OpenDPD: An Open-Source End-to-End Learning & Benchmarking Framework for Wideband Power Amplifier Modeling and Digital Pre-Distortion

要約

通信容量の増大に伴い、広帯域パワーアンプ（PA）の非線形性を補正するデジタルプリディストーション（DPD）用のディープニューラルネットワーク（DNN）が注目を集めています。
しかし、オープンソースで測定セットアップに依存しないプラットフォームには、迅速な DPD 探索と客観的な DPD モデル比較のための空白があります。
このペーパーでは、PyTorch で作成されたオープンソース フレームワーク OpenDPD と、PA モデリングおよび DPD 学習用の関連データセットを紹介します。
新しいエンドツーエンド学習アーキテクチャを通じてトレーニングされた Dense Gated Recurrent Unit (DGRU)-DPD を導入し、アナログと比較して型破りな伝達特性を持つ新しいデジタル トランスミッター (DTX) アーキテクチャのデジタル PA DPA で以前の DPD モデルを上回ります。
PA。
測定によれば、当社の DGRU-DPD は 200 MHz OFDM 信号に対して -44.69/-44.47 dBc の ACPR と -35.22 dB の EVM を達成しています。
OpenDPD コード、データセット、ドキュメントは https://github.com/lab-emi/OpenDPD で公開されています。

要約(オリジナル)

With the rise in communication capacity, deep neural networks (DNN) for digital pre-distortion (DPD) to correct non-linearity in wideband power amplifiers (PAs) have become prominent. Yet, there is a void in open-source and measurement-setup-independent platforms for fast DPD exploration and objective DPD model comparison. This paper presents an open-source framework, OpenDPD, crafted in PyTorch, with an associated dataset for PA modeling and DPD learning. We introduce a Dense Gated Recurrent Unit (DGRU)-DPD, trained via a novel end-to-end learning architecture, outperforming previous DPD models on a digital PA DPA in the new digital transmitter (DTX) architecture with unconventional transfer characteristics compared to analog PAs. Measurements show our DGRU-DPD achieves an ACPR of -44.69/-44.47 dBc and an EVM of -35.22 dB for 200 MHz OFDM signals. OpenDPD code, datasets, and documentation are publicly available at https://github.com/lab-emi/OpenDPD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google