宽带 DPD 中记忆深度与核函数联合优化的块加权 Lasso 方法
信号处理
2025-04-21 v1
摘要
记忆深度和核函数的优化对宽带数字预失真（DPD）至关重要。然而，记忆深度通常通过在广泛范围内穷举搜索以获得线性化最优性来确定，随后进行各记忆深度下的核函数选择，导致计算成本过高。在本信中，我们旨在提供一种高效方案，在保持合理线性化性能的同时联合优化记忆深度和核函数。具体而言，我们将该优化问题建模为块加权最小绝对收缩与选择算子（Lasso）问题，其中核函数根据其多项式阶数被赋予正则化权重。随后引入块坐标下降算法来求解块加权 Lasso 问题。在广义记忆多项式（GMP）模型上的测量结果表明，与完整 GMP 相比，所提方案将记忆深度减少了 31.6%，核函数数量减少了 85%，同时在 80 MHz 带宽信号上实现了 -46.4 dB 的误差向量幅度（EVM）。此外，所提方案在 EVM 上优于完整 GMP 和标准 Lasso 剪枝后的 GMP，至少高出 0.7 dB。
引用
@article{arxiv.2504.13494,
title = {Block-Weighted Lasso for Joint Optimization of Memory Depth and Kernels in Wideband DPD},
author = {Jinfei Wang and Yi Ma and Fei Tong and Ziming He},
journal= {arXiv preprint arXiv:2504.13494},
year = {2025}
}
备注
4 pages, 1 figure