非线性系统失真校正装置及方法 技术领域 本发明涉及通信领域， 具体而言， 涉及一种非线性系统失真校正装置及方法。 背景技术 随着移动通信的发展， 频谱资源越来越稀缺， 为了提高频谱利用效率， 往往采用 高效率的调制方式， 然而这些调制方式在功率放大器工作在接近饱 和区时却产生了交 调干扰， 这导致功率放大器产生严重的非线性失真。 解决功率放大器非线性失真问题 的一个途径是采用功率回退技术，但这又导致 了功率放大器的低效率和高功耗。因此， 频率利用率和功放效率的折衷要求采用某种处 理技术对功放的非线性失真进行校正， 数字预失真技术以其成本不高和性能较好的优 势成为当前非线性系统失真校正的首要 选择。 在移动通信系统中， 功率放大器的特性随着环境温度、 器件老化而改变， 因此， 为了提高功放非线性失真的改善效果， 需要对校正参数进行自适应。 目前已有的数字 预失真处理方法通常采用一种间接学习结构对 校正参数进行自适应。 例如， 建立一个 逆模型（即校正参数）， 使功放的输出通过该模型的响应逼近功放的输 入， 由于这种方 法在逆模型的建立过程中， 信号中的噪声分布使得模型参数最终收敛于一 个有偏值。 因此， 上述方法在功放线性指标要求不高的场合非常 有效，但对于高线性要求的系统， 已有的数字预处理方法效果不能达到最佳。 针对这一问题， 目前尚未提出有效的解决 方案。 发明内容 本发明提供了一种非线性系统失真校正装置及 方法， 以解决上述问题。 根据本发明的一个方面， 提供了一种非线性系统失真校正装置， 包括： 自适应器 模块、 预校正器模块， 其中， 自适应器模块包括： 数据采集单元， 设置为采集主链路 数据和反馈链路数据； 信号处理单元， 设置为对采集到的主链路数据和反馈链路数据 进行预处理； 校正参数辨识单元， 设置为根据预处理后的主链路数据和反馈链路 数据 进行参数辨识， 得到非线性系统的校正参数； 预校正器模块， 设置为根据校正参数对 主链路数据进行预校正处理。 校正参数辨识单元包括： 矩阵构造子单元， 设置为根据失真校正模型、 预校正后 的信号以及预处理后的主链路数据和反馈链路 数据构建参数辨识矩阵和目标矩阵； 伪 逆计算子单元， 设置为计算参数辨识矩阵的伪逆矩阵； 参数辨识子单元， 设置为根据 目标矩阵、 参数辨识矩阵的伪逆矩阵及预定的参数辨识算 法进行参数辨识， 得到非线 性系统的校正参数。 上述失真校正模型包括以下之一：通用记忆多 项式模型、 Wiener模型、 Hammerstein 模型、 Volterra模型、 神经网络、 小波网络； 和 /或， 计算参数辨识矩阵和目标矩阵的 伪逆矩阵的算法包括以下之一： 奇异值分解、 QR分解、 Cholesky分解； 和 /或， 预定 的参数辨识算法包括以下之一： 最小二乘算法、 递归最小二乘算法、 最小均方算法。 预校正器模块包括： 地址索引单元， 设置为对主链路信号的幅值或功率进行线性 或非线性映射， 产生索引地址信息； 校正信号生成单元， 设置为在校正参数中查找索 引地址信息对应的内容， 生成失真校正信号； 预校正处理单元， 设置为根据失真校正 信号对主链路信号进行预校正处理。 地址索引单元对主链路信号的幅值或功率进行 线性或非线性映射， 产生索引地址 信息的映射算法可以包括： or f _a ( x )， 其中， a 为校正信号的地址信息， |x|和 |x| ² 为信号的模值和功率， /。(·)为映射 函数， or为或； 预校正处理单元根据失真校正信号对主链路信 号进行预校正处理的算法可以包 括： y(n) = F _{u x} (U, X) ,

U = [U(n), U(n - l), ..., U(n - K)]，

X = [x(n), x(n _ 1), ... , x(n - J)] , 其中， 为根据索引地址信息查找得到的失真校正信号 向量， 为主链路信号向 量， f为校正信号的最大延迟， J为主链路信号的最大延迟， 《为信号采样时间序号， _y为预校正后信号； _χ (·)为预校正函数。 根据本发明的另一方面， 提供了一种非线性系统失真校正方法， 包括： 采集主链 路数据和反馈链路数据； 对采集到的主链路数据和反馈链路数据进行预 处理； 根据预 处理后的主链路数据和反馈链路数据进行参数 辨识， 得到非线性系统的校正参数； 根 据校正参数对主链路数据进行预校正处理。 根据预处理后的主链路数据和反馈链路数据进 行参数辨识， 得到非线性系统的校 正参数包括： 根据失真校正模型、 预校正后的信号以及预处理后的主链路数据和 反馈 链路数据构建参数辨识矩阵和目标矩阵； 计算参数辨识矩阵的伪逆矩阵； 根据目标矩 阵、 参数辨识矩阵的伪逆矩阵及预定的参数辨识算 法进行参数辨识， 得到非线性系统 的校正参数。 上述失真校正模型包括以下之一：通用记忆多 项式模型、 Wiener模型、 Hammerstein 模型、 Volterra模型、 神经网络、 小波网络； 和 /或， 计算参数辨识矩阵和目标矩阵的 伪逆矩阵的算法包括以下之一： 奇异值分解、 QR分解、 Cholesky分解； 和 /或， 预定 的参数辨识算法包括以下之一： 最小二乘算法、 递归最小二乘算法、 最小均方算法。 根据校正参数对主链路数据进行预校正处理包 括： 对主链路信号的幅值或功率进 行线性或非线性映射， 产生索引地址信息； 在上述校正参数中查找上述索引地址信息 对应的内容， 生成失真校正信号； 根据失真校正信号对主链路信号进行预校正处 理。 对主链路信号的幅值或功率进行线性或非线性 映射， 产生索引地址信息的映射算 法可以包括： or f _a ( x )， 其中， a 为校正信号的地址信息， |x|和 |x| ² 为信号的模值和功率， /。(·)为映射 函数， or为或； 根据失真校正信号对主链路信号进行预校正处 理的算法可以包括： y(n) = F _{u x} (U, X) ,

U = [U(n), U(n - l), ..., U(n - K)]，

X = [x(n), x(n _ 1), ... , x(n - J)] , 其中， 为根据索引地址信息查找得到的失真校正信号 向量， 为主链路信号向 量， f为校正信号的最大延迟， J为主链路信号的最大延迟， 《为信号采样时间序号，

_y为预校正后信号； _χ (·)为预校正函数。 通过本发明， 采用同时采集主链路数据和反馈链路数据， 在对其进行了预处理后 一起作为参数辨识的基础， 生成校正参数以进行主链路数据预校正的方案 ， 解决了现 有数字预处理方法不能满足高线性要求的问题 ， 进而达到了提高校正参数的辨识精度 的效果。 附图说明 此处所说明的附图用来提供对本发明的进一步 理解， 构成本申请的一部分， 本发 明的示意性实施例及其说明用于解释本发明， 并不构成对本发明的不当限定。 在附图 中： 图 1是根据本发明实施例的非线性系统失真校正� �置的结构框图； 图 2是根据本发明第一优选实施例的非线性系统� �真校正装置的结构框图； 图 3是根据本发明第二优选实施例的非线性系统� �真校正装置的结构框图； 图 4是现有非线性系统失真校正装置的结构示意� �； 图 5是根据本发明实例的非线性系统失真校正装� �的结构示意图； 图 6是根据本发明实例的预校正器的基本结构图� � 图 7是根据本发明实例的自适应器的基本结构图� � 图 8是根据本发明实例一的功放预校正装置的具� �结构示意图； 图 9是根据本发明实例二的功放预校正装置的具� �结构示意图； 图 10是根据本发明实施例的非线性系统失真校正� ��法的流程图； 图 11是根据本发明优选实施例的非线性系统失真� ��正方法的流程图。 具体实施方式 下文中将参考附图并结合实施例来详细说明本 发明。 需要说明的是， 在不冲突的 情况下， 本申请中的实施例及实施例中的特征可以相互 组合。 图 1是根据本发明实施例的非线性系统失真校正� �置的结构框图。 如图 1所示， 根据本发明实施例的非线性系统失真校正装置 包括： 自适应器模块 12、 预校正器模块 14， 其中， 自适应器模块 12包括： 数据采集单元 122， 设置为采集主链路数据和反馈链路数据； 信号处理单元 124，连接至数据采集单元 122， 设置为对采集到的主链路数据和反 馈链路数据进行预处理； 校正参数辨识单元 126，连接至信号处理单元 124， 设置为根据预处理后的主链路 数据和反馈链路数据进行参数辨识， 得到非线性系统的校正参数； 预校正器模块 14，连接至自适应器模块 12， 设置为根据校正参数对主链路数据进 行预校正处理。 上述装置采用了基于正向迭代的自适应方式， 将主链路数据和反馈链路数据都作 为计算校正参数的数据基础， 解决了功率放大器的非线性失真带来的频谱扩 散问题， 提高了校正参数的辨识精度。 本实例中， 主链路数据也可以称为未经预校正的信号或 预校正器模块 14的输入信号，反馈链路数据也可以称为经过� ��非线性系统的信号或非 线性系统的输出信号。 信号处理单元 124所进行的预处理与现有技术中为了得到校正 参数所进行的预处 理相同， 可以包括： 移频、 滤波、 信号校正等一般性的处理， 通过预处理即可在进行 参数辨识前， 对基础数据进行整理， 以进行后续的处理。 对于校正参数的识别， 在根据本实施例装置引入了主链路数据之后， 可以根据多 种方式来进行参数识别， 在本实施例中， 提供了一种较优的实施方式， 图 2是根据本 发明第一优选实施例的非线性系统失真校正装 置的结构框图， 如图 2所示， 校正参数 辨识单元 126可以进一步包括： 矩阵构造子单元 1262， 设置为根据失真校正模型、 预校正后的信号以及预处理后 的主链路数据和反馈链路数据构建参数辨识矩 阵和目标矩阵； 伪逆计算子单元 1264，连接至矩阵构造子单元 1262， 设置为计算参数辨识矩阵的 伪逆矩阵； 参数辨识子单元 1266， 连接至矩阵构造子单元 1262及伪逆计算子单元 1264， 设 置为根据目标矩阵、 参数辨识矩阵的伪逆矩阵及预定的参数辨识算 法进行参数辨识， 得到非线性系统的校正参数。 校正参数辨识分为三步， 首先， 构造参数辨识所需矩阵， 即参数辨识矩阵和目标 矩阵， 参数辨识矩阵和目标矩阵是由预处理后的主链 路信号、 预处理后的反馈信号和 预校正后的信号（即非线性系统的输入信号） 通过失真校正模型共同构造而成； 其次， 计算参数辨识矩阵的伪逆矩阵； 最后， 采用预定的参数辨识算法对上述目标矩阵及参 数辨识矩阵的伪逆矩阵进行参数辨识， 得出非线性系统的校正参数。 优选的， 上述失真校正模型可以包括以下之一： 通用记忆多项式模型、 Wiener模 型、 Hammerstein模型、 Volterra模型、 神经网络、 小波网络； 禾 P/或， 计算参数辨识矩 阵和目标矩阵的伪逆矩阵的算法可以包括以下 之一： 奇异值分解、 QR分解、 Cholesky 分解； 和 /或， 预定的参数辨识算法可以包括以下之一： 最小二乘算法、 递归最小二乘 算法、 最小均方算法。 在具体实施过程中， 可使用的模型和算法包括但不限于上述的模型 和算法， 可以 根据具体需要进行扩展并进行不同的搭配。 上述的模型和算法在现有技术中都有明确 的含义及应用方法， 本实例中不再赘述。 对于预校正处理， 也可以由多种方式来进行， 在本实施例中， 提供了一种较优的 实施方式， 如图 3所示， 图 3是根据本发明第二优选实施例的非线性系统� �真校正装 置的结构框图。 需要说明的是， 图 2及图 3所示的非线性系统失真校正装置， 可以按 各自结构单独使用也可以对其结构进行结合使 用。 如图 3所示， 预校正器模块 14可以进一步包括： 地址索引单元 142， 设置为对主链路信号的幅值或功率进行线性或 非线性映射， 产生索引地址信息； 校正信号生成单元 144，连接至地址索引单元 142， 设置为在上述校正参数中查找 上述索引地址信息对应的内容， 生成失真校正信号； 预校正处理单元 146，连接至校正信号生成单元 144， 设置为根据失真校正信号对 主链路信号进行预校正处理。 预校正也可以分为三步完成， 首先， 对主链路信号的幅值或功率进行线性或非线 性映射， 产生索引地址信息； 其次， 在正参数辨识单元 126生成的校正参数中查找上 述索引地址信息对应的内容， 生成失真校正信号； 最后， 根据失真校正信号对主链路 信号进行预校正处理， 得到预校正后的信号， 以抵消后续非线性系统产生的非线性失 真。 优选的， 地址索引单元 142对主链路信号的幅值或功率进行线性或非线 性映射， 产生索引地址信息的映射算法可以包括： or f _a ( x )， 其中， a 为校正信号的地址信息， |x|和 |x| ² 为信号的模值和功率， /。(·)为映射 函数， or为或； 预校正处理单元 146根据失真校正信号对主链路信号进行预校正 处理的算法可以 包括： y(n) = F _{u x} (U, X) ,

U = [U(n), U(n - l), ..., U(n - K)]，

;r = [xO), x( - i) x( - J)]， 其中， 为根据索引地址信息查找得到的失真校正信号 向量， 为主链路信号向 量， f为校正信号的最大延迟， J为主链路信号的最大延迟， 《为信号采样时间序号， _y为预校正后信号； _χ (·)为预校正函数。 地址索引单元 142在生成索引地址信息时， 是对主链路信号的幅值或功率进行线 性映射还是非线性映射体现在为映射函数 /。(·)的选择上， 而具体选择怎样的映射函数 需要根据实际情况确定。 同样， 预校正处理单元 146根据失真校正信号对主链路信号 进行与校正处理的关键， 也在于预校正函数 ^0的选择， 需要根据实际情况确定。 下面结合实例对上述优选实施例进行详细说明 。 为了帮助理解本发明， 首先对现有的非线性系统失真校正装置难以满 足高线性指 标要求的原因进行简单的说明。 如图 4所示， 对于 GSM多载波系统来说， 图中的非 线性系统主要是功放， 功放在对信号进行放大的同时， 也对信号的幅度和相位产生了 非线性失真， 这些失真在时域上造成信号包络失真， 在频域上造成了频谱扩散， 从而 导致临道泄露功率比恶化和信号解调指标差。 在传统的功放非线性校正装置中， 校正 参数是根据功放的输入数字信号和耦合的反馈 数字信号， 通过建立功放的逆模型得到 功放的非线性校正参数。 上述方案的缺点是在构建功放逆模型的过程中 ， 改变了反馈 信号中观测噪声的分布特性， 从而影响了功放逆模型的参数辨识精度， 在线性指标要 求高的场合， 其非线性失真校正性不能满足要求。 图 5是根据本发明实例的非线性系统失真校正装� �的结构示意， 亦展现了该装置 在通信系统中的位置。如图 5所示， 整个非线性失真校正装置包括： 信号发生器模块、 预校正器模块、 DAC模块、 ADC模块、 非线性系统模块、 自适应器模块和控制信号 模块。 这里， 信号发生器模块、 DAC模块、 ADC模块， 为在本实例具体实施过程需要 添加的基础功能模块， 用于提供原始信号及进行数模转换； 非线性系统模块即造成非 线性失真的模块。 在本实例中： 信号发生器模块会产生主链路信号， 即待非线性处理的数字信号。 信号发生器模 块产生的主链路信号， 经过预校正器模块的预校正处理， 得到的预校正后的信号； 预 校正后的信号经过数模转换以及非线性系统的 处理得出非线性系统的输出信号， 非线 性系统的输出信号经过模数转换以后， 得到反馈数据信号。 在自适应器模块中， 对主链路信号和反馈数字信号进行信号预处理 以后， 建立非 线性系统的失真模型， 采用参数辨识算法， 辨识得到校正参数， 并下载到预校正器， 从而实现校正参数的自适应处理。 预校正器模块对主链路信号进行数字预校正处 理， 得到预校正后的信号。 预校正 器模块根据信号的幅度和相位信息， 对主链路信号进行预校正， 该校正信息与非线性 系统产生的失真信号的幅度相等、 相位相反， 因此可以抵消非线性系统对主链路信号 造成的失真。 预校正后信号经过 DAC模块实现从数字域到模拟域的转换， 并通过非线性系统 模块实现信号的非线性处理。 非线性系统的输出信号通过 ADC模块， 最终得到反馈 数字信号。 自适应器模块定时完成主链路信号、 预校正后信号和反馈数字信号的采集， 对采 集信号进行必要的预处理以后， 采用参数辨识算法辨识得到校正参数， 并下载到预校 正器。 在具体实施过程中， 还可以设置一控制信号模块， 以相对独立的实现对自适应器 模块的控制， 包括控制自适应器模块中数据的采集、 信号预处理流程、 校正参数辨识 和校正参数的下载等； 图 6是根据本发明实例的预校正器模块的基本结� �图， 包括地址索引单元、 校正 信号产生单元和预校正处理单元。 地址索引单元和校正信息产生单元主要负责对 输入信号的幅值或者功率进行线性 或非线性映射， 产生索引地址信息， 并根据该地址信息得到与输入数据对应的校正 信 号。 地址索引单元可以采用的映射关系如下式： 其中， a 为校正信号的地址信息， |x|和 |x| ² 为信号的模值和功率， /。(·)为映射 函数， 例如， /。(·)采用对数函数。 本发明的映射函数不限于上述对数映射。 预校正处理单元主要负责对主链路信号进行预 校正处理。 预校正单元可以采用的 公式如下： y(n) = F„ _x (U,X) (2)

U = [U(nl U(n -!),..., U(n- K)] (3)

X = [x(n), x(n-\),...,x(n-J)] (4) 其中， 为根据地址查找得到的失真校正信号向量， 为主链路信号向量， K为 校正信号的最大延迟， J为主链路信号的最大延迟， 《为信号采样时间序号， _y为预 校正后信号， _χ (·)为预校正函数。 总的来说， 预校正处理模块执行的步骤如下: 步骤 1， 地址产生。 计算主链路信号的幅值或功率， 根据式 （1 ) 计算得到校正信 号的索引地址。 步骤 2， 计算失真校正信号。 使用产生的索引地址在校正参数中查找对应的 内容。 步骤 3， 预校正处理。 使用失真校正信号， 按照式 （2)、 ( 3 ) 和 （4) 对主链路信 号进行预校正处理， 得到预校正后信号。 图 7是根据本发明实例的自适应器的基本结构图� � 包括数据采集单元、 信号处理 单元、 校正参数辨识单元。 数据采集单元主要负责采集校正参数辨识所需 的处理数据， 包括主链路信号、 反 馈数字信号， 也可用于对预校正后的信号直接进行采集。 需要说明的是， 在预校正后 的信号的采集不是必须的， 也可以通过对采集的主链路信号进行预校正处 理， 间接得 到预校正后信号。 信号处理单元主要负责对采集的数字信号进行 必要的数据预处理。 校正参数辨识单元主要负责把预处理后的信号 按照预定的失真模型构建得到参数 辨识矩阵 R和目标矩阵 /)， 采用参数辨识算法， 辨识得到校正参数， 并把校正参数下 载到校正信息产生单元中。 在具体实施过程中， 如是需要经常更新校正参数， 可以再单独设置一参数下载单 元， 负责保存和更新校正参数， 再把校正参数下载到校正信息产生单元中。 失真模型可以采用通用记忆多项式模型， 如下式： 其中， 为模型输入信号， 为信号延迟， P为模型阶数， J,K为最大延迟， P 为模型最高阶数， 为模型系数。 对应到本发明中， 为信号发生器模块的输出信 号， 为目标矩阵 /) ; 可用的失真模型不限于通用记忆多项式模型， 也可以是 Wiener模型、 Hammerstein 模型、 Volterra模型、 神经网络和小波网络等。 校正参数辨识可以采用最小二乘辨识算法。 W = R~ ^l D ( 5 ) 其中， R为辨识矩阵， /)为目标矩阵 （/)的构建方法在下文中举例说明）， W为 校正参数， （ ¹ 为求伪逆运算， 其他表达式的意义与式 （5 ) —致。 同样的， 可用的算法不限于式（6)所示的最小二乘辨识� ��法， 还包括递归最小二 乘算法和最小均方算法等其他迭代算法。 对应的， 本发明辨识矩阵 R的构造不限于式 ( 7) 所示的表达式， 可以根据失真模型而改变。 总的来说， 校正参数辨识单元执行的步骤如下： 步骤 1， 构造参数辨识所需矩阵。 根据式 （7) 构造出参数辨识矩阵 R和目标矩阵 D , 参数辨识矩阵 R和目标矩阵 /)是由主链路信号、 反馈信号和预校正后信号共同构 造。 步骤 2， 计算伪逆。 采用奇异值分解、 QR分解或 Cholesky分解等矩阵求逆方法 计算参数辨识矩阵 R的伪逆。 步骤 3， 辨识校正参数。 采用最小二乘算法、 RLS算法或 LMS算法等辨识得到校 正参数。 图 8是根据本发明实例一的功放预校正装置的具� �结构示意图。 在本实例中， 非 线性系统为功放， 各模块没有在图中明示， 而是通过实现的功能表示。 整个系统包括作为应用基础的基带信号模块、 通道滤波模块、预校正器模块、 DAC 模块、 ADC模块、 上变频模块、 下变频模块、 LO模块、 功放模块和衰减器模块。 在 本实例中，预校正后的信号按照式（8 )所示的预校正函数得到。构造参数辨识矩阵� �， 参数辨识矩阵 R根据式（7)构造， 目标矩阵/)由反馈信号与预校正后信号的差值� ��造， 如式 （9) 所示。 其他模块处理方式与上述的及现有技术相同。 y = x - U * X ( 8 ) D = z -y ( 9) 其中， _y为预校正后信号， X为主链路信号， 为校正信号， 为主链路信号通 过延迟得到的向量。 图 9是根据本发明实例二的功放预校正装置的具� �结构示意图。 在本实例中， 非 线性系统为功放， 各模块没有在图中明示， 而是通过实现的功能表示。 整个系统包括作为应用基础的基带信号模块、 通道滤波模块、预校正器模块、 DAC 模块、 ADC模块、 上变频模块、 下变频模块、 LO模块、 功放模块、 和衰减器模块。 在本实例中， 多次项构造器根据式 （10)和 （11) 构造多次项序列 M， 补偿器根据式 (12) 构造校正信号， 预校正后的信号按照式 （13) 所示的预校正函数得到。 在构造 参数辨识矩阵时， 参数辨识矩阵 R根据式（7)构造， 目标矩阵/)由预校正后信号与反 馈信号的差值构造， 如式 （13) 所示。 其他模块处理方式与上述的及现有技术相同。 = [ ₀ , ,,..., ^...] (10) 其中， 为多项式序列， P为多项式最高阶数， |·|为模值运算， X为多载波合路 信号， Α为信号延迟。

U = M"W (12) 其中， 为失真补偿信号， 为预失真参数， 为多次项序列。 y = x + U*X (13)

D=y-z (14) 图 10是根据本发明实施例的非线性系统失真校正� ��法的流程图。 如图 10所示， 根据本发明实施例的非线性系统失真校正方法 包括： 步骤 S1002, 采集主链路数据和反馈链路数据； 步骤 S1004, 对采集到的主链路数据和反馈链路数据进行预 处理； 步骤 S1006, 根据预处理后的主链路数据和反馈链路数据进 行参数辨识， 得到非 线性系统的校正参数； 步骤 S1008, 根据校正参数对主链路数据进行预校正处理。 上述方法采用了基于正向迭代的自适应方式， 将主链路数据和反馈链路数据都作 为计算校正参数的数据基础， 解决了功率放大器的非线性失真带来的频谱扩 散问题， 提高了校正参数的辨识精度。 优选地， 步骤 S1006可以进一步包括以下处理： ( 1 )根据失真校正模型、预校正后的信号以及预� �理后的主链路数据和反馈链路 数据构建参数辨识矩阵和目标矩阵；

(2) 计算参数辨识矩阵的伪逆矩阵；

(3 )根据目标矩阵、参数辨识矩阵的伪逆矩阵及� �定的参数辨识算法进行参数辨 识， 得到非线性系统的校正参数。 校正参数辨识分为三步， 首先， 构造参数辨识所需矩阵， 即参数辨识矩阵和目标 矩阵， 参数辨识矩阵和目标矩阵是由预处理后的主链 路信号、 预处理后的反馈信号和 预校正后的信号（即非线性系统的输入信号） 通过失真校正模型共同构造而成； 其次， 计算参数辨识矩阵的伪逆矩阵； 最后， 采用预定的参数辨识算法对上述目标矩阵及参 数辨识矩阵的伪逆矩阵进行参数辨识， 得出非线性系统的校正参数。 优选地， 上述失真校正模型可以包括以下之一： 通用记忆多项式模型、 Wiener模 型、 Hammerstein模型、 Volterra模型、 神经网络、 小波网络； 禾 P/或， 计算参数辨识矩 阵和目标矩阵的伪逆矩阵的算法可以包括以下 之一： 奇异值分解、 QR分解、 Cholesky 分解； 和 /或， 预定的参数辨识算法可以包括以下之一： 最小二乘算法、 递归最小二乘 算法、 最小均方算法。 在具体实施过程中， 可使用的模型和算法包括但不限于上述的模型 和算法， 可以 根据具体是需要进行扩展并进行不同的搭配。 优选地， 步骤 S1008可以进一步包括以下处理：

( 1 ) 对主链路信号的幅值或功率进行线性或非线性 映射， 产生索引地址信息；

(2) 在上述校正参数中查找上述索引地址信息对应 的内容， 生成失真校正信号； (3 ) 根据失真校正信号对主链路信号进行预校正处 理。 预校正也可以分为三步完成， 首先， 对主链路信号的幅值或功率进行线性或非线 性映射， 产生索引地址信息； 其次， 在校正参数中查找上述索引地址信息对应的内 容， 生成失真校正信号； 最后， 根据失真校正信号对主链路信号进行预校正处 理， 得到预 校正后的信号， 以抵消后续非线性系统产生的非线性失真。 优选地， 对主链路信号的幅值或功率进行线性或非线性 映射， 产生索引地址信息 的映射算法可以包括： 其中， a 为校正信号的地址信息， |x|和 |x| ² 为信号的模值和功率， /。(·)为映射 函数， or为或； 根据失真校正信号对主链路信号进行预校正处 理的算法可以包括： y(n) = F _{u x} (U, X) , U = [U(n), U(n - l), ..., U(n - K)] ,

X = [x(n), χ(η _ 1), ... , x(n _ J)]， 其中， 为根据索引地址信息查找得到的失真校正信号 向量， 为主链路信号向 量， f为校正信号的最大延迟， J为主链路信号的最大延迟， 《为信号采样时间序号， _y为预校正后信号； _χ (·)为预校正函数。 在生成索引地址信息时， 是对主链路信号的幅值或功率进行线性映射还 是非线性 映射体现在为映射函数 /。(·)的选择上， 而具体选择怎样的映射函数需要根据实际情况 确定。 同样， 根据失真校正信号对主链路信号进行与校正处 理的关键， 也在于预校正 函数 _χ (·)的选择， 需要根据实际情况确定。 综上所述， 如图 11所示， 根据本发明优选实施例的非线性系统失真校正 方法在具 体实施过程中可以包括如下步骤： 步骤 S 1102, 接收基带信号； 步骤 S 1104, 基带信号经过通道滤波器模块， 实现脉冲成型和采样率变换， 得到 主链路信号； 步骤 S 1106, 从功放输出口耦合反馈信号； 步骤 S1108, 耦合反馈信号的经过下变频完成载波频点变换 ； 步骤 S1110, 在经过 ADC得到反馈链路信号； 步骤 S1112, 根据主链路信号、 反馈链路信号以及预校正后信号进行校正参数 辨 识， 确定校正参数。 步骤 S1114, 主链路信号经过预校正处理得到预校正后的信 号； 步骤 S1116, 预校正后的信号经过 DAC完成数字信号到模拟信号的转换。 从以上的描述中， 可以看出本发明提供的技术方案采用了基于正 向迭代的自适应 技术， 与传统的预失真技术相比， 克服了校正参数辨识过程中的噪声特性变化问 题， 从而提高了校正参数的辨识精度， 并且改善了校正参数的自适应收敛性能， 且不提高 系统的硬件资源， 使本发明更适合高线性指标要求的场合。 而且， 本发明提供的技术 方案不限于只对 GSM 多载波信号进行预校正， 对于 GSM、 CDMA、 UMTS、 TD-SCDMA, LTE、 WiMAX 以及各种混模信号， 其预校正效果同样优于传统的预校 正技术， 适用于 GSM、 CDMA、 UMTS、 TD-SCDMA、 LTE和 WiMAX单模或多模系 统。 显然， 本领域的技术人员应该明白， 上述的本发明的各模块或各步骤可以用通用 的计算装置来实现， 它们可以集中在单个的计算装置上， 或者分布在多个计算装置所 组成的网络上， 可选地， 它们可以用计算装置可执行的程序代码来实现 ， 从而， 可以 将它们存储在存储装置中由计算装置来执行， 并且在某些情况下， 可以以不同于此处 的顺序执行所示出或描述的步骤， 或者将它们分别制作成各个集成电路模块， 或者将 它们中的多个模块或步骤制作成单个集成电路 模块来实现。 这样， 本发明不限制于任 何特定的硬件和软件结合。 以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 对于本领域的技 术人员来说， 本发明可以有各种更改和变化。 凡在本发明的精神和原则之内， 所作的 任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。