ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2026. №8

УДК: 621.396.61

Цифровые предыскажения сигнала

на основе табличной аппроксимации

обобщенной полиномиальной модели с памятью

И.Е. Кащенко

Омский научный центр СО РАН (Институт радиофизики и физической электроники),

644024, Омск, проспект К. Маркса, д. 15

Статья поступила в редакцию 19 июня 2026 г.

Аннотация. В данной работе рассматривается метод цифровых предыскажений сигнала, основанный на табличной аппроксимации нелинейных амплитудно-зависимых функций обобщенной полиномиальной модели с памятью. Предлагаемый подход предназначен для снижения вычислительной сложности алгоритма ввода цифровых предыскажений при аппаратной реализации в ПЛИС, СБИС и системах на кристалле (СнК). В отличие от прямого вычисления полиномиальных базисных функций, нелинейные множители модели предварительно группируются по задержкам и представляются в виде таблиц аппроксимации (LUT). Это позволяет заменить часть операций возведения в степень и умножения операциями адресации памяти и интерполяции. Показано, что такое преобразование сохраняет структуру модели с памятью, но снижает число арифметических операций, выполняемых в реальном времени. Рассмотрены особенности формирования таблиц, оценка вычислительной сложности и особенности аппаратной реализации предложенного метода.

Ключевые слова: цифровые предыскажения, усилитель мощности, обобщенная полиномиальная модель с памятью, GMP, табличная аппроксимация, LUT, ПЛИС, СБИС, СнК.

Финансирование: Работа выполнена по государственному заданию Омского научного центра СО РАН (номер госрегистрации проекта 125013101211-4).

Автор для переписки: Кащенко Игорь Евгеньевич, i.kashchenko@inbox.ru

Литература

1. Kim J., Konstantinou K. Digital predistortion of wideband signals based on power amplifier model with memory // Electronics Letters. – 2001. – Т. 37. – №. 23. – С. 1417-1418. https://doi.org/10.1109/TCOMM.2003.822188

2. Ding L. et al. A robust digital baseband predistorter constructed using memory polynomials // IEEE Transactions on communications. – 2004. – Т. 52. – №. 1. – С. 159-165. https://doi.org/10.1049/el:20010940

3. Morgan D.R. et al. A generalized memory polynomial model for digital predistortion of RF power amplifiers // IEEE Transactions on signal processing. – 2006. – Т. 54. – №. 10. – С. 3852-3860. https://doi.org/10.1109/TSP.2006.879264

4. Ghannouchi F.M., Hammi O. Behavioral modeling and predistortion // IEEE Microwave magazine. – 2009. – Т. 10. – №. 7. – С. 52-64. https://doi.org/10.1109/MMM.2009.934516

5. Campo P.P. et al. Gradient-adaptive spline-interpolated LUT methods for low-complexity digital predistortion // IEEE Transactions on Circuits and Systems I: Regular Papers. – 2020. – Т. 68. – №. 1. – С. 336-349. https://doi.org/10.1109/TCSI.2020.3034825

6. Кащенко И.Е. Система ввода цифровых предыскажений на основе обобщенной полиномиальной модели с памятью для GaN усилителей мощности // Журнал радиоэлектроники. – 2024. – № 10. https://doi.org/10.30898/1684-1719.2024.10.6 (In Russian)

7. Versluis M., Wu Y., Gao C. SparseDPD: A sparse neural network-based digital predistortion FPGA accelerator for RF power amplifier linearization // arXiv preprint arXiv:2506.16591. – 2025. https://doi.org/10.1109/FPL68686.2025.00031

8. 3GPP TS 38.104. NR; Base Station (BS) radio transmission and reception. – Version 18.10.0. – 2024. – URL: https://www.etsi.org/deliver/etsi_ts/138100_138199/138104/18.10.00_60/ts_138104v181000p.pdf

9. 3GPP TS 36.141. Evolved Universal Terrestrial Radio Access (E-UTRA); Base Station (BS) conformance testing. – URL: https://www.3gpp.org/ftp/Specs/archive/36_series/36.141/

Для цитирования:

Кащенко И.Е. Цифровые предыскажения сигнала на основе табличной аппроксимации обобщенной полиномиальной модели с памятью // Журнал радиоэлектроники. – 2026. – №. 8. https://doi.org/10.30898/1684-1719.2026.8.3