简介：一份关于DPD数字预失真技术的资料包，面向无线通信、射频功放线性化领域的工程师与算法学习者，围绕功率放大器非线性失真、带宽预补偿等核心问题展开。包内含237个文件，主要是MATLAB脚本（m文件）、仿真数据（mat）、自动备份文件（asv）以及技术文档（txt/doc）和补充压缩包，整体约7.63MB，便于直接运行与对照学习。内容涵盖DPD算法理论基础、PA非线性建模与预失真器设计，以及无线基站场景下的带宽预补偿实现，配有参考代码和测试数据，可帮助读者从理论到仿真快速落地。目前已有325人学习，适合需要系统理解DPD原理并开展仿真验证的中高级通信工程师。
1. DPD 数字预失真：带宽预补偿与功放线性化的核心权衡
百瓦级 Doherty 功放在 5G NR 大带宽信号激励下，AM/AM 和 AM/PM 失真会把邻道泄漏比压到 -30 dBc 以下，依靠功率回退提升线性度会让效率掉得比收益还快，整机热耗与供电预算都扛不住。DPD 数字预失真（Digital Pre-Distortion）的思路是在发射链路里构造功放的非线性逆函数，让“预失真器 × 功放”整体逼近线性放大，同时用带宽预补偿把线性工作带宽向前推，避免高频互调分量残留。2019 年之后的基站功放设计里，DPD 已经不是可选优化项，而是满足 ACPR 与 EVM 指标的必选模块。这篇文章按「非线性建模 → 系数提取 → 带宽预补偿 → 硬件约束 → 仿真验证」这条链路拆解，既适合刚接手功放调试的射频工程师搭出可复现的仿真链路，也适合要把 DPD 从浮点算法落到 FPGA 的数字工程师理解参数边界。
2. DPD 算法理论：从 PA 行为模型到记忆多项式逆系统
2.1 为什么必须先建立 PA 行为模型
DPD 的数学本质是求功放的非线性逆函数，而这个逆函数存在且稳定的前提，是系统本身能用参数化模型描述。从系统辨识的角度看，功放小信号区近似线性，进入压缩区后 AM/AM 曲线下弯、AM/PM 曲线偏移，而且输出不只依赖当前输入样本，还依赖过去一段时间的输入——这就是记忆效应。记忆效应来源包括电热耦合、偏置网络阻抗随包络变化、以及包络调制对栅极/漏极电压的扰动。信号带宽越宽，包络变化越快，记忆深度越深，无记忆模型的模型误差会直接变成残差互调，DPD 环路怎么收敛都压不掉邻道。
所以 DPD 工程实现的第一步不是急着写预失真器，而是给功放选一种精度和计算复杂度都可控的行为模型。业界最常见的是把功放看成“无记忆非线性级联线性动态系统”的简化形式，再用记忆多项式这类参数化模型去拟合输入输出采样数据。参考代码里出现的pa_cann.asv、pa_saleh_params_saleh6.asv正是两条典型路径：Saleh 模型用闭合表达式描述包络传递函数，适合快速验证整个 DPD 链路逻辑；Cann 模型带饱和压缩特性，更适合模拟 AB 类和包络跟踪（ET）功放。实际项目里还会用到 Wiener/Hammerstein 模型，但先跑通最基础的记忆多项式，再往复杂模型迁移，是风险最小的路径。
2.2 Saleh 与 Cann 两类行为模型的选择依据
| 模型 | AM/AM 表达 | AM/PM 表达 | 适用场景 | 局限 |
|---|---|---|---|---|
| Saleh | A(r) = αa·r / (1 + βa·r²) | Φ(r) = αφ·r² / (1 + βφ·r²) | 行波管、早期固态 PA、链路算法快速验证 | 对深压缩区拟合偏差大 |
| Cann | 修正切比雪夫压缩，参数 p 控制拐点锐度 | 模型本身无固有相位项，需外部级联 | AB 类、包络跟踪（ET）PA | AM/PM 需额外补偿结构 |
Saleh 模型只有四个可调参数（αa、βa、αφ、βφ），拟合速度快，但表达能力有限，压缩深度越大，残差越大。Cann 模型通过引入拐点参数可以更精细地刻画深回退区的非线性，参考代码里独立出现了pa_cann.asv和pa_cann_params_feipeng51.asv，说明仿真工程里把「模型主体函数」和「模型参数配置文件」分开管理了。这也是我从参考代码里看到的第一个值得模仿的设计：PA 模型文件只做数值计算，参数统一放独立文件，换功放时只改参数不改逻辑，后面做多组对比实验会省很多事。
需要注意，Cann 模型默认描述的是 AM/AM 压缩，不自带 AM/PM。真实功放的相位失真必须单独补一级多项式拟合，否则 DPD 收敛后 EVM 会异常。实际操作中我一般把 Cann 的输出接一个记忆多项式级联项来补相位，虽然多花一点计算量，但模型残差能从 -35 dB 降到 -45 dB 以下。
2.3 记忆多项式模型的建立与 DPD 逆模型训练
记忆多项式（Memory Polynomial, MP）是 Volterra 级数的最常用裁剪形式，保留对角线核，忽略交叉核，公式如下：
y(n) = Σ_{m=0}^{M} Σ_{k=1,3,5…}^{K} a_{km} · x(n−m) · |x(n−m)|^{k−1}
其中 k 只取奇数，是因为偶次项会产生直流分量和远离载频的谐波项，对带内线性化收益低且容易引入数值不稳定。M 是记忆深度，工程上基站的典型取值在 2～4；K 是非线性阶数，典型取值 5～9。阶数不是越高越好，后面会看到过拟合和矩阵病态的问题。
构造预失真器时，把 PA 输出 y 当作基函数输入，PA 输入 x 当作目标信号，用最小二乘求解系数向量 c：
% 构造记忆多项式基函数矩阵 % x: 输入信号序列（列向量），K: 最高非线性阶数（取奇数），M: 记忆深度 function U = build_mp_matrix(x, K, M) N = length(x); cols = ((K+1)/2) * (M+1); U = zeros(N, cols); col = 0; for m = 0:M xm = zeros(N, 1); if m > 0 xm(m+1:N) = x(1:N-m); % m 阶延迟，前 m 个样本补零 else xm = x; end for k = 1:2:K col = col + 1; U(:, col) = xm .* abs(xm).^(k-1); end end end上面这段代码的关键点在于延迟处理。xm(m+1:N) = x(1:N-m)实现的是纯延迟而非循环移位，补零部分对应记忆项在序列开头的过渡区，这比直接用circshift更符合物理因果性，不会把未来样本卷进来。实际工程里还需要加窗函数消除边界瞬态对 LS 求解的影响。
然后求解预失真器系数：
% 反馈信号 y 与发射信号 x 已完成延时对齐（对齐方法见下一章） K = 7; % 非线性阶数，从 5 开始尝试 M = 2; % 记忆深度，从 1 开始尝试 Uy = build_mp_matrix(y, K, M); % 加入 Tikhonov 正则项，防止条件数过大导致系数发散 lambda = 1e-3; c = (Uy'*Uy + lambda*eye(size(Uy,2))) \ (Uy'*x); % 计算预失真输出 x_pd = Uy * c;这里Uy的每一列对应一组基函数，c就是预失真器系数。目标是把x_pd经过功放后还原为原始输入 x 的线性放大，所以训练目标是让 x_pd ≈ x。lambda正则项的取值决定了数值稳定性和拟合精度的平衡，取值过大会引入拟合偏差，过小则矩阵求逆时噪声被放大。一般先从 1e-3 起步，观察系数范数和 NMSE 调整一个量级。
3. DPD 系数提取：延时对齐、LS 求解与自适应更新
3.1 反馈链路延时对齐：整数粗对齐与分数精对齐
从功放耦合器采回的反馈信号和发射参考信号之间，存在射频链路、混频器、ADC 抽取滤波器带来的固定延迟。这个延迟不消除，基函数矩阵和目标信号之间就没有对应关系，LS 解出来的系数全是错的。第一步做整数延迟粗对齐，用互相关峰值定位：
% 整数延时对齐：互相关粗扫描 % ref: 发射参考信号，fb: 未对齐的反馈信号 max_lag = 200; % 扫描范围，按反馈链路预估最大延迟设置 [corr, lags] = xcorr(ref, fb, max_lag); [~, idx] = max(abs(corr)); int_delay = lags(idx); % 用索引截断而非循环移位，避免尾部回卷污染 if int_delay > 0 fb_aligned = fb(int_delay+1:end); ref_used = ref(1:end-int_delay); else fb_aligned = fb(1:end+int_delay); ref_used = ref(1-int_delay:end); end互相关粗对齐的精度是一个采样周期，但实际延迟往往不是采样周期的整数倍。残余的分数延迟会表现为反馈信号上的线性相位倾斜，直接抬高 EVM。解决方法是先把反馈信号插值到 4～8 倍过采样率做对齐，再抽取回来；硬件实现里更常见的方案是 Farrow 结构的分数延时滤波器。插值对齐的思路可以概括为：先粗对齐保证符号级同步，再做插值后精细相位补偿，两次对齐的误差预算都在 0.05 个采样周期以内。
3.2 LS 求解的病态问题与正则化策略
记忆多项式基函数矩阵中，不同阶数的基函数之间存在很强的相关性，尤其是|x|^3和|x|^5在小信号区波形高度相似。这会直接导致法方程矩阵U'*U条件数恶化。下面的表给出了不同 K、M 组合下矩阵规模的变化趋势：
| K（阶数） | M（记忆深度） | 基函数列数 | 矩阵规模（N=16384） | 备注 |
|---|---|---|---|---|
| 5 | 1 | 3 × 2 = 6 | 16384 × 6 | 起步配置，欠拟合风险 |
| 7 | 2 | 4 × 3 = 12 | 16384 × 12 | 常用配置，多数场景够用 |
| 9 | 3 | 5 × 4 = 20 | 16384 × 20 | 强非线性场景，需防过拟合 |
| 11 | 4 | 6 × 5 = 30 | 16384 × 30 | 不建议直接用于硬件 |
当列数超过 20 时，矩阵条件数可能达到 1e8 以上，直接求逆后系数会呈现正负交替的大数值，预失真器输出被噪声主导。解决方案有多种，我优先推荐 QR 分解配合列主元，数值稳定性比普通法方程好两个数量级。另一种常用方案是 SVD 截断，把小奇异值直接置零。下面这段代码展示了在 MATLAB 里用 QR 加正则化组合的方式：
% 使用 QR 分解求解带正则项的 LS 问题 % 相比直接计算 (U'*U)\，QR 方式在复数基函数下数值更稳 [Q, R] = qr(Uy, 0); d = Q' * x; c_qr = R \ d; % 正则化的等效实现：对 R 的对角项加阻尼 R_reg = R; r_diag = diag(R); R_reg(1:length(r_diag)+1:end) = r_diag + 1e-4 * max(r_diag); c_reg = R_reg \ d;R矩阵是上三角，对它的对角项加一个相对阻尼量，等效于给法方程加了小的对角正则项。阻尼系数按R对角最大值的比例取，避免不同量纲下固定lambda失效。实际调参时，我会同时计算训练数据上的 NMSE 和测试数据上的 NMSE，两者差距大就是过拟合，这时优先减小 K 而不是增加正则项，因为正则项压掉了真实的非线性信息。
3.3 从块处理到自适应更新：LMS 与包络跟踪场景
参考代码里出现了et_pa_dpd01.asv到et_pa_dpd04.asv这四组文件，et前缀指向包络跟踪（Envelope Tracking）功放。包络跟踪场景下 PA 的供电电压随包络动态变化，等效的 AM/AM 曲线也在实时漂移，块处理的 LS 只能适应一个时间窗口内的平均特性，无法跟上供电调制引起的快速变化。这时要在 LS 系数的位置换成自适应更新。
LMS 的思想是每来一个样本就沿着误差梯度的反方向修正系数。DPD 场景下目标误差是功放输出与参考输入之间的差值，调用的基函数仍来自记忆多项式。简化实现如下：
% LMS 在线系数更新（浮点参考实现） % x_pd: 当前预失真输出，y_fb: 当前反馈样本，Uy_row: 当前基函数行向量 alpha = 0.05; % 步长，过大发散，过小收敛慢 err = x_ref(n) - y_fb(n); % 预失真误差近似 c = c + alpha * conj(err) * Uy_row.'; % 更新系数向量LMS 的步长需要按基函数功率做归一化，也就是 NLMS，否则大功率信号段会把系数推得来回震荡。ET 场景更实用的做法是分段线性化：把包络幅度分成几十个区间，每个区间维护一组 LS 系数，区间之间用线性插值过渡。这个方法比纯 LMS 收敛快，也比单独一个大矩阵的 LS 能追随包络变化，是当前基站 DPD 方案的常见形态。
4. 带宽预补偿：宽带信号的频率扩展与硬件实现边界
4.1 带宽预补偿到底在补偿什么
很多刚接触 DPD 的工程师有个误区：以为 DPD 只修带内非线性失真。实际上非线性系统对宽带信号的混频效应会生成远宽于信号本身的频谱分量。以 100 MHz NR 信号为例，三阶互调产物展宽到 300 MHz，五阶互调展宽到 500 MHz。如果预失真器生成的分量带宽不足，功放输出的高频互调缺失对应抵消项，邻道仍会残留一个“没有对消的尾巴”。带宽预补偿的含义就是让预失真器生成的修正信号带宽覆盖到功放有效非线性阶数对应的频率范围，通常取信号带宽的 3～5 倍。
这也解释了为什么 DPD 对 DAC 和反馈 ADC 的采样率要求远高于信号带宽。5 倍信号带宽是最低门槛，100 MHz 信号需要至少 500 MHz 的净处理带宽，再考虑镜像抑制滚降，DAC 实际采样率要做到 800 Msps 以上。反馈链路的 ADC 同样需要足够带宽，否则采回来的失真分量已经被抗混叠滤波器削掉了，DPD 看不到高频失真就没法补偿。硬件条件不满足时，提高 K 阶数也没有意义——频域上信息已经丢失。
4.2 从 Xilinx DPD IP core 看硬件架构约束
Xilinx 的 DPD IP core 在基站和 RRU 场景里用得很多，它提供的信号完整性问题暴露了 DPD 工程落地的几个真实约束。第一，IP 内部的预失真器通常用分段多项式或查找表逼近记忆多项式，而不是直接做大矩阵乘法，因为 FPGA 里实现上千次复数乘加并不划算，LUT 分段拟合可以跑在更高的时钟频率下。第二，IP 的系数更新路径是异步的，外部计算完系数后握手写入，内部做系数平滑过渡，防止跳变引起频谱突变。这对应到浮点仿真里就是“块更新 + 帧间插值”。第三，反馈路径要配置抽取滤波器和延时对齐模块，IP 会输出延迟补偿后的参考信号和反馈信号对，供外部做系数估计。
| 技术点 | 浮点 MATLAB 仿真 | 硬件实现（含 Xilinx IP） |
|---|---|---|
| 预失真内核 | 记忆多项式矩阵乘 | 分段多项式 / LUT 插值 |
| 系数更新 | LS 一次求解 | 协处理器分块求解，握手写入 |
| 延时对齐 | xcorr 粗对齐 + 插值精对齐 | 相关器 + 分数延时线 |
| 反馈处理 | 全精度浮点 | 定点化，位宽 12～16 bit |
从软件到硬件迁移时，项目里最大的坑是系数定点化的动态范围。浮点 LS 解出的系数动态范围可能相差 40 dB，定点量化后小系数直接丢了。解决办法是在 IP 配置里把系数按峰均比做归一化，或对基函数幅度预缩放，让各个核系数落在相近的数量级。
4.3 采样率规划与频域混叠的验证方法
在浮点仿真阶段就按硬件的采样率预算验证带宽预补偿，能提前发现频谱混叠问题。建议仿真链路里模拟反馈采样的抽取过程，观察抽取前后互调分量是否被混叠进带内。下面的 MATLAB 示例通过对比 3 倍和 5 倍采样率下的频谱来估计最小需要带宽：
% 观察预失真信号带宽与采样率的关系 % x_pd: 预失真输出信号，fs: 当前仿真采样率，BW_signal: 信号带宽 Nfft = 2^nextpow2(length(x_pd)); spec = fftshift(fft(x_pd, Nfft)); freq = (-Nfft/2 : Nfft/2-1) / Nfft * fs; % 统计 90% 能量占比处的截止频率，判断混叠风险 cum_power = cumsum(abs(spec).^2) / sum(abs(spec).^2); bw90 = freq(find(cum_power >= 0.9, 1)); fprintf('90%% 能量带宽: %.2f MHz (信号带宽 %.2f MHz)\n', ... bw90/1e6, BW_signal/1e6);这里用 90% 能量带宽作为预失真信号实际展宽程度的代理指标。如果 bw90 超过 fs/2 的 80%，说明预留带宽不足，仿真阶段的系数估计会受到混叠污染。实际工程里也应把这个指标作为硬件选型的验证项，避免到实验室整机联调时才发现反馈 ADC 带宽不够导致 ACPR 无法收敛。
5. 从参考代码还原 DPD 仿真工程与验证方法
参考代码里清一色的.asv后缀是 MATLAB 自动保存文件，本质就是对应.m文件的上一版本快照，直接改名即可运行。从文件命名可以倒推出一套完整的仿真工程结构：pa_saleh_params_saleh6.asv是 Saleh 模型的参数配置文件，pa_cann.asv和pa_cann_params_feipeng51.asv是 Cann 模型主体与参数文件，et_pa1.asv到et_pa_dpd04.asv是包络跟踪场景的实验迭代版本，mkplot_et.asv是针对 ET 场景的绘图脚本。这个结构说明原作者把 PA 模型、参数配置、DPD 算法迭代、结果可视化分成了四个职责清晰的模块。
拿到这套代码后，我建议按下面这个流程验证 DPD 链路是否完整：
# 第一步：把 asv 快照转成可运行的 m 脚本 for f in *.asv; do mv "$f" "${f%.asv}.m" done运行顺序是：先跑pa_saleh_params_saleh6生成 PA 输出，再用build_mp_matrix构造基函数矩阵并提取 DPD 系数，然后级联仿真对比 ACPR 与 EVM。有一个很容易踩的坑是绘图脚本使用了对数坐标或缩放量纲不一致，导致看 AM/AM 曲线时以为收敛了，实际 ACPR 测出来却很差，因此验证时以数值指标为准。
| 验证项 | 仿真指标 | 通过条件 |
|---|---|---|
| 模型拟合残差 | NMSE | 小于 -35 dB |
| 邻道泄漏比 | ACPR | 相比无 DPD 改善 ≥ 15 dB |
| 信号质量 | EVM | 小于 3% RMS |
| 系数稳定性 | 系数范数变化 | 多次求解方差 < 1e-3 |
调试时先固定 K=5、M=1，逐步加到 K=7、M=2，每次加完看 NMSE 改善是否超过 1 dB，不够说明 PA 模型的复杂度才是瓶颈，盲目加阶数只会让矩阵更病态。ET 场景则先关闭包络调制，跑通静态 DPD 后再打开et_pa1的包络动态逻辑，这样能把「算法问题」和「时变跟踪问题」分开定位。最简单的做法是把pa_saleh_params_saleh6.asv改成.m跑通无记忆级联，画出 AM/AM 曲线观察压缩点位置，再决定 K 和 M 的起点。
本文还有配套的精品资源，点击获取
