การบิดเบือนสัญญาณดิจิทัลล่วงหน้าแบบหลายมิติ

การปรับความผิดเพี้ยนดิจิทัลแบบหลายมิติ (MDDPD) ซึ่งมักเรียกว่าการปรับความผิดเพี้ยนดิจิทัลแบบหลายย่านความถี่ (MBDPD) เป็นส่วนย่อยของการปรับความผิดเพี้ยน ดิจิทัล (DPD) ที่ทำให้สามารถใช้ DPD กับสัญญาณ (ช่องสัญญาณ) ที่ไม่สามารถหรือไม่ผ่านตัวปรับความผิดเพี้ยนดิจิทัลเดียวกัน แต่ผ่านระบบไม่เชิงเส้น เดียวกันได้พร้อมกัน ความสามารถในการทำเช่นนั้นมาจากส่วนหนึ่งของทฤษฎีสัญญาณหลายมิติที่เกี่ยวข้องกับระบบอินพุตเวกเตอร์เวลาไม่ต่อเนื่องหนึ่งมิติ - เอาต์พุตเวกเตอร์เวลาไม่ต่อเนื่องหนึ่งมิติ^{[ 1 ]}เอกสารฉบับแรกที่พบการประยุกต์ใช้คือในปี 1991 ดังที่เห็นได้ที่นี่^{[ 2 ]}ไม่มีแอปพลิเคชันใดของ MDDPD ที่สามารถใช้ประโยชน์จากคุณสมบัติของระบบเชิงเส้นคงที่ (LSI) ได้ เนื่องจากตามคำจำกัดความแล้ว ระบบเหล่านี้ไม่เชิงเส้นและไม่คงที่ แม้ว่าจะมักถูกประมาณว่าคงที่ (ไม่มีหน่วยความจำ) ก็ตาม

แรงจูงใจ

แม้ว่า MDDPD จะช่วยให้สามารถใช้ DPD ในระบบหลายแหล่งได้ แต่การนำ MDDPD มาใช้ยังมีข้อดีมากกว่า DPD ซึ่งเป็นแรงจูงใจหลักของการศึกษาเบื้องต้น^{[ 3 ]}ใน DPD แบบหน่วยความจำ (หรือไม่มีหน่วยความจำ) ที่ใช้พหุนามแบบหนึ่งมิติ เพื่อที่จะแก้ปัญหาค่าสัมประสิทธิ์พหุนามของตัวบิดเบือนสัญญาณดิจิทัลล่วงหน้าและลดข้อผิดพลาดกำลังสองเฉลี่ย (MSE) ให้เหลือน้อยที่สุด เอาต์พุตที่บิดเบือนของระบบที่ไม่เป็นเชิงเส้นจะต้องถูกสุ่มตัวอย่างเกินอัตราที่ทำให้สามารถจับภาพผลคูณที่ไม่เป็นเชิงเส้นในลำดับของตัวบิดเบือนสัญญาณดิจิทัลล่วงหน้าได้ ในระบบที่มีระยะห่างระหว่างคลื่นพาหะมากหรือแบนด์วิดท์ของช่องสัญญาณกว้างมาก สิ่งนี้จะนำไปสู่การเพิ่มขึ้นอย่างมีนัยสำคัญของอัตราการสุ่มตัวอย่างขั้นต่ำที่ยอมรับได้ของตัวแปลงอนาล็อกเป็นดิจิทัล (ADC) ที่ใช้สำหรับการสุ่มตัวอย่างแบบป้อนกลับเมื่อเทียบกับระบบที่เป็นช่องสัญญาณเดียวหรือมีคลื่นพาหะที่มีระยะห่างแคบ เนื่องจาก ADC มีราคาแพงกว่าและออกแบบยากกว่าตัวแปลงสัญญาณดิจิทัลเป็นอนาล็อก (DAC) ที่ใช้สร้างช่องสัญญาณ และ ADC จะมีราคาแพงมากเมื่ออัตราการสุ่มตัวอย่างเข้าใกล้ 1 Gs/s หรือสูงกว่านั้น จึงเป็นที่พึงปรารถนาอย่างยิ่งที่จะลดอัตราการสุ่มตัวอย่างของ ADC ที่จำเป็นสำหรับการประมวลผล DPD ซึ่ง MDDPD ทำได้เช่นนั้น

ข้อดี

เช่นเดียวกับการปรับแก้ความผิดเพี้ยนทางดิจิทัลใน MDDPD ที่นำไปใช้กับแต่ละช่องสัญญาณอย่างอิสระ การสุ่มตัวอย่างป้อนกลับของช่องสัญญาณก็สามารถทำได้อย่างอิสระเช่นกัน นอกจากนี้ ดังที่ได้กล่าวไว้ก่อนหน้านี้ MDDPD ยังอนุญาตให้ใช้การปรับแก้ความผิดเพี้ยนกับช่องสัญญาณที่สร้างขึ้นอย่างอิสระ ซึ่งทำให้สามารถนำไปใช้และได้รับประโยชน์จากการปรับแก้ความผิดเพี้ยนในระบบที่ไม่สามารถได้รับประโยชน์จาก DPD แบบมิติเดียวได้ตามปกติ

ข้อเสีย

เพื่อให้สามารถใช้ประโยชน์จากความสามารถในการลดอัตราการสุ่มตัวอย่างของ ADC กลุ่มของช่องสัญญาณจะต้องมีการแปลงสัญญาณลงไปยังเบสแบนด์ของตนเองสำหรับการสุ่มตัวอย่าง ซึ่งจะทำให้จำนวนมิกเซอร์และออสซิลเลเตอร์ภายใน (LO) หรือซินเธไซเซอร์เพิ่มขึ้น LO และซินเธไซเซอร์ไม่ใช่ส่วนประกอบเล็กน้อยในการออกแบบ นอกจากนี้ ดังที่จะเห็นได้ในภายหลัง จำนวนสัมประสิทธิ์ที่ต้องแก้ไขนั้นมีมากกว่าจำนวนสัมประสิทธิ์ที่ต้องแก้ไขใน DPD แบบหนึ่งมิติมาก สุดท้าย ต้องมีช่องสัญญาณความเร็วสูงระหว่างแหล่งสัญญาณต่างๆ เพื่อปรับตัวปรับสัญญาณดิจิทัลล่วงหน้าและใช้การปรับสัญญาณล่วงหน้า เนื่องจากแต่ละแหล่งสัญญาณต้องมีข้อมูลช่องสัญญาณจากทุกแหล่งสัญญาณอื่นๆ ดังที่จะแสดงในส่วนการพิสูจน์และวิธีการ

แอปพลิเคชัน

ตลาดสองแห่งที่ใช้ MDDPD ในปัจจุบัน ได้แก่ ตลาดโทรศัพท์มือถือและ ตลาด การสื่อสารผ่านดาวเทียมในตลาดโทรศัพท์มือถือ การใช้พลังงานต่ำและขนาดเล็กเป็นสิ่งสำคัญ ซึ่งเป็นสาเหตุที่ทำให้เกิดการศึกษา MDDPD ในเบื้องต้น เนื่องจากการลดอัตราการสุ่มตัวอย่างป้อนกลับหมายถึงการลดพลังงานและขนาดของส่วน ADC ใน IC ที่ใช้ ในตลาดการสื่อสารผ่านดาวเทียม การใช้งานเครื่องขยายกำลังส่งของเครื่องส่งสัญญาณให้ใกล้เคียงกับกำลังอิ่มตัวมากที่สุดเป็นสิ่งสำคัญ เพื่อลดค่าใช้จ่ายในการดำเนินงานและค่าใช้จ่ายด้านเงินทุนแต่บ่อยครั้งที่ต้องใช้โมเด็มมากกว่าหนึ่งตัวร่วมกับเครื่องส่งสัญญาณเดียวกัน DPD แบบหลายมิติช่วยให้สามารถประยุกต์ใช้ DPD ในระบบหลายแหล่งสัญญาณได้ ดังนั้นจึงช่วยให้สามารถรักษากำลังส่งของเครื่องส่งสัญญาณให้ใกล้เคียงกับกำลังอิ่มตัวในระบบที่มีโมเด็มหลายตัวได้

การหาอนุพันธ์และการแยกความแตกต่างของ DPD สองมิติจาก DPD หนึ่งมิติ

ใช้พหุนามหน่วยความจำ (หรือไม่มีหน่วยความจำ) หนึ่งมิติแบบไม่เชิงเส้นลำดับคี่ลำดับที่ห้า (( 1 )) แต่แทนที่จะใช้สัญญาณอินพุตเดียวในการหาอนุพันธ์ 1DDPD แบบดั้งเดิม อินพุตของระบบไม่เชิงเส้นจะถูกแทนที่ด้วยผลรวมของสัญญาณตั้งฉากสองสัญญาณ (( 2 )) สัญญาณเหล่านี้ตั้งฉากกันเนื่องจากมีการเลื่อนความถี่โดย ω ₁และ ω ₂ซึ่งถูกเลือกในลักษณะที่รับประกันความเป็นตั้งฉากของช่องสัญญาณ

$y=as+bs\left\vert {s}\right\vert ^{2}+cs\left\vert {s}\right\vert ^{4}$

1

ที่ไหน

$s=x_{1}e^{-j{\omega }_{1}t}+x_{2}e^{-j{\omega }_{2}t}$

2

สมการ (( 3 )) และ (( 4 )) คือพจน์ในแถบความถี่ที่มาจากการขยายพหุนามเมื่อทำในลักษณะ DPD แบบหนึ่งมิติแบบดั้งเดิม ซึ่งหมายความว่าสัมประสิทธิ์ลำดับที่หนึ่ง สาม และห้าถือว่าเชื่อมโยงกันหรือไม่ตั้งฉากกันและเท่ากับค่าของพวกมันในพหุนามที่นำเสนอใน (( 1 )) สมการ (( 5 )),(( 6 )),(( 7 )),(( 8 )), (( 9 )) และ (( 10 )) คือพจน์นอกแถบความถี่ที่มาจากการขยายพหุนามที่ทำในลักษณะ DPD แบบหนึ่งมิติแบบดั้งเดิมเช่นกัน

$y_{\omega _{1}}=(ax_{1}+bx_{1}\left\vert {x_{1}}\right\vert ^{2}+bx_{1}\left\vert {x_{2}}\right\vert ^{2}+cx_{1}\left\vert {x_{1}}\right\vert ^{4}+cx_{1}\left\vert {x_{2}}\right\vert ^{4}+4cx_{1}\left\vert {x_{1}}\right\vert ^{2}\left\vert {x_{2}}\right\vert ^{2})e^{-j{\omega }_{1}t}$

3

$y_{\omega _{2}}=(ax_{2}+bx_{2}\left\vert {x_{2}}\right\vert ^{2}+bx_{2}\left\vert {x_{1}}\right\vert ^{2}+cx_{2}\left\vert {x_{2}}\right\vert ^{4}+cx_{2}\left\vert {x_{1}}\right\vert ^{4}+4cx_{2}\left\vert {x_{2}}\right\vert ^{2}\left\vert {x_{1}}\right\vert ^{2})e^{-j{\omega }_{2}t}$

4

$y_{3{\omega _{1}}}=(bx_{1}^{2}x_{2}^{\ast }+2cx_{1}^{2}\left\vert {x_{1}}\right\vert ^{2}x_{2}^{\ast }+2cx_{1}^{2}\left\vert {x_{2}}\right\vert ^{2}x_{2}^{\ast })e^{-j3{\omega }_{1}t}$

5

$y_{3{\omega _{2}}}=(bx_{2}^{2}x_{1}^{\ast }+2cx_{2}^{2}\left\vert {x_{2}}\right\vert ^{2}x_{1}^{\ast }+2cx_{2}^{2}\left\vert {x_{1}}\right\vert ^{2}x_{1}^{\ast })e^{-j3{\omega }_{2}t}$

6

$y_{5{\omega _{1}}}=(cx_{1}^{3}x_{2}^{2\ast })e^{-j5{\omega }_{1}t}$

7

$y_{5{\omega _{2}}}=(cx_{2}^{3}x_{1}^{2\ast })e^{-j5{\omega }_{2}t}$

8

$y_{\omega _{2}-2{\omega }_{1}}=(bx_{1}\left\vert {x_{2}}\right\vert ^{2}+2cx_{1}\left\vert {x_{2}}\right\vert ^{2}\left\vert {x_{1}}\right\vert ^{2}+2cx_{1}\left\vert {x_{2}}\right\vert ^{4})e^{-j(\omega _{2}-2{\omega }_{1})t}$

9

$y_{\omega _{1}-2{\omega }_{2}}=(bx_{2}\left\vert {x_{1}}\right\vert ^{2}+2cx_{2}\left\vert {x_{1}}\right\vert ^{2}\left\vert {x_{2}}\right\vert ^{2}+2cx_{2}\left\vert {x_{1}}\right\vert ^{4})e^{-j(\omega _{1}-2{\omega }_{2})t}$

10

สมการ (( 11 )) และ (( 12 )) คือเทอมภายในแบนด์ที่มาจากการขยายพหุนามเมื่อทำในลักษณะ MDDPD ซึ่งหมายความว่าสัมประสิทธิ์ลำดับที่หนึ่ง สาม และห้าถือว่าไม่เชื่อมโยงกันหรือตั้งฉากกันและไม่เท่ากับค่าของพวกมันในพหุนามที่นำเสนอใน (( 1 )) กล่าวอีกนัยหนึ่ง ตอนนี้ไม่มีส่วนประกอบลำดับที่หนึ่ง สาม และห้าแบบง่ายๆ แต่เป็นสัมประสิทธิ์ระหว่างแบนด์และภายในแบนด์ลำดับที่หนึ่ง สาม และห้าแทน สมการ (( 13 )) และ (( 14 )) คือเทอมภายในแบนด์เหล่านั้นในรูปแบบผลรวม

$y_{\omega _{1}}=x_{1}(c_{0,0}^{(1)}+c_{2,0}^{(1)}\left\vert {x_{1}}\right\vert ^{2}+c_{2,2}^{(1)}\left\vert {x_{2}}\right\vert ^{2}+c_{4,0}^{(1)}\left\vert {x_{1}}\right\vert ^{4}+c_{4,4}^{(1)}\left\vert {x_{2}}\right\vert ^{4}+c_{4,2}^{(1)}\left\vert {x_{1}}\right\vert ^{2}\left\vert {x_{2}}\right\vert ^{2})e^{-j{\omega }_{1}t}$

11

$y_{\omega _{2}}=x_{2}(c_{0,0}^{(2)}+c_{2,0}^{(2)}\left\vert {x_{2}}\right\vert ^{2}+c_{2,2}^{(2)}\left\vert {x_{1}}\right\vert ^{2}+c_{4,0}^{(2)}\left\vert {x_{2}}\right\vert ^{4}+c_{4,4}^{(2)}\left\vert {x_{1}}\right\vert ^{4}+c_{4,2}^{(2)}\left\vert {x_{2}}\right\vert ^{2}\left\vert {x_{1}}\right\vert ^{2})e^{-j{\omega }_{2}t}$

12

$y_{1}(n)=\sum _{m=0}^{M-1}\sum _{k=0}^{N}\sum _{j=0}^{k}c_{k,j,m}^{(1)}x_{1}(n-m)\times \left\vert {x_{1}(n-m)}\right\vert ^{k-j}\left\vert {x_{2}(n-m)}\right\vert ^{j}$

13

$y_{2}(n)=\sum _{m=0}^{M-1}\sum _{k=0}^{N}\sum _{j=0}^{k}c_{k,j,m}^{(2)}x_{2}(n-m)\times \left\vert {x_{2}(n-m)}\right\vert ^{k-j}\left\vert {x_{1}(n-m)}\right\vert ^{j}$

14

ความแตกต่างด้านสุนทรียภาพระหว่าง 1DDPD และ MDDPD สามารถเห็นได้จากการเปรียบเทียบ (( 3 )) และ (( 11 )) และ (( 4 )) และ (( 12 )) และผลลัพธ์ของความแตกต่างทางคณิตศาสตร์เหล่านี้ในแอปพลิเคชันแบบหลายช่องสัญญาณสามารถเห็นได้จากการเปรียบเทียบกราฟสองกราฟด้านล่าง

ตามที่กำหนดไว้ในMultidimensional Digital Signal Processing [ ^{4 ] บท}ที่ 1 ส่วนที่ 1.2.9 สำหรับระบบเวกเตอร์อินพุตเวลาไม่ต่อเนื่อง 1 มิติ - ระบบเวกเตอร์เอาต์พุตเวลาไม่ต่อเนื่อง 1 มิติ หากอินพุตทั้งหมด ยกเว้นหนึ่งตัว ถูกตั้งค่าเป็นศูนย์ และอินพุตที่ไม่เป็นศูนย์หนึ่งตัว เป็นอิมพัลส์ จะมีการตอบสนองอิมพัลส์ อิสระ จากอินพุตนั้นไปยังเอาต์พุตอิสระแต่ละตัว นี่เป็นจริงสำหรับอินพุตแต่ละตัวในระบบนั้น ใน MDDPD การตอบสนองอิมพัลส์อิสระจะถูกแทนที่ด้วยสัมประสิทธิ์อิสระ แต่แสดงถึงแนวคิดเดียวกันที่อินพุตแต่ละตัวมีความสัมพันธ์เฉพาะกับเอาต์พุตแต่ละตัว และสามารถเรียกว่าการตอบสนองอิมพัลส์ตัวอย่างเดียว นี่คือเหตุผลที่ (( 3 )) และ (( 4 )) ผิดในที่สุด และจำเป็นต้องแก้ไขเป็น (( 11 )) และ (( 12 )) เนื่องจากยังคงเป็นสมการ 1 มิติ และไม่ใช่ M มิติ จนกว่าจะดำเนินการนี้

DPD สามมิติและ m มิติ

สำหรับกรณีที่ระบบมีแหล่งกำเนิดอิสระสามแหล่ง แบบจำลองที่ไม่เป็นเชิงเส้นได้รับการหาค่าใหม่ และเทอมในแถบความถี่ของแบบจำลองที่ไม่เป็นเชิงเส้นในรูปแบบผลรวมสามารถดูได้ด้านล่างใน (( 15 )), (( 16 )) และ (( 17 ))

$y_{1}(n)=\sum _{m=0}^{M-1}\sum _{k=0}^{N}\sum _{j=0}^{k}\sum _{i=0}^{s}c_{k,j,i,m}^{(1)}x_{1}(n-m)\times \left\vert {x_{1}(n-m)}\right\vert ^{k-j}\left\vert {x_{2}(n-m)}\right\vert ^{j-i}\left\vert {x_{3}(n-m)}\right\vert ^{i}$

15

$y_{2}(n)=\sum _{m=0}^{M-1}\sum _{k=0}^{N}\sum _{j=0}^{k}\sum _{i=0}^{s}c_{k,j,i,m}^{(2)}x_{2}(n-m)\times \left\vert {x_{1}(n-m)}\right\vert ^{k-j}\left\vert {x_{2}(n-m)}\right\vert ^{j-i}\left\vert {x_{3}(n-m)}\right\vert ^{i}$

16

$y_{3}(n)=\sum _{m=0}^{M-1}\sum _{k=0}^{N}\sum _{j=0}^{k}\sum _{i=0}^{s}c_{k,j,i,m}^{(3)}x_{3}(n-m)\times \left\vert {x_{1}(n-m)}\right\vert ^{k-j}\left\vert {x_{2}(n-m)}\right\vert ^{j-i}\left\vert {x_{3}(n-m)}\right\vert ^{i}$

17

กระบวนการนี้สามารถทำได้สำหรับแหล่งกำเนิดอิสระจำนวนm ใดๆ เพื่อให้ได้รูปแบบทั่วไปของสมการสำหรับ MDDPD อย่างไรก็ตาม วิธีการนี้เป็นส่วนย่อยของอนุกรม Volterra MIMO สำหรับการประยุกต์ใช้สัญญาณเวลาเทียบเท่าค่าเชิงซ้อน^[⁵^]

ข้อควรพิจารณาเพิ่มเติม

เราสามารถเลือกที่จะละเลยฮาร์โมนิกส์ได้ หากเราพิจารณาว่าระบบของเราสามารถแสดงได้ด้วยแบบจำลอง "เบสแบนด์" ซึ่งเป็นแบบจำลองที่ระบบนั้นถูกพิจารณาว่าแสดงได้อย่างแม่นยำเฉพาะโดยปริมาณพลังงานภายในช่วงความถี่ที่สามารถสร้างได้โดย DAC ของระบบและวัดได้โดย ADC ของระบบ หรือเราสามารถเลือกที่จะรวมฮาร์โมนิกส์ไว้ในอัลกอริธึมการแก้ปัญหาได้ หากระบบของเราไม่เป็นไปตามแบบจำลองเบสแบนด์ แต่การประยุกต์ใช้ MDDPD กับแบบจำลองที่ไม่ใช่เบสแบนด์นั้นค่อนข้างขัดกับสัญชาตญาณ เนื่องจากจะเพิ่มอัตราการสุ่มตัวอย่างที่จำเป็นในการจับข้อมูลฮาร์โมนิกส์ และอาจทำให้ข้อดีหลักข้อหนึ่งของ MDDPD ลดลง กล่าวคือ หากทราบว่าแบบจำลองเบสแบนด์นั้นเพียงพอสำหรับระบบมัลติซิกแนลที่กำหนดแล้ว ควรพิจารณาใช้ MDDPD

แนวทาง

พหุนามเชิงตั้งฉาก

แนวทางที่เห็นใน^{[ 6 ]}^{[ 7 ]}^{[ 8 ]}^{[ 9 ]}และ^{[ 10 ]}พยายามแบ่งปัญหาออกเป็นสองปัญหาที่ตั้งฉากกันและจัดการแต่ละปัญหาแยกกันเพื่อลดแบนด์วิดท์การสุ่มตัวอย่างฟีดแบ็กให้ต่ำกว่า 1D DPD (หวังว่าจะต่ำกว่า MDDPD) พวกเขาแบ่งการประยุกต์ใช้การบิดเบือนล่วงหน้าและการสกัดแบบจำลองออกเป็นระบบภายในแบนด์และระหว่างแบนด์ มีการระบุว่าการแก้ไขการบิดเบือนการมอดูเลชั่นระหว่างแบนด์ (IMD) จะสร้าง IMD ภายในแบนด์ และหาก ใช้ พหุนามที่ตั้งฉากกัน อย่างสมบูรณ์ อย่างถูกต้อง ปัญหานี้จะไม่เกิดขึ้นอีกต่อไป ดูเหมือนว่าแนวทางนี้โดยพื้นฐานแล้วพยายามทำให้ (( 3 )) และ (( 4 )) กลายเป็น (( 11 )) และ (( 12 )) เนื่องจากความเป็นตั้งฉากของสัมประสิทธิ์ภายในแบนด์และระหว่างแบนด์ได้รับการรับประกันหากพหุนามได้รับการหาและประยุกต์ใช้อย่างถูกต้องดังใน (( 13 )) และ (( 14 ))

การปรับแต่งสัญญาณดิจิทัลล่วงหน้าแบบ 2D (ดูอัลแบนด์), 3D (ไตรแบนด์) และ MD

แนวทางที่เห็นใน^{[ 11 ]}^{[ 12 ]}^{[ 13 ]}^{[ 14 ]}มุ่งเน้นไปที่การหาอนุพันธ์และการประยุกต์ใช้พหุนามหน่วยความจำ MDDPD ในระบบมัลติแบนด์อย่างถูกต้อง ข้อเสียของแนวทางก่อนหน้านี้คือพิจารณาเฉพาะบางเทอมในเคอร์เนล MIMO Volterra ตามที่กำหนดไว้ใน^{[ 15 ]}^{[ 16 ]}หรืออธิบายในรูปแบบเทียบเท่าเวลาที่มีค่าเชิงซ้อนใน^{[ 17 ]}นั่นคือแบบจำลองและแผนการชดเชยเป็นรูปแบบที่ตัดแต่งของอนุกรม MIMO Volterra อย่างไรก็ตาม อนุกรมนี้ประสบปัญหาเรื่องมิติสูงซึ่งบดบังการใช้งานจริง ดังนั้น การใช้แนวทางที่ตัดแต่งที่อธิบายไว้จะสามารถค้นหาวิธีแก้ปัญหาและแบบจำลองที่เหมาะสมสำหรับกรณีทั่วไปได้

MDDPD โดยใช้การตอบรับจากการสุ่มตัวอย่างย่อย

แนวทางที่เห็นใน^{[ 18 ]}พยายามทำให้ระบบป้อนกลับก่อนบิดเบือนง่ายขึ้นอีกโดยการใช้การสุ่มตัวอย่างย่อยเพื่อกำจัดขั้นตอนการแปลงลง เอกสารอ้างอิงนี้มุ่งเน้นไปที่ส่วนการสุ่มตัวอย่างย่อยของระบบและลักษณะเฉพาะของช่วงความถี่การสุ่มตัวอย่างที่ถูกต้องโดยพิจารณาจากตำแหน่งและระยะห่างของคลื่นพาหะ ข้อดีของแนวทางนี้คือข้อได้เปรียบที่เห็นได้ชัดของการกำจัดขั้นตอนการผสม ข้อเสียของแนวทางนี้คือข้อจำกัดของตำแหน่งและระยะห่างของคลื่นพาหะซึ่งเป็นข้อจำกัดโดยธรรมชาติเพื่อให้ได้การสุ่มตัวอย่างย่อยที่เหมาะสม

MDDPD โดยใช้แบบจำลอง Hammerstein เสริม

แนวทางที่เห็นใน^{[ 19 ]}กำหนดรูปแบบของโมเดล Hammerstein เสริมเพื่อให้สามารถใช้งานร่วมกับโมเดลพหุนามไม่เชิงเส้น 2 มิติได้ โมเดล Hammerstein เสริมนี้ใช้ในการสร้างหน่วยความจำในขณะที่ยังคงรักษาโมเดลพหุนามที่ไม่มีหน่วยความจำไว้ โมเดลโดยรวมกลายเป็นโมเดลที่มีหน่วยความจำ แต่โมเดลพหุนามเองยังคงไม่มีหน่วยความจำ ซึ่งจะช่วยลดความซับซ้อนของโมเดลพหุนามและลดความซับซ้อนโดยรวมของระบบคอมโพสิตลง

การลดลำดับสัมประสิทธิ์ MDDPD โดยใช้ PCA

แนวทางที่เห็นใน^{[ 20 ]}ใช้การวิเคราะห์ส่วนประกอบหลัก (PCA) เพื่อลดจำนวนสัมประสิทธิ์ที่จำเป็นเพื่อให้ได้กำลังช่องสัญญาณที่อยู่ติดกัน (ACP) ที่คล้ายกัน แม้ว่าข้อผิดพลาดกำลังสองเฉลี่ยปกติ (NMSE) จะลดลงอย่างมาก แต่ ACP จะลดลงเพียงประมาณ 3.5 dB สำหรับการลดจำนวนสัมประสิทธิ์ลง 87%

เอกสารอ้างอิงเพิ่มเติม

เอกสารเพิ่มเติมบางส่วนสามารถดูได้ที่นี่:

^{[ 21 ]}
^{[ 22 ]}
^{[ 23 ]}^{[ 24 ]}^{[ 25 ]}^{[ 26 ]}^{[ 27 ]}^{[ 28 ]}^{[ 29 ]}^{[ 30 ]}^{[ 31 ]}

ลิงก์ภายนอก

รายชื่อบทความจาก Shahin Gheitanchi และคณะ ซึ่งบางส่วนเกี่ยวข้องกับการปรับแต่งสัญญาณดิจิทัลแบบหลายย่านความถี่

[ 1 ]

[ 2 ]

[ 3 ]

4 ] บท

[

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]

[ 16 ]

[ 17 ]

[ 18 ]

[ 19 ]

[ 20 ]

[ 21 ]

[ 22 ]

[ 23 ]

[ 24 ]

[ 25 ]

[ 26 ]

[ 27 ]

[ 28 ]

[ 29 ]

[ 30 ]

[ 31 ]