Exploring Dynamic Sparse Memory Effect Under Varying Transmission States for Digital Predistortion of RF Power Amplifiers
Notice bibliographique
Résumé
In wideband wireless communication systems, it is particularly crucial to compensate for the memory effect of radio frequency power amplifiers (RFPAs) to ensure optimal system performance. In this work, the representation of the memory effect of RFPAs is comprehensively reviewed first. The concept of the sparse memory effect (SME) of RFPAs is introduced, emphasizing that only a minimal amount of key memory information can achieve excellent performance. According to the SME concept, we further explore the mechanism of the dynamic SME (DSME), which indicates that the characteristics of the SME change with varying transmission states. Through both theoretical analysis and extensive experiments, the DSME of RFPAs is validated, providing compelling evidence for its reasonability. Moreover, the generalization of the DSME is explored to guide predistorter tap selection under unseen transmission states. Second, a novel universal dynamic sparse delay taps switch digital predistortion (DSDTS-DPD) framework is proposed to tackle the nonlinearity of RFPAs under varying transmission states. This model-agnostic architecture, which is implemented by dynamic states mapping module and dynamic delay switching module, is utilized to dynamically capture the memory information, with a minimum number of delay taps. Finally, experimental results further demonstrate the DSME compensation mechanism, as validated with a generalized memory polynomial (GMP) model, provides a superior solution for characterizing the RFPA memory effect than conventional compensation methods, in terms of both modeling accuracy and linearization performance. It also seamlessly integrates with existing dynamic digital predistortion (DPD) neural network models, highlighting robust structure adaptability of the proposed framework to dynamic operational conditions.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».