传统模型与AI模型在IMD2消除中的研究

由于双程复用器工作在频率分复用（FDD）条件下的阻带隔离有限，接收机接收路径会遭遇信号泄漏。泄漏信号与低噪声放大器（LNA）的二阶非线性以及接收机下变频混合器的组合，可能导致二阶谐波失真（IMD2）产生，从而显著降低接收机灵敏度。基于经典模型（如无记忆模型和记忆多项式模型）以及基于样条多项式的 Hammerstein 和 Wiener-Hammerstein 模型的消除方法，已证明其在已知非线性特性的情况下具有高效性。另一方面，当前正在通过神经网络（NN）结构进行非线性检测的研究中后力度较大。由于其高的泛化能力，NN 基于的 IMD 消除器在面对未知干扰内容时效果良好。因此，NN 方法可以提供一种通用的模型，即使在难以分离由 LNA、下变频混合器或甚至发射机功放在发射路径中产生的谐波产品时，也能够实现 IMD 消除。然而，这类结构 suffers from 高复杂度且难以实现于硬件中。当前论文提出一种低复杂度的前馈 NN 基于模型，成功地在计算复杂度方面与传统架构竞争。测试结果表明，所提供模型的性能可与多项式非线性消除器相当，同时具有降低的计算成本。本文提供了传统基于记忆多项式方案和 NN 基于模型在 IMD2 消除中的性能和所需资源的比较。