DISEÑO DE SISTEMAS DE PREDISTORSIÓN DIGITAL
ADAPTATIVA
J. Cristi(i), F. Anze(ii)
(i)(ii)
INTI Electrónica e Informática
(i)jcristi@inti.gob.ar, (ii)fanze@inti.gob.ar


Introducción
Los sistemas de comunicaciones (SC)
modernos son capaces de generar señales,
digitalmente, que transmiten una gran cantidad
de datos en muy poco tiempo. Si bien esto
satisface la enorme demanda de velocidad que
el mercado exige, estas señales poseen una
debilidad: un elevado factor de cresta (FC); es
decir que tienen altos valores pico en relación a
los valores promedio de la señal (ver Fig. 1.a).
Las señales con alto FC son fácilmente
distorsionadas por las alinealidades de los
amplificadores de potencia (PA) que las
transmiten, corrompiéndose así la información
que transportan (ver Fig. 1.b).
A su vez el PA del transmisor está diseñado
para maximizar su eficiencia, minimizando así

Figura 1: a)Distribución de amplitud de una señal
0(con un alto FC) y la misma atenuada
1.b)Transferencia de un PA lineal (línea punteada) y la
de un PA real (línea continua). c) Eficiencia del PA

los costos de energía o prolongando la
duración de la carga de la batería. Es sabido
que los PA obtienen máxima eficiencia cuando
operan de forma no lineal (ver Fig. 1-c).
Aunque se esté dispuesto a utilizar un PA
de baja eficiencia con tal de gozar de
linealidad, se termina requiriendo de un
complejo y costoso sistema de refrigeración, y
aún así sus componentes deben disipar tanto
calor que su vida útil suele ser menor y
requiere mayor mantenimiento. Además, al
trabajar sólo en la región lineal del PA se
terminan sobredimensionando las
especificaciones de diseño para que al limitar la
operación se alcancen los requisitos
necesarios. Todos estos aspectos redundan en
un alto costo de fabricación y de
mantenimiento, muchas veces inviable para
cualquier aplicación comercial.
Esto establece una relación de compromiso
aparentemente infranqueable entre la linealidad
y la eficiencia del PA en SC de alta velocidad.
La predistorsión digital (DPD) es una
técnica de linealización que logra,
simultáneamente, mitigar la distorsión no lineal
inherente de los transmisores, y mejorar la
eficiencia energética de los mismos.
El método consiste en distorsionar
digitalmente la señal, antes de ser enviada al
transmisor, con una distorsión inversa a la del
transmisor. De esta forma se puede operar el
PA en la zona de máxima eficiencia, cuyas no
linealidades serán compensadas, obteniéndose
un sistema equivalente lineal y eficiente (ver
Fig. 2).

Figura 2: Idea básica de la predistorsión

Objetivos
1. Implementar una plataforma para la
simulación, caracterización y comparación de
sistemas de DPD para su I+D.
2. Implementar un DPD e integrarlo al
transmisor de TV digital desarrollado
previamente por la unidad técnica.

Descripción
En concreto esta distorsión inversa debe ser
exactamente la función inversa a la del PA: si el
PA distorsiona según una función , la DPD
debe ser según la inversa de , ¹. Un
DPD distinto sólo empeoraría el problema.
Modelado Suponemos que es
aproximable por una familia de funciones
parametrizables por un vector conocida como
modelo. Los modelos se clasifican en
estáticos y dinámicos. Los últimos, si bien son
más complejos, son indispensables para la
predistorsión de los PA más modernos.
Aprendizaje A partir de una muestra de
datos de los valores de entrada y de salida del
PA, se puede encontrar el vector que define
la que mejor aproxima a (e.g. utilizando
un ajuste por cuadrados mínimos (LS)).
El aprendizaje se puede fragmentar,
partiendo los datos en bloques, y repitiendo
sucesivos aprendizajes más pequeños.
Inversión conociendo , podemos
encontrar la función inversa ¹ (la pre-

distorsión). Este paso depende del modelo que
hayamos elegido anteriormente, y en algunos
casos no existe una solución analítica.
Método indirecto Una alternativa es
identificar directamente la inversa de la
distorsión ¹, poniendo los datos de salida
a la entrada, y viceversa.
Adaptativo Como las características del PA
varían a lo largo del tiempo (e.g. por
temperatura, envejecimiento, humedad), la
identificación debe repetirse permanentemente.
El aprendizaje continuo en bloques (o incluso
muestra a muestra) logra adaptarse a estas
variaciones en cada iteración.

Implementación
Un DPD adaptativo (DPDa) se podría
implementar en un:
muDSP microprocesador optimizado para el
procesamiento de señales (DSP).
FPGA dispositivo reconfigurable para
generar unidades de hardware digital, capaces
de realizar DSP en paralelo.
PC hoy una PC dotada de las interfaces
adecuadas puede realizar DSP on-line.
ASIC diseño de un circuito integrado de
aplicación específica.
Un DPDa debe realizar un procesamiento
de gran complejidad entre muestra y muestra.
En los SC modernos esta ventana temporal
varía entre 0.05y1 .Ningún procesador lineal
puede realizar la cantidad de operaciones
necesarias en ese tiempo. Queda entonces el
ASIC y la FPGA. En una instancia de desarrollo
el diseño sobre FPGA elimina muchas
dificultades de los ASIC y es directamente
integrable a mercados de baja producción. Y si
se llegara a tratar con un mercado masivo, el
desarrollo en FPGA es migrable a un ASIC
para minimizar costos. Por lo que la elección
final es la FPGA.
Además de la plataforma de procesamiento
la implementación requiere un front-end de RF
para excitar y muestrear el PA.

Resultados
Ya se simularon y compararon diversos
DPDa, con modelos estáticos, utilizando las
siguientes métricas:
EM el error de modelado es el error entre la
mejor predicción del modelo y la salida real del
PA. Llamamos EMM al EM mínimo.
Complejidad de modelo el costo
computacional (CC) de predecir la salida del
PA en cada instante.
Convergencia la cantidad de muestras
necesarias para hallar el modelo con EMM.
Complejidad de aprendizaje CC de cada
iteración de aprendizaje.
Ilustrativamente, se presentan algunas
simulaciones realizadas: en la fig. 3 se
compara la dispersión en la constelación
(ligada al EMM) de un SC OFDM 64-QAM, sin
DPD y su evolución con DPDa. En la fig. 4 se
muestra la convergencia del EM al EMM de
tres algoritmos de aprendizaje distintos: LMS,
NLMS y RLS.

Figura 3: Constelación sin y con DPDa.


Figura 4: Convergencia de NLMs, RLS y LMS.

Aún resta simular DPDa con modelos
dinámicos.
La implementación del DPDa se encuentra
en una etapa inicial: Se realizará sobre una
FPGA Virtex 6 LX240T, y ya se adquirió una
placa de front-end de RF AD-FMCOMMS3 para
excitar y muestrear el PA.

Conclusiones
La DPDa es hoy el método que permite
transmisores simultáneamente eficientes y de
alta velocidad. Tiene un impacto directo sobre
el costo de producción, de operación y
energético de todos los SC que nos rodean. Su
incorporación afecta otras áreas como el
diseño de PA que maximizan su eficiencia,
sabiendo que sus alinealidades serán
compensadas por un DPDa.
La I+D de DPDa no solo es clave para la
comprensión de los equipos y sistemas que la
unidad tendrá que ensayar en un futuro, sino
que es un conocimiento transferible al sector
privado, brindándole un alto valor agregado a
productos nacionales.

Bibliografía
J. Wood, "Digital pre-distortion of RF power amplifiers,"
2017 IEEE Topical Conference on RF/Microwave Power
Amplifiers for Radio and Wireless Applications (PAWR),
Phoenix, AZ, 2017, pp. 1-3.
doi: 10.1109/PAWR.2017.7875557