New Digital Predistortion Training Method with Cross-Polarization Channel De-Embedding for Linearizing Dual-Polarized Arrays using Far-Field Observation Receiver
Notice bibliographique
Résumé
This paper proposes a far-field (FF) -based digital predistortion (DPD) training method for linearizing dual-polarized (dual-pol) beamforming arrays in the presence of cross-polarization channel (XPC) interference experienced in the DPD FF-based observation receiver (OR). The cross-polarization interference (XPI) in the XPC can be attributed to the transmitter’s (TX’s) antennas, the probe used in the DPD FF OR, the OR’s over-the-air channel, as well as the mechanical misalignment between the TX antenna and the FF-based OR probe. Specifically, an XPC estimation and de-embedding technique using interleaved multi-tone test signals is proposed. Experiments conducted using a 4x4 dual-pol RF beamforming array operated at 38 GHz and excited by a 5G NR 200 MHz 256-QAM orthogonal frequency division multiplexing test signal are presented. The measurement revealed the capacity of the proposed technique to correct for the nonidealities in the XPC where the XPI was reduced from -10 dB to -40 dB. Furthermore, using the proposed DPD training method, the adjacent channel power ratio (ACPR) and error vector magnitude (EVM) improved from 26.7 dB and 10.96% to 36.38 dB and 3.3%, respectively, when a single-input-single-output DPD function was used. The ACPR and EVM were further improved by 3 dB and 1.1% when a dual-input-single-output DPD function was used.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».