩阵表示,以获得所述预失真矩阵的步骤包括:所述预失真器的多项式xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="424"/>将所述多项式z(n)转换为矩阵表示为z=Φ_xa,以获得所述预失真矩阵Φ_x;其中:k表示所述多项式阶数的序列号;a_k表示所述多项式的系数;φ_k(x(n)表示对应于第k阶所述多项式的预失真函数;x(n)表示所述预失真器的输入数据序列;n表示所述输入数据序列的序列号;z=[z(0),...,z(N-1)]^T表示所述预失真器的多项式矩阵,由N个元素z(0),...,z(N-1)构成,T表示矩阵的转置;a=[a₁,...,a_K]^T表示K个多项式系数a₁,...,a_K构成的系数矩阵;Φ_x=[φ₁(x),...,φ_K(x)]表示由K个预失真函数构成的所述预失真矩阵;x=[x(0),...,x(N-1)]^T表示由预失真器的N个输入数据序列x(0),...,x(N-1)构成的输入矩阵;φ_k(x)=[φ_k(x(0)),...,φ_k(x(N-1))]^T表示由N个输入数据序列构成的所述预失真函数矩阵。
3.根据权利要求1所述的基于多项式的预失真估计方法,其特征在于,保留所述奇异值矩阵的前k个奇异值,并将其余奇异值置零,得到所述奇异值矩阵的秩k逼近奇异值矩阵,根据所述秩k逼近奇异值矩阵来获得所述预失真矩阵的所述逼近预失真矩阵;以及当所述预失真矩阵与所述逼近预失真矩阵之差的弗罗贝纽斯范数小于等于第一阈值时,判断为所述逼近预失真矩阵能够达到预定逼近效果。
4.根据权利要求1所述的基于多项式的预失真估计方法,其特征在于,xa0基于所述奇异值矩阵中第一行第一列的元素对所述奇异值矩阵中奇异值σ_kk进行归一化处理,获得奇异值σ_pp的归一化值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="94"/>以及如果所述归一化值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="67"/>大于等于第二阈值,则判断为秩为p的所述逼近预失真矩阵能够达到预定逼近效果,其中,1kk是经过奇异值分解后得到的矩阵∑的第k行第k列上的对角线元素,k的取值范围为(1,min(K,N),K,N分别表示预失真矩阵Φ_x的行数和列数;奇异值σ_kk包含了预失真矩阵Φ_x的秩的特性的信息。
5.根据权利要求4所述的基于多项式的预失真估计方法,其特征在于,如果对于任一满足pntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="61"/>均小于所述第二阈值,则p是对所述预失真矩阵的逼近能够达到预定逼近效果的逼近预失真矩阵的最小秩。xa0技术领域
本发明涉及基于多项式的预失真估计方法,特别是,基于多项式的预失真器的有效阶估计方法。xa0
背景技术
功率放大器(PA)是无线通信系统中必不可少的部件之一,其功效的提高对于无线通信设备,尤其是对便携移动终端的节能减耗意义重大。无线通信运营商所采用的基站、直放站、广播电视发射塔以及用户所使用的手机、移动电视、微型通信设备等移动终端都涉及功率放大器的功效问题。xa0功率放大器的非线性特性所导致的传输信号畸变,是导致功率放大器功效降低的重要原因之一,因此,对功率放大器进行线性化处理以提高其功效对于无线通信的发展至关重要。xa0功率放大器的线性化处理一般包括功率回退技术、包络消除和恢复技术、笛卡尔环路后馈技术、前馈线性化技术、非线性器件线性化技术以及数字预失真技术等,其中,数字预失真技术具有稳定性高、适用带宽宽、精度高、实现成本较低等优点,目前被广泛使用。xa0功率放大器数字预失真技术有基于查找表和基于多项式两类方法。基于查找表的方法需要大量的存储单元,估计及收敛速度慢;基于多项式的预失真方法相对于查找表方法而言,可以省去大量的RAM(Randomxa0Accessxa0Memory)存储单元,而且有很快的收敛速度。基于多项式的预失真方法的基本思想是:通过调节多项式系数拟合PA逆的复增益曲线。xa0在基于多项式的功率放大器预失真技术中,当预失真器所用多项式阶数较高时,系统复杂度呈指数增加,相应地使功率放大器预失真器的硬件复杂度及实现难度大大增加,进而导致预失真器的稳定性变差。此外,在设计预失真器时,多项式的阶决定了功率放大器中滤波器的通带范围设计和线性化效果。xa0在当前的基于多项式的功率放大器预失真技术中,要使预失真效果明显,通常会导致较高的预失真器的计算复杂度;而要降低复杂度,又须减少多项式阶数,从而降低了预失真效果。xa0
发明内容
本发明的目的是提供一种基于多项式的预失真估计方法,其在保证预失真性能的同时降低基于多项式的功率放大器预失真器的复杂度,进而保证基于多项式的功率放大器预失真器具有更好的收敛性和稳定性,xa0为此,本发明提供了一种基于多项式的预失真估计方法,其特征在于,包括:接收所述预失真器的多项式,将所述多项式转换为矩阵表示,获得由K个预失真函数构成的预失真矩阵,K表示所述多项式的最大阶数;对所述预失真矩阵进行奇异值分解,得到奇异值矩阵;根据所述奇异值矩阵,获得所述预失真矩阵的有效秩,将所述预失真矩阵的有效秩确定为所述多项式的有效阶,其中,所述预失真矩阵的有效秩是对所述预失真矩阵的逼近能够达到预定逼近效果的逼近预失真矩阵的最小秩,所述逼近预失真矩阵是对所述预失真矩阵进行逼近的矩阵。xa0根据本发明,通过估计出多项式的有效阶数,在确保一定的良好预失真效果的前提下,使预失真复杂度大大降低,进而确保了预失真的稳定性。xa0
附图说明
图1为本发明多项式有效阶估计方法实施例的流程示意图。xa0图2描述有效阶估计器的组成部分。xa0图3为本发明中逼近单元的第一种实现方式。xa0图4为本发明中逼近单元的第二种实现方式。xa0图5为本发明无线发射方法实施例的流程示意图。xa0图6为本发明具有预失真功能的无线发射装置实施例的组成示意图。xa0
具体实施方式
为使本发明的技术方案和有益效果更加清楚,以下结合附图及实施例对本发明作进一步的详细说明,以使本发明的实现过程能被充分理解并据以实施。xa0本发明的基本思路是:利用奇异值分解技术对多项式的有效阶进行估计,将估计出的有效阶数作为预失真器的多项式阶数,使得在使预失真器的计算复杂度降低的同时,确保预失真器的优越性能。在该有效阶数下的多项式预失真器能得到足够好的预失真效果。若不进行有效阶的估计,则会带来使高阶多项式预失真器实现复杂度高和稳定性差的问题。xa0预失真器的多项式z(n)可表示为:xa0 z ( n ) = Σ k = 1 K a k φ k ( x ( n ) ) - - - ( 1 ) ]]> 上述表达式(1)为一个基于多项式的预失真器的表达式;xa0其中:xa0k表示多项式阶数的序列号;xa0a_k表示多项式系数;xa0φ_k(x(n))表示对应于第k阶多项式的预失真函数;xa0x(n)表示预失真器的输入数据序列;xa0n表示输入数据序列的序列号;xa0K表示多项式的最大阶数。xa0表达式(1)可利用矩阵方式表示为:xa0z=Φ_xaxa0xa0xa0xa0(2)xa0上述表达式(2)中:xa0z=[z(0),...,z(N-1)]^T,表示预失真器的多项式矩阵,由N个元素z(0),...,z(N-1)构成;其中,上标T表示矩阵的转置。xa0a=[a₁,...,a_K]^T,表示K个多项式系数a₁,...,a_K构成的系数矩阵;xa0Φ_x=[φ₁(x),...,φ_K(x)],表示由K个预失真函数构成的预失真矩阵;xa0x=[x(0),...,x(N-1)]^T,表示由预失真器的N个输入数据序列x(0),...,x(N-1)构成的输入矩阵;xa0φ_k(x)=[φ_k(x(0)),...,φ_k(x(N-1))]^T,表示由N个预失真器输入数据序列构成的预失真函数矩阵。需要说明的是,φ_k(x)表示对应于第k阶多项式的预失真函数构成的矩阵,而上面的Φ_x则表示由多个预失真函数构成的预失真矩阵。xa0这样,寻求预失真器的多项式的有效阶的问题,可以转换为寻求预失真矩阵Φ_x的有效秩的问题。本发明给出两种实施方式来寻求预失真矩阵Φ_x的有效秩。其中第一种实施方式是寻求K×N阶的预失真矩阵Φ_x在弗罗贝纽斯(Frobenius)范数下的最佳逼近xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="87"/>根据该最佳逼近xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="58"/>来获得预失真矩阵Φ_x的有效秩并最终获得多项式的有效阶;第二种实施方式是利用归一化奇异值来获得预失真矩阵Φ_x的有效秩并最终获得多项式的有效阶。xa0在第一种实施方式,即寻求K×N阶的预失真矩阵Φ_x在弗罗贝纽斯(Frobenius)范数下的最佳逼近xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="58"/>的问题中,K表示多项式的最大阶数,N表示预失真器输入数据序列的个数。xa0对预失真矩阵进行奇异值分解,Φ_x=U∑V^H,得到奇异值矩阵∑,它实质上是一个包含了奇异值信息的矩阵。其中,U是一个K×K的矩阵,V是一个N×N的矩阵,∑则是一个K×N的矩阵,矩阵∑的对角线元素diag(∑)=(σ₁₁,σ₂₂,.....,σ_kk),奇异值σ_kk是经过奇异值分解后得到的矩阵∑的第k行第k列上的对角线元素,k的取值范围为(1,min(K,N)),K,N分别表示预失真矩阵Φ_x的行数和列数。奇异值σ_kk包含了预失真矩阵Φ_x的秩的特性的有用信息。xa0通过保留矩阵∑的前k个奇异值不变并将其他奇异值置零,得到的矩阵∑_k,∑_k称为∑的秩k逼近矩阵。得到如下所示的表达式(3)。xa0 Φ x ( k ) = UΣ k V H - - - ( 3 ) ]]> 其中,Φ_x^(k)表示预失真矩阵Φ_x的秩k逼近预失真矩阵;U为K阶(K×K)酉矩阵;V为N阶(N×N)酉矩阵。xa0上述逼近的效果可以用如下述表达式(4)所示的矩阵差Φ_x-Φ_x^(k)(也可以称之为逼近误差向量)的Frobenius范数||Ф_x-Φ_x^(k)||_F来衡量。||Ф_x-Φ_x^(k)||_F越小,则逼近的效果越好。xa0 | | Φ x - Φ x ( k ) | | F = | | UΣV H - UΣ k V H | | F - - - ( 4 ) ]]> 对于K阶酉矩阵U和N阶酉矩阵V,其范数分别为:xa0 | | U | | F = K - - - ( 5 ) ]]> | | V | | F = N - - - ( 6 ) ]]> 因此,上述表达式(4)可以简化为:xa0 | | Φ x - Φ x ( k ) | | F = | | U | | F · | | Σ - Σ k | | F · | | V H | | F = KN | | Σ - Σ k | | F = KN Σ i = k + 1 min ( K , N ) σ ii 2 1 / 2 - - - ( 7 ) ]]> 由表达式(7)可见,秩k逼近预失真矩阵Φ_x^(k)对于预失真矩阵Φ_x的逼近精确度,取决于被置零的那些奇异值的平方和。xa0根据表达式(7)显然,若k越大,则||Ф_x-Φ_x^(k)||_F越小,并且||Ф_x-Φ_x^(k)||_F在k=min(K,N)时趋向于零。将能够达到预定逼近效果的最小的整数p称为预失真矩阵Φ_x的有效秩。例如,当k取值p时,逼近误差向量Φ_x-Φ_x^(k)的Frobenius范数小于预定阈值,表明已经达到预定逼近效果,并且当k>p时,逼近效果并无明显提高,则可以将p确定为预失真矩阵Φ_x的有效秩。xa0因此,寻求多项式有效阶转化为寻求预失真矩阵Φ_x的有效秩。通过秩k逼近预失真矩阵Φ_x^(k)对预失真矩阵Φ_x的逼近效果,来确定预失真矩阵Φ_x的有效秩。也就是说,此处的预失真矩阵的有效秩表示对所述预失真矩阵的逼近能够达到预定逼近效果的逼近预失真矩阵的最小秩。下面详细说明如何获得预失真矩阵的有效秩。xa0例如,设置第一阈值ε₁,使得当||Ф_x-Φ_x^(k)||_F小于第一阈值ε₁时,可以达到预定的逼近效果。计算||Φ_x-Φ_x^(k)||_F,判断||Ф_x-Φ_x^(k)||_F是否小于第一阈值ε₁,将使||Ф_x-Φ_x^(k)||_F小于第一阈值ε₁的最小整数k确定为矩阵Φ_x的有效秩p(即预失真器的多项式的有效阶)。xa0在获得奇异值矩阵∑后,本发明也可以利用归一化奇异值来判断逼近效果,因此,也可以利用归一化奇异值的方法来确定预失真矩阵Φ_x的有效秩。具体来说,可以采用如下所示的表达式(8)来获得归一化奇异值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="85"/> σ ‾ kk = def σ kk / σ 11 , 1 ≤ k ≤ min ( K , N ) - - - ( 8 ) ]]> 显然 σ ‾ 11 = 1 . ]]>设置一个接近于零的正数ε₂作为第二阈值,使得按如下方式确定矩阵Φ_x的有效秩时,可以达到预定的逼近效果:计算归一化奇异值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="91"/>判断归一化奇异值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="62"/>是否大于第二阈值ε₂,将使归一化奇异值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="62"/>大于第二阈值ε₂的最大整数k取为矩阵Φ_x的有效秩p(即预失真器的多项式的有效阶)。xa0采用逼近误差向量Φ_x-Φ_x^(k)的Frobenius范数来进行逼近与采用归一化奇异值进行逼近为两种并行的确定有效阶的方法。xa0图1为本发明多项式有效阶估计方法实施例的流程示意图,本方法实施例xa0以上述第一种逼近方式举例说明。如图1所示,该估计方法主要包括如下步骤:xa0步骤S110,接收预失真器的多项式xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="434"/>将预失真器的多项式z(n)转换为矩阵z=Φ_xa,获得预失真矩阵Φ_x=[φ₁(x),...,φ_K(x)],预失真矩阵Φ_x由K个预失真函数构成,其中,φ_k(x)表示对应于第k阶多项式的预失真函数构成的矩阵;xa0步骤S120,对预失真矩阵Φ_x进行奇异值分解Φ_x=U∑V^H,得到奇异值矩阵∑。奇异值矩阵∑的对角线元素diag(∑)=(σ₁₁,σ₂₂,.....,σ_kk),奇异值σ_kk是经过奇异值分解后得到的奇异值矩阵∑的第k行第k列上的对角线元素;xa0步骤S130,根据该∑获得∑的秩k逼近矩阵∑_k,并根据该秩k逼近∑_k获得预失真矩阵Φ_x的秩k逼近预失真矩阵Φ_x^(k),其中,保留∑的前k个奇异值不变,同时将其他奇异值置零,据此获得奇异值∑的秩k逼近矩阵∑_k,该Φ_x^(k)的获取请参阅上述表达式(3);xa0步骤S140,判断逼近效果,可以采用矩阵差Φ_x-Φ_x^(k)的Frobenius范数||Ф_x-Φ_x^(k)||_F的大小来衡量上述逼近效果,其中||Ф_x-Φ_x^(k)||_F请参阅上述表达式(4)至表达式(7);xa0步骤S150,根据该逼近效果获得预失真矩阵Φ_x的有效秩p,有效秩p即为多项式的有效阶。xa0图2为本发明多项式有效阶估计器实施例的组成示意图。结合图1所示的方法实施例,图2所示的该估计模块主要包括转换单元210、分解单元220以及逼近单元230,其中:xa0转换单元210,用于接收预失真器的多项式z(n),其中xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="432"/>并根据该多项式z(n)获得一预失真矩阵Φ_x;将上述多项式z(n)转换为矩阵z=Φ_xa,获得上述矩阵Φ_x;xa0分解单元220,用于对预失真矩阵进行奇异值分解,Φ_x=U∑V^H,得到奇异值矩阵∑;其中,U是一个K×K的矩阵,V是一个N×N的矩阵,∑则是一个K×N的矩阵,K,N分别表示预失真矩阵Φ_x的行数和列数;xa0逼近单元230,用于根据奇异值矩阵∑以及预设的逼近阈值,获得预失真矩阵Φ_x的有效秩,预失真矩阵Φ_x的有效秩为多项式z(n)的有效阶。xa0图3为本发明中逼近单元230的第一种实现方式,如图3所示,该第一种实现方式中的逼近单元230主要包括第一运算子单元310、第二运算子单元320以及第三运算子单元330,其中:xa0第一运算子单元310,用于保留奇异值矩阵的前k个奇异值,并将其余奇异值置零,得到奇异值矩阵的秩k逼近矩阵;xa0第二运算子单元320,用于根据秩k逼近矩阵获得预失真矩阵的秩k逼近预失真矩阵;xa0第三运算子单元330,计算预失真矩阵与秩k逼近预失真矩阵之差的弗罗贝纽斯范数的大小;xa0确定子单元340,用于根据秩k逼近预失真矩阵对预失真矩阵的逼近效果来确定预失真矩阵的有效秩;其中第一阈值为逼近阈值,采用预失真矩阵与秩k逼近预失真矩阵之差的弗罗贝纽斯范数的大小来衡量逼近效果,假定当预失真矩阵与秩k逼近预失真矩阵之差的弗罗贝纽斯范数小于第一阈值时,达到逼近效果,则当预失真矩阵与秩p逼近预失真矩阵之差的弗罗贝纽斯范数小于等于第一阈值,且预失真矩阵与秩k(kx的有效秩,即多项式的有效阶。对预失真矩阵与秩k逼近预失真矩阵之差的弗罗贝纽斯范数的计算,请参阅上述表达式(4)至表达式(7)。xa0图4为本发明中逼近单元230的第二种实现方式,如图4所示,该第二种实现方式中的逼近单元230主要包括归一化子单元410以及确定子单元420,其中:xa0归一化值计算子单元410,用于根据奇异值矩阵中第一行第一列的元素对奇异值矩阵中的奇异值σ_kk进行归一化,获得奇异值σ_kk的归一化值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="88"/>确定子单元420,采用归一化值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="61"/>来判断逼近效果,假定当归一化奇异值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="60"/>大于第二阈值ε₂时,不能达到逼近效果,则根据第二阈值及归一化值,获得预失真矩阵的有效秩,具体地,基于所述奇异值矩阵中第一行第一列的元素对所述奇异值矩阵中奇异值σ_kk进行归一化处理,获得奇异值σ_pp的归一化值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="93"/>如果归一化值xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="67"/>大于等于第二阈值ε₂,且xa0ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="61"/>(p2,则可以将整数p取为矩阵Φ_x的有效秩,其中第二阈值为逼近阈值。xa0采用了如上所述的有效阶估计处理的功率放大技术,可以保证预失真器在低复杂度下的优越性能,从而可以有效提高功率放大器的功率效率。xa0图5为本发明无线发射方法实施例的流程示意图。结合图1所示的有效阶估计方法实施例以及图2所示的有效阶估计器实施例,图5所示的功率放大方法实施例主要包括如下步骤:xa0步骤S510,基于多项式的预失真器接收耦合数据,获得预失真器的多项式;xa0步骤S520,对该多项式进行有效阶估计,获得该多项式的有效阶;xa0步骤S530,滤波器接收基于有效阶的多项式的预失真数据,并对该预失真数据进行一定变换,改变信号频谱,使之更适合于信道传输;xa0步骤540,上变频及D/A模块将基带信号进行上变频处理,使之变为射频信号;xa0步骤S550,对变频处理结果即射频信号进行放大,获得放大结果并输出。xa0上述步骤S520中对该多项式进行有效阶估计,并获得该有效阶的过程,请参照如图1所示的有效阶估计方法实施例进行理解,此处不再赘述。xa0xa0图6为具有预失真功能的无线发射装置实施例的组成示意图。结合图1所示的有效阶估计方法实施例、图2所示的有效阶估计器实施例以及图5所示的具有预失真功能的无线通信发射方法实施例,图6所示的具有预失真功能的无线发射装置主要包括:xa0预失真器610,用于接收耦合并经过基带解调的数据,获得多项式并发送给有效阶估计器620,接收有效阶估计器620反馈的多项式的有效阶,并将有效阶作为多项式阶数发送给滤波器630;xa0有效阶估计器620,与预失真器610相连,用于对多项式进行有效阶估计,获得多项式的有效阶;xa0滤波器630,与预失真器610相连,用于接收基于有效阶多项式的预失真数据,并对预失真数据进行滤波,将滤波后的结果输入D/A及上变频模块650;xa0D/A及上变频模块650,对滤波器630的输出结果进行数模转换及上变频处理,得到变频处理结果,即射频数据;xa0功率放大器640,与D/A及上变频模块650相连,对该射频数据进行放大,获得放大结果并输出;xa0下变频及A/D模块660,对耦合回的数据序列进行下变频以及模数转换,并将转换结果输出至延迟估计模块670;xa0延迟估计模块670,对经过延迟的原输入数据序列和耦合回并经解调的基带的数据序列进行对比,分析耦合回并经解调的基带的数据序列和原数据(即理想数据)的差别,以便对预失真器610进行调整。xa0上述有效阶估计器620对该多项式进行有效阶估计,并获得该有效阶的过程,请参照如图1所示的有效阶估计方法实施例以及图2所示的有效阶估计模块进行理解,此处不再赘述。xa0图6中,“延迟估计”模块位于“左”端,进行数据对比。xa0本发明中的有效阶估计技术使得预失真器在确保预失真效果的前提下,大大降低系统开销和实现复杂度,且由于降低了多项式阶数,使得预失真器的收敛性和稳定度提高。xa0本发明实现的预失真器具有复杂度低、稳定性高以及收敛速度快的优点,可以适用于大型通信设备的基站、直放站、广播电视塔等通信网络设备以及手机、移动电视等便携式移动终端。xa0虽然本发明的实施方式如上,但所述的内容只是为了便于理解本发明,并非用以限定本发明。本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的具体形式及细节上作任何的修改与变化,但这些修改与变化均应包含在本发明的专利保护范围之内。xa0