Analog neural predistortion of power amplifiers

Abstract

As especificações das redes de telecomunicações de quinta geração ultrapassam largamente as capacidades das técnicas mais modernas de linearização de amplificadores de potência como a pré-distorção digital. Por esta razão, esta tese propõe um método de linearização alternativo: um prédistorçor analógico, à banda base, constituído por uma rede neuronal artificial. A rede foi treinada usando três métodos distintos: avaliação de política através de TD(λ), otimização por estratégias de evolução como CMA-ES, e um algoritmo original de aproximações sucessivas. Apesar do TD(λ) não ter produzido resultados de simulação satisfatórios, os resultados dos outros dois métodos foram excelentes: um NMSE entre as funções de transferência pretendida e efetiva do amplificador pré-distorcido até -70 dB, e uma redução total das componentes de distorção do espetro de frequência de um sinal GSM de teste. Apesar das estratégias de evolução terem alcançado este nível de linearização após cerca de 4 horas de execução contínua, o algoritmo original consegue fazê-lo numa questão de segundos. Desta forma, esta tese abre caminho para que se cumpram as exigências das redes de nova geração.

Fifth-generation telecommunications networks are expected to have technical requirements which far outpace the capabilities of modern power amplifier (PA) linearization techniques such as digital predistortion. For this reason, this thesis proposes an alternative linearization method: a base band analog predistorter consisting of an artificial neural network. The network was trained through three very distinct methods: policy evaluation using TD(λ), optimization using evolution strategies such as CMA-ES, and an original algorithm of successive approximations. While TD(λ) proved to be unsuccessful, the other two methods produced excellent simulation results: an NMSE between the target and the predistorted PA transfer functions up to -70 dB, and the complete elimination of distortion components in the frequency spectrum of a GSM test signal. While the evolution strategies achieved this level of linearization after about 4 hours of continuous work, the original algorithm consistently does so in a matter of seconds. In effect, this thesis outlines a way towards the meeting of the specifications of next-generation networks.