【摘 要】
：
当今无线通信系统为了获得更快的信息传输速率,其调制信号的带宽与峰均功率比均不断增加,通信频带的分布也越来越碎片化,这对无线通信系统中的核心部件之一功率放大器的性能的要求越来越高。如何高效的放大宽带高峰均功率比信号一直是众多学者关心问题。本文针对宽带、大回退范围效率提升两个应用场景,分别对双模三路Doherty功率放大器以及负载调制平衡式功率放大器进行了研究。本文的主要内容与创新点如下:1、提出了一
论文部分内容阅读
当今无线通信系统为了获得更快的信息传输速率,其调制信号的带宽与峰均功率比均不断增加,通信频带的分布也越来越碎片化,这对无线通信系统中的核心部件之一功率放大器的性能的要求越来越高。如何高效的放大宽带高峰均功率比信号一直是众多学者关心问题。本文针对宽带、大回退范围效率提升两个应用场景,分别对双模三路Doherty功率放大器以及负载调制平衡式功率放大器进行了研究。本文的主要内容与创新点如下:1、提出了一种新型的双工作模式三路Doherty功率放大器结构,采用并联峰值功放配置将高效率回退范围拓展至9 d B,通过栅极偏置电压的互换实现了两种对应于不同工作频带的工作模式,同时还分析了负载补偿网络对功放带宽的影响,通过选取合适的负载补偿网络可以拓展所提出的功放的工作带宽。文中详细介绍了所提出的功放的工作原理以及设计方法,并设计了一款工作频带为0.45-1GHz/1.45-1.9 GHz的双模三路Doherty功放,两种工作模式所对应的相对带宽均超过25%。功放的测试结果显示饱和输出功率为43.91-45.8 d Bm,饱和漏极效率为55.4%-70.1%,在饱和输出回退9 d B时的漏极效率为42.8%-57.7%。在1.7 GHz与0.9 GHz,使用带宽为20 MHz,峰均比为8 d B的LTE信号对功放进行测试,在进行数字预失真矫正后的邻信道功率比均优于-49.9 d Bc,平均效率分别达到45.7%与54.6%。2、在分析了SLMBA工作原理的基础上详细介绍了一种简化了的SLMBA设计流程。在设计过程中采用去封装网络与理想变压器进行对载波功放与峰值功放的输出匹配网络的目标参数提取,从而省略了大量复杂的计算。使用这种设计方法设计了一款工作频率为2.7-3.3 GHz的宽带大回退SLMBA。仿真结果显示,所设计的SLMBA的饱和漏极效率在52.8%-68.1%之间,饱和输出功率为45.2-45.9 d Bm,饱和输出回退10 d B时的漏极效率为47.3%-52.3%,饱和增益为7.2-7.9 dB。
其他文献
无人机充当空中基站的无线通信网络具有快速部署、灵活的重新定位和良好的可视距传播路径等优势,引入波束赋形技术后,无人机除了凭借自身灵活机动性来寻找合适的信道环境,还可以根据需要形成指定方向的波束来增强通信性能,这大大提高了无人机辅助无线通信的应用潜力。本文重点研究多波束无人机协作通信的资源分配问题,目标是在满足用户通信需求下最少化无人机数量,最小化网络总功耗以及均衡无人机间负载。本文将该问题建模为一
手背静脉穿刺常被医护人员作为抽血和输液等辅助医学治疗手段之一,但是静脉穿刺过程中,经常会受患者手背脂肪较厚,肤色较暗等因素的影响,出现穿刺失败的情况,因此研制出一套能够清晰成像并能够原位投影的近红外静脉显像系统和投影校正算法具有非常重要的现实意义。本文基于特定波长近红外光照下静脉成像的原理,完成了一体化近红外血管显像投影装置的结构设计和搭建,该装置实现了图像采集、图像处理、图像投影及投影校正功能,
随着无线通信技术向着高质量、高速率、高集成、多频段、多标准和宽频带的通信方向发展,对无线通信系统射频前端的天线提出了更高的性能要求。宽带平面滤波天线不仅可以很好的满足上述需求,而且还能减少无线通信系统中天线的数量,实现系统的小型化、多功能集成以及降低成本的目标。因此,本论文开展了针对不同应用场景下的高性能宽带平面天线的课题研究,提出并研制了四款宽带平面天线,包括高选择性宽带滤波准八木天线、具有陷波
脑电（Electroencephalogram,EEG）和功能磁共振成像（functional Magnetic Resonance Imaging,f MRI）是目前研究大脑活动的最常用的无创神经成像技术。EEG具有高时间分辨率,f MRI具有高空间分辨率。同步采集EEG和f MRI的最大优势在于将两种模态的时程完全对应起来,大脑的神经活动变化在两个模态中保持一致,从而能够实现这两种无创神经成像
高速高精度模数转换器（ADC）广泛应用于图像处理、信息存储和无线通信等领域。为了实现高速高精度,通常使用流水线型ADC—兼顾精度与速度。同时随着无线通信、宽带收发器以及数字设备的新兴应用,转换器的功耗问题成为了人们关注的核心。基于上述流水线型ADC高速与高精度的特点,同时为了实现低功耗的需求,本文采用流水线结构,在0.18μm CMOS工艺下,设计实现了一种在保持高速高精度的同时能够减小转换器功耗
近年来,全球车辆用户数量已超过十亿和涌现出各类车载服务,例如道路预警,自动驾驶和智能停车等,为车联网中计算存储资源提出了极为严苛的要求。为保证车联网中用户服务质量,将移动边缘计算引入传统车联网,即车联网边缘计算。然而,车联网边缘计算存在资源受限和硬件部署开销大的问题。为此,有学者提出将具有计算能力的停泊车辆作为边缘计算节点,辅助边缘服务器提供计算服务,从而构成一种新型网络范式—停泊车辆辅助边缘计算
移动群智感知（Mobile Crowd sensing,MCS）是近年来新兴的一种感知模式,利用智能设备内置的传感器采集大量的传感数据,感知平台实时处理以支持物联网的各类服务,其有效降低感知成本,扩大感知覆盖范围和提升感知质量,将推动物联网的发展。任务分配作为MCS的重要组成部分,合理高效的任务分配是群智感知系统能否大量应用的基石。然而,在智慧城市中,随着越来越多的应用场景需要多源异构的感知信息,
在第五代（5th Generation,5G）移动通信架构下,移动边缘计算（Mobile Edge Computing,MEC）直接从网络边缘为用户设备提供计算和存储功能,能有效降低用户设备处理任务的时延和能耗。在移动边缘计算的任务卸载过程中,由于通信资源受限以及移动设备间的干扰,导致通信开销增大;此外,卸载任务的分配不均衡会导致某些MEC服务器出现过载现象,从而影响任务执行效率。因此,对移动边缘
卷积神经网络是深度学习算法中一个重要的研究分支,已经在智慧医疗和智能门禁等应用中取得巨大成功。随着各行各业智能化革新的推进和深化,在智能安防、自动驾驶等高速AIo T应用的终端设备上实现端侧智能计算成为大势所趋。如何在成本和功耗受限的物端设备上实现高速卷积神经网络推理成为亟待解决的难题。研究卷积神经网络轻量化算法和设计突破冯式架构的卷积神经网络专用加速器是实现低成本高速卷积神经网络端侧计算的关键方
疲劳驾驶作为诱发交通事故的主要因素之一,其造成的交通事故占总交通事故的20%左右,占特大交通事故的40%以上,危害性极大。基于面部特征的疲劳检测方法无需与驾驶员进行接触,具有成本低、受限小且精度高等优点。如何通过面部特征快速、准确地检测驾驶员的疲劳状态具有重要的研究意义和应用价值。目前,基于面部特征的疲劳检测方法未能融合图像的多尺度特征及多层次信息,在复杂多变的驾驶环境下难以满足实时性和准确性两方