Thermal memory effects modeling and compensation in RF power amplifiers and predistortion linearizers
Notice bibliographique
Résumé
Memory effects, which influence the performance of RF power amplifiers (PAs) and predistortion-based linearizers, become more significant and critical in designing these circuits as the modulation signal bandwidth and operation power increase. This paper reports on an attempt to investigate, model, and quantify the contributions of the electrical nonlinearity effects and the thermal memory effects to a PA's distortion generation, as well as how to compensate for these effects in designing baseband predistortion schemes. The first part of this paper reports on the development of an accurate dynamic expression of the instantaneous junction temperature as a function of the instantaneous dissipated power. This expression has been used in the construction of an electrothermal model for the PA. Parameters for the new proposed behavior model were determined from the PA measurements obtained under different excitation conditions (e.g., small-signal and pulsed RF tests). This study led us to conclude that the effects of the transistor self-heating phenomenon are more important under narrow-band signal (e.g., enhanced data for global evolution of global system for mobile communications) than for signals with wide modulation bandwidth (CDMA2000, Universal Mobile Telecommunications System). In the second part of this paper, the newly developed model has also been used to design a temperature-compensated predistortion function to compensate for these effects. The linearized PA output spectrum and error vector magnitude show a significant performance improvement in the temperature-compensated predistortion function over a memoryless predistortion. The results of these measurements that have been conducted on a 90-W peak lateral double-diffused metal-oxide-semiconductor PA are in agreement with those obtained from simulations using the developed PA and the predistorter models implemented in an ADS environment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».