用于补偿功率半导体器件中窄带失真的系统和方法

技术领域

所公开的技术通常涉及半导体器件，并且更具体地涉及其中补偿窄带失真效应的功率半导体器件。

背景技术

无线电收发器可用于多种射频(RF)通信系统中。例如，收发器可以被包括在基站或移动设备中以发送和接收与各种各样的通信标准相关联的信号，所述通信标准包括例如蜂窝和/或无线局域网(WLAN)标准。收发器还可以用于雷达系统、仪器仪表、工业电子设备、军事电子设备、便携式计算机、数字无线电和/或其他电子设备中。

RF通信系统还可以包括功率放大器，用于将来自收发器的RF发射信号放大到适合无线传输的功率电平。存在各种类型的功率放大器，包括利用基于硅(Si)的器件、基于砷化镓(GaAs)的器件、基于磷化铟(InP)的器件、基于碳化硅(SiC)的器件和氮化镓(GaN)器件。各种类型的功率放大器在成本、性能和/或工作频率方面可以提供不同的优势。例如，尽管基于硅的功率放大器通常提供较低的制造成本，但是就某些性能指标而言，某些基于硅的功率放大器比其化合物半导体同类产品差。

发明内容

一些实施方案包括一种射频(RF)功率半导体器件，其中，该器件包括：第一非线性滤波器网络，被配置为补偿功率放大器的窄带失真，其中，所述第一非线性滤波器网络包括被配置为对所述功率放大器的非线性部分进行校正的校正元件；和第二非线性滤波器网络，被配置为补偿所述功率放大器的宽带失真。

在一些实施方案中，所述第一非线性滤波器网络包括串联布置的第一多个无限冲激响应(IIR)滤波器。

在一些实施方案中，所述第一多个IIR滤波器中的第一滤波器包括低通滤波器(LPF)。

在一些实施方案中，所述第一多个IIR滤波器中的第二滤波器包括全通滤波器。

在一些实施方案中，所述第一多个IIR滤波器彼此正交。

在一些实施方案中，所述第一非线性滤波器网络包括串联布置的多个IIR滤波器1至N，其中所述多个IIR滤波器1至N并联布置。

在一些实施方案中，器件还包括与所述多个IIR滤波器1至N相对应的1至N个校正元件，其中在所述校正信号传播通过对应的多个IIR滤波器之前，该1至N个校正元件对所述功率放大器的非线性部分进行校正。

在一些实施方案中，对所述功率放大器的非线性部分的校正包括针对所述1至N个校正元件中的每个校正元件对所述信号的幅度施加指数。

在一些实施方案中，所述器件还包括：功率放大器，其中所述功率放大器包括化合物半导体功率放大器；和当所述化合物半导体功率放大器从低功率充电到高功率时，所述窄带失真由电荷捕获效应引起。

在一些实施方案中，所述化合物半导体功率放大器包括氮化镓(GaN)功率放大器。

在一些实施方案中，所述器件还包括：下采样器，对输入信号进行下采样，并将下采样后的信号传输至所述第一非线性滤波器网络；和上采样器，以对所述第一非线性滤波器网络的输出进行上采样。

在一些实施方案中，所述器件还包括：混频器，将所述第一非线性滤波器网络的输出与所述第一非线性滤波器网络的输入混频；和第一缓冲器，被配置为延迟所述第一非线性滤波器网络的输入以使所述信号的时序与所述第一非线性滤波器网络的输出相匹配。

在一些实施方案中，所述器件还包括：第二缓冲器，被配置为使所述混频器的输出与所述输出延迟，以使所述时序与所述FIR滤波器的输出匹配。

在一些实施方案中，所述第二非线性滤波器网络包括多个有限无限响应(FIR)滤波器。

在一些实施方案中，所述第一非线性滤波器网络包括拉盖尔滤波器。

一些实施方案包括一种射频(RF)功率半导体器件，其中，该器件包括：第一非线性滤波器网络，被配置为补偿功率放大器的窄带失真，其中所述第一非线性滤波器网络包括多个无限冲激响应(IIR)滤波器和相应的用于校正所述功率放大器的非线性部分的校正元件。

在一些实施方案中，所述多个IIR滤波器包括拉盖尔滤波器。

在一些实施方案中，所述器件还包括：波峰因数降低功能；和第二非线性滤波器网络，被配置为补偿所述功率放大器的宽带失真，其中所述波峰因数降低功能与所述第二非线性滤波器网络串联。

在一些实施方案中，所述第二非线性滤波器网络包括多个有限无限响应(FIR)滤波器。

一些实施方案包括一种数字预失真(DPD)方法，包括：使用功率放大器放大发射信号；通过使用第一非线性滤波器网络对所述发射信号进行预失真来补偿所述功率放大器的窄带失真，包括使用第一非线性滤波器的校正元件来校正所述功率放大器的非线性部分；和通过使用第二非线性滤波器网络对所述发射信号进行预失真，来补偿所述功率放大器的宽带失真。

附图说明

图1A描绘了低频(LF)增益随时间变化，输入幅度调制随时间变化以及误差矢量幅度(EVM)随时间变化而没有电荷捕获数字预失真(DPD)的曲线图的一个示例。

图1B描绘了图1A的曲线图的扩展部分。

图1C描绘了根据一个实施例的电荷俘获DPD的电荷俘获增益与时间，电荷俘获校正与时间，输入幅度调制(以分贝)与时间，以及输入振幅调制(以伏特)与时间的曲线的一个示例。

图2A示出了根据一些实施例的RF半导体器件，该RF半导体器件包括用于校正窄带失真的第一非线性滤波器网络和用于校正宽带失真的第二非线性滤波器网络。

图2B示出了根据一些实施例的第一非线性滤波器网络的示例架构。

图3示出了根据一些实施例的包括抽取和上采样功能的第一非线性滤波器网络的示例架构。

图4示出了根据一些实施例的包括波峰因数降低函数和延迟匹配函数的第一非线性滤波器网络的示例架构。

图5示出了根据一些实施例的用于通过直接学习算法来训练第一和第二非线性滤波器网络的RF半导体器件的示例架构。

图6示出了根据一些实施例的用于训练通用存储多项式(GMP)致动器的示例架构。

图7示出了根据一些实施例的用于训练拉盖尔致动器的示例架构。

图8示出了根据一些实施例的用于识别拉盖尔致动器训练的初始条件的示例架构。

图9示出了根据一些实施例的用于RF半导体器件同时训练GMP和拉盖尔致动器两者的示例架构。

图10示出了根据一些实施例的RF半导体器件，其包括：第一非线性滤波器网络，其包括用于校正窄带失真的FIR滤波器；以及第二非线性滤波器网络，其用于校正宽带失真的FIR滤波器。

具体实施方式

诸如射频(RF)功率设备之类的功率设备被用于许多应用中，例如无线技术。对于各种应用，功率器件是基于硅技术的，例如基于Si的横向扩散金属氧化物半导体(LDMOS)器件。对于某些应用，化合物半导体(例如III-V材料)在高频操作方面具有优势。例如，已经提出了基于氮化镓(GaN)的功率器件，例如DC/LF和RF功率器件。在一些应用中，例如在应用了漏极调制的过程架构中，已经预测出诸如基于GaN的功率器件之类的化合物半导体功率器件将比基于Si的技术具有优势。预期的优点包括效率和频率范围的改善(例如，更高的单位增益截止频率或f

GaN已经广泛用于各种应用中，包括发光二极管(LED)器件。尽管对用于各种其他商业应用的GaN RF功率器件的兴趣一直在稳步上升，但包括RF功率器件的基于GaN的功率器件的实现已很大程度上限于诸如军事/航空航天之类的小批量应用。实施受限的部分原因是制造成本，目前制造成本明显高于基于Si的技术。当前有两种主要类型的GaN RF功率器件，包括绝缘体上GaN技术和Si上GaN技术。尽管前者具有较高的性能，但晶片制造成本也较高。

除了成本方面的考虑之外，在基于GaN的功率器件中还寻求某些技术上的改进。一种这样的改进与解决在基于GaN的功率器件中观察到的相对窄带失真效应有关。不限于任何特定理论，据信电荷俘获效应导致器件特性的显着变化，包括基于GaN的功率器件的增益线性度的变化。电荷捕获被认为是输入信号的长期历史的函数，输入信号的影响可能持续数毫秒至数秒。用来表示这种效应的术语是“电流崩塌”，该术语用于描述一种效应，在该效应下，漏极电流崩塌到小于向GaN晶体管施加高功率RF脉冲时所期望的水平。

电荷捕获的影响包括但不限于跨导频率色散，直流电流消耗特性的电流崩溃、栅极滞后瞬变、漏极滞后瞬变和/或受限制的微波功率输出。

因此，当功率被调制时，电荷可以被俘获，然后以低频释放，这导致增益的低频调制，这引起失真。因此，需要减轻或补偿基于GaN的功率器件以及其他类型的功率器件中的电荷俘获效应。

图1A、1B和1C包括根据一些实施例的示出了增益的低频调制的曲线图102、104、106、110、112和114、116和118。曲线图102示出了随时间的误差矢量幅度(EVM)。曲线图104示出了随时间变化的以dB为单位的输入调幅(AM)信号。输入的幅度调制信号被施加到GaN放大器，该放大器产生低频增益调制。曲线图106示出了随时间变化的以dB为单位的低频(LF)增益，其中在0Hz至10kHz BW上测量增益。图1B的曲线图110、112和114分别是图1A的曲线图102、104和106的特写片段108。

如曲线图104所示，在输入幅度调制信号中产生脉冲。曲线图112示出了低信号，例如在6.5-7毫秒之间，以及高信号，例如在7.1-7.2毫秒之间。但是，当信号同时处于高信号状态和低信号状态时，信号都在脉动。曲线图106示出了曲线图112的输入幅度调制信号的相应低频增益。如图所示，低频增益示出了调制效果。

曲线图116、118、120和122更详细地示出了电荷俘获效应和慢弛豫效应。曲线图116示出了随时间变化的输入幅度调制信号，以dB为单位，而曲线图120示出了随时间变化的输入幅度调制信号的电压。曲线图114示出了随时间变化的以dB为单位的电荷陷阱增益，并且曲线图122示出了随时间变化的电荷陷阱校正增益。当从低功率变为高功率时(例如从t

功率放大器是非线性器件，其增益可以根据电流和过去的输入幅度进行扩展和压缩。在横向扩散的金属氧化物半导体(LDMOS)器件中，这种增益调制可以包含过去的幅度值，范围从约10ns扩展到～100ns，而GaN器件的非线性存储器可以向后扩展us、ms甚至几秒。在一些实施方案中，采样频率可以在10-500MHz之间。在一些实施方案中，这些系统的致动器可以在1纳秒至100纳秒、8纳秒至800纳秒、16纳秒至1600纳秒、32纳秒至3200纳秒、64纳秒至6400纳秒等的时间范围内进行训练。

应用于低频电荷陷获的方法的问题在于，当这些典型系统确定针对数字预失真(DPD)的校正时，系统可以使用求解器，例如最小二乘法求解器。这些最小二乘法求解器在有限输入脉冲(FIR)滤波器中使用线性代数。FIR滤波器可以使用截断的Volterra级数直至通用记忆多项式。

对于低频下的电荷捕获效应，时间常数可以长100或1,000倍。例如，如果在功率放大器上，电荷捕获效应在时间上延长了10毫秒，那么这些典型的系统将必须存储至少在10毫秒以上的数据。用于高频DPD失真的向量和矩阵可能需要300至400列。但是，对于低频电荷捕获效应，FIR滤波器计算现在将具有成千上万个条目。典型的FIR滤波器使用加权输入的移动平均值，并增加FIR滤波器中抽头的数量级，这使得处理非常复杂。

这样的计算可能导致仿真中的数值不稳定，到天线元件的等待时间的延迟以及电路占用面积和功耗的增加。此外，线性代数可用于训练和适应DPD，而大型方程组将是昂贵且数值不稳定的。此外，如果我们使用FIR构建DPD致动器，并在内存中扩展回100,000个样本，那么DPD致动器将非常昂贵且需要大量功率。

为了能够使用典型的系统来校正电荷陷阱效应，FIR滤波器必须过滤掉数千个采样的时间限制。这将涉及大量的硬件来存储FIR滤波器的每次迭代，并涉及大量的功耗。这些典型的系统不适用于收发器和天线处理芯片，在这些收发器和天线处理芯片中，处理能力和电路占用空间有限。而且，计算机可能甚至没有能力在模拟器中证明这种概念。从数值计算的角度来看，FIR滤波器所需的计算将变得过于复杂和庞大。

此外，这种方法的另一个缺陷是在FIR滤波器的输入端使用非线性项来模拟DPD的非线性特性。这些典型的系统现在可能具有数千个抽头，其中该系统可以将信号的绝对值发送到第一抽头，将信号的绝对值的平方发送到第二抽头，将信号的绝对值的三次方发送到第三抽头，依此类推，再次导致本文所述的缺陷，例如增加的电路覆盖面积和功耗。

本文描述了解决或减轻电荷俘获效应问题的系统和方法。一些实施例包括被配置为校正电荷俘获效应的射频(RF)功率半导体器件。在一些实施例中，RF半导体器件可以校正电荷捕获效应和功率放大器的宽带失真。

图2A示出了根据一些实施例的RF半导体器件200，其包括用于校正窄带失真的第一非线性滤波器网络和用于校正宽带失真的第二非线性滤波器网络。装置可包含致动器202、功率放大器204(在此实例中包括FET，例如GaN FET)、最小二乘模块206和反馈致动器208。

如图2A所示，致动器202可以包括第一非线性滤波器网络210，其被配置为补偿功率放大器的窄带失真，例如从10kHz到0.1Hz的频率。第一非线性滤波器网络210可以包括多个非线性滤波器，例如无限冲激响应(IIR)滤波器。在该实施例中，IIR滤波器可以共同用作拉盖尔滤波器。第一非线性滤波器网络210可包括级联或IIR滤波器链。在一些实施例中，第一滤波器是低通滤波器，并且IIR滤波器链中的后续滤波器都是通滤波器。在一些实施例中，第一非线性滤波器网络210的滤波器彼此正交。IIR滤波器的使用使系统可以使用长时间常数来解决窄带电荷陷阱效应。尚不知道将拉盖尔滤波器用于校正窄带电荷陷阱效应。

在一些实施方案中，第二非线性滤波器网络212可以被配置为补偿功率放大器的宽带失真。第二非线性滤波器网络212可以包括多个非线性滤波器，例如有限脉冲响应(FIR)滤波器。FIR滤波器可以共同用作通用内存多项式(GMP)滤波器。在一些实施例中，第二非线性滤波器网络212可以包括补偿宽带失真的数字预失真(DPD)系统和/或DPD滤波器网络。

在一些实施方案中，输入信号x被馈送到第一非线性滤波器网络210以产生信号以补偿窄带失真。可以将相同的输入信号馈入第二非线性滤波器网络212以补偿宽带失真。第一非线性滤波器网络210和第二非线性滤波器网络212的输出的组合由加法器214相加。加法器214的输出被馈送到功率放大器204。在一些实施例中，输入信号x对应于基带处理器提供的数字数据流(例如同相(I)和正交相(Q)数据)。

尽管显示为直接提供给功率放大器204，但加法器214的输出可以对应于由一个或多个、数模转换器(DAC)、一个或多个混频器、一个或多个可变增益放大器(VGA)和/或其他电路处理，以产生提供给功率放大器204的输入的RF发射信号。

在一些实施方案中，功率放大器204的输出和输入也用于拟合逆模型，例如反馈致动器208。功率放大器204的输出可以馈入另一个第一非线性滤波器网络218和另一个第二非线性滤波器网络216。在一些实施例中，功率放大器204的输入功率和/或输出功率由定向耦合器捕获，然后由观察接收器处理以产生所观察到的功率的数字表示。

继续参考图2A，另一个第一非线性滤波器网络218和另一个第二非线性滤波器网络216的输出由加法器220相加。然后，功率放大器204的输入通过另一个加法器222被加法器220的输出减去。另一个加法器222的输出通过最小二乘模块206进行处理。最小二乘模块206的输出由另一个第二非线性滤波器网络216使用。

在一些实施方案中，反馈致动器可包括：第一非线性滤波器网络，例如拉盖尔滤波器；和第二非线性滤波器网络，例如GMP滤波器。

在一些实施方案中，第一非线性滤波器网络与第二非线性滤波器网络并联布置。在其他实施例中，第一非线性滤波器网络与第二非线性滤波器网络串联布置。在第二非线性滤波器网络之后布置第一非线性滤波器网络，其中第二非线性滤波器网络适应高频失真，并且第一非线性滤波器网络适应低频电荷俘获失真。

功率放大器204放大具有载波频率的RF信号。另外，由第一非线性滤波器网络210(例如，拉盖尔滤波器)校正的窄带失真可以对应于围绕载波频率的有限带宽周围并且在与电荷俘获动力学相关联的较长时间尺度上发生的失真。例如，载波频率附近的带宽BW可以与时间常数τ(BW∝1/τ)成反比，因此电荷捕获效应与长时间常数和窄带宽相关。这种窄带失真在本文中也被称为功率放大器的低频噪声。

由第二非线性滤波器网络212(例如，GMP滤波器)校正的宽带失真可以包括在功率放大器中发生的非线性(非电荷陷阱非线性)，其发生时间比窄带失真短得多。因此，与这种非线性相关联的时间常数较小，并且相应的带宽较宽。这种宽带失真在本文中也被称为功率放大器的高频噪声。

图2B示出了根据一些实施例的第一非线性滤波器网络的示例架构。在一些实施例中，第一非线性滤波器网络210可以包括绝对值块252、校正元件254A、254B、254N、多个级(1至N)256A、256B、256N、加法器258和乘法器260。每个级256A、256B、256N可以包括多个(1到M)非线性滤波器。1至M个滤波器中的每个(或至少一些)可以包括第一非线性低通滤波器(LPF)262A、262B、262N，以及可能的一个或多个非线性全通滤波器264A、264B、264N、266A、266B、266N。对于每一级256A、256B、256N，LPF以及可能的一个或多个全通滤波器可以串联布置。LPF滤波器可以接收信号，通过LPF处理信号，将信号输出到一系列全通滤波器，然后通过全通滤波器处理信号。在一些实施例中，第一非线性滤波器网络的滤波器彼此正交。例如，LPF可以允许频率低于某个截止频率的信号通过LPF，而随后的全通滤波器可以允许信号仅通过相位修改，而对幅度没有影响或影响很小。图2b和3中的非线性函数F(v

在一些实施方案中，级256A、256B、256N(例如1至M个滤波器，每个级可以包括LPF以及可能一个或多个全通滤波器)彼此平行布置。在一些实施例中，1至M个滤波器中的每一个都包括校正元件，在此进一步详细描述。级256A、256B、256N中的每一个都可以说明不同的时间常数，因为电荷陷阱畸变可以在各种时间范围内的多个响应中发生。

在一些实施方案中，从数字上变频器(x)接收复数基带信号，该复数基带信号可以包括同相和正交相位(I/Q)信号。该装置通过经由绝对值块252确定复基带信号的绝对信号来生成信号的包络。例如，坐标旋转数字计算(CORDIC)电路可用于处理数字I和数字Q数据以生成数字包络。绝对值块252输出信号的包络。

在一些实施方案中，该设备将绝对值块252的输出传播到多个校正元件254A、254B、254N。多个校正元件254A、254B、254N将非线性引入信号。例如，多个校正元件(例如1至N个校正元件)254A、254B、254N可以取绝对值块252的输出的指数。第一校正元件254A可以取绝对值块252的输出的1倍。第二校正元件254B可以取绝对值块252的输出的2倍。N个校正元件254N可以取绝对值块252的输出的N个指数。例如，图2B示出了绝对值块252的输出(例如||)被发送到三个校正元件254A、254B、254N。第一校正元件254A取1指数(()

在一些实施方案中，1至N个校正元件254A、254B、254N的输出被传播到对应的1至N个多个非线性滤波器256A、256B、256N，例如1至N个拉盖尔滤波器。第一滤波器262A、262B、262N可以包括低通滤波器，并且其余滤波器264A、264B、264N、266A、266B、266N可以包括全通滤波器。以下是低通滤波器(LPF)和全通滤波器(BPF)的数字表示。级0:LPF,

a

在一些实施方案中，通过加法器258将1至N个多个非线性滤波器256A、256B、256N的输出相加，以生成低频增益项g

在一些实施方案中，低频增益项g

在一些实施方案中，第一非线性网络和/或第二非线性网络至少部分地以软件实现(例如，由数字信号处理器作为全数字解决方案实现)。在一些实施方案中，第一非线性网络和/或第二非线性网络至少部分地以固件实现。

图3示出了根据一些实施例的包括抽取和上采样功能的第一非线性滤波器网络的架构。抽取使能在设备电路中处理数百兆赫兹的数据。如果不进行抽取，则此类数据的处理可能需要非常昂贵的组件，并且需要大量的处理能力。

在一些实施方案中，数字上变频器302可以向第一非线性滤波器网络314馈入信号。第一非线性滤波器网络314可以包括绝对值模块316和抽取器，例如级联积分梳状(CIC)滤波器318。可以由绝对值块316处理来自数字上变频器302的信号。CIC滤波器318可以抽取绝对值块316的输出，并将该输出发送到1到N个非线性滤波器322，例如1到N个拉盖尔滤波器。抽取使架构能够将数据速率降低(例如降低100个数量级)，以便在致动器中创建高效实用的架构。

在一些实施方案中，加法器258可以将1至N个非线性滤波器322的输出相加，以产生低频增益项g

在一些实施方案中，数字上变频器302还可以将信号馈送到第二非线性滤波器网络304。第二非线性滤波器网络314的输出可以通过延迟匹配312与第一非线性滤波器网络304的输出进行延迟匹配。延迟匹配312的输出可以通过加法器306添加到第二非线性滤波器网络304的输出，并且加法器306的输出可以输入到功率放大器310。

图4示出了根据一些实施例的包括波峰因数降低功能、第一延迟块和第二延迟块的第一非线性滤波器网络的示例架构。4G/5G发射机通常使用波峰因数降低(CFR)功能。4G/5G发射机可以包含在用户设备(例如移动设备)中。4G/5G发射机可以包含在基站中。CFR功能可以包括从输入信号的包络中去除峰值，以避免或减轻功率放大器中的饱和。但是，CFR功能会导致较长的延迟，因为信号需要大量时间才能通过CFR功能传播。此外，抽取器和上采样器(例如CIC)也有延迟，这些延迟共同会导致相当大的延迟。但是，如果信号将被CFR功能和抽取器/上采样器延迟，则发送器的总等待时间可能太大。为了消除或减轻这个问题，一些实施例包括将数字上变频器的输出直接发送到与第一非线性滤波器网络相关联的组件，并利用CFR功能的输出来处理第二非线性滤波器网络。

在一些实施方案中，数字上变频器(DUC)402的输出可以由绝对值块414处理。绝对值块414将信号的包络输出到下变频器(例如，CIC滤波器416)。CIC滤波器416的输出通过非线性拉盖尔滤波器进行处理，并由加法器420相加。加法器420的输出通过上变频器(例如CIC滤波器422)进行处理以匹配由DUC402提供的信号的频率。在替代实施例中，数字上变频器(DUC)402的输出可以由CFR功能404处理，并且CFR功能404的输出可以输入到绝对值模块414。

在一些实施方案中，通过CFR功能404处理DUC 402的输出。可以将CFR功能404的输出发送到第一延迟匹配块426，其延迟CFR功能404的输出以匹配上采样器CIC 422的输出。然后，乘法器可以将CFR功能404的输出与CIC滤波器422的输出相乘。

在一些实施方案中，CFR功能303的输出也可以发送到第二非线性滤波器网络406，例如GMP滤波器。在一些实施例中，第二延迟块430延迟乘法器428的输出以匹配诸如GMP滤波器的第二非线性滤波器网络406的输出。然后，可以通过加法器408将第二延迟块430的输出与第二非线性滤波器网络406的输出相加。然后，可以将加法器408的输出发送至功率放大器412。

在一些实施方案中，延迟块，例如第一和/或第二延迟块426、430，包括一个或多个移位寄存器。移位寄存器可以串联连接。

图5示出了根据一些实施例的用于通过直接学习算法来训练第一和第二非线性滤波器网络的RF半导体器件的示例架构。RF半导体器件将观察到的功率放大器的输出y与实际输入信号x进行比较，以产生误差信号。这样，直接学习算法可以训练GMP致动器，并且随后使用功率放大器510的输入x和输出y来训练拉奎尔致动器。在替代实施例中，可以使用间接学习算法来训练GMP和拉奎尔致动器，例如通过使用功率放大器510的输入u(通过加法器508是GMP致动器504和非线性Laguerre致动器506的组合信号)之间的差异，并将相同的DPD(GMP和Laguerre)功能应用于功率放大器510，y。

在一些实施方案中，加法器514输出到系统的输入x和功率放大器的输出y之间的差。该差异被发送到直接学习算法512，该算法从该差异值确定误差信号。然后，系统可以分别训练GMP致动器504和Laguerre致动器506。系统可以处理输入信号x并收集数据(例如CFR块502的输出和功率放大器y的输出)来训练GMP致动器504。然后，系统可以切换状态机以建立方程式系统，以训练Laguerre致动器506。

图6示出了根据一些实施例的用于训练GMP致动器的示例架构。图7示出了根据一些实施例的用于训练拉盖尔致动器的示例架构。

如图6和7所示，RF半导体器件可以训练GMP致动器和Laguerre致动器。RF半导体器件可以在GMP致动器上执行部分更新(例如，通过使用图6的体系结构)，随后在Laguerre致动器上执行部分更新(例如，通过使用图7的体系结构)，然后重复执行GMP和Laguerre致动器的部分更新。此外，在训练Laguerre致动器的情况下，RF半导体器件可以对训练向量进行下采样，从而允许使用较浅的训练缓冲区来捕获训练向量以及在扩展的范围内捕获数据。例如，可以在500MHz采样频率下采样4k的浅层训练缓冲区，然后提供8us的有效缓冲区深度。

来自数字上变频器402的信号可以由CFR功能404处理，CFR功能404的输出可以由第二非线性滤波器网络406处理，加法器408的输出可以输入到功率放大器412中。

在图6中，采用CFR功能404的输出和功率放大器412的输出来训练GMP致动器。通过延迟匹配块614来处理CFR功能404的输出，以匹配CFR功能404的输出和功率放大器412的输出之间的延迟。延迟匹配块614的输出和功率放大器412的输出分别填充相应的捕获缓冲器612、604。时间对准块606对准捕获缓冲器612、604的输出。这样的时间对准可以帮助补偿在功率放大器412的输出处捕获的样本(在RF频率处)和在CFR 404的输出处捕获的样本(在基带频率处)之间的速率差。在一些实施方案中，延迟匹配块614可以在特定的精度窗口内对准输出。延迟匹配块614可以是预配置的延迟。时间对准块606可以通过跟踪延迟中的时间变化来进一步延迟信号，所述时间变化例如是基于模拟电路的延迟，该延迟基于过程、电源、温度和/或老化而变化。时间对准块606可以是动态的，基于时间变化的跟踪进行调整。

系统构建GMP特征610的矩阵X

在一些实施方案中，系统可以多次循环该过程。该系统可以捕获来自CFR功能404的输出数据的另一个缓冲器和来自功率放大器412的输出数据，生成GMP特征，确定误差，并生成可以被添加到先前的校正总和的另一个互相关矢量。

在图7中，CFR功能404的输出和功率放大器412的输出用于训练拉盖尔致动器。CIC下采样器416的输出(可以包括抽取到更低采样率的输入信号的包络)可以在Laguerre致动器训练中使用。该输出可以被延迟匹配块724延迟，并且时间对齐块726可以对延迟匹配块724的输出进行时间对齐以与时间对齐块708的时间对齐集合相匹配。时间对准的信号被发送到捕获缓冲器728，然后该信号被发送到拉盖尔特征块730以生成拉盖尔特征。捕获缓冲区的长度大约为5、10、50、100、500个样本。因为已经在CIC降采样器416的输出处对该信号进行了降采样，所以在捕获缓冲区捕获的信号捕获时间足够长的数据，从而可以通过充电和/或放电曲线获取采样。如本文所讨论的，诸如在图1C中那样的充电和放电的时间常数效应包括比典型的数字预失真在更长的时间段上的窄带失真。

在一些实施方案中，Laguerre特征730被发送到相关引擎734以处理GMP特征以确定互相关向量r

在一些实施方案中，非线性拉盖尔滤波器418的初始条件(例如，v

为了减轻或消除上述缺陷，一些实施例公开了从拉盖尔滤波器致动器获取实际的初始状态读数。非线性Laguerre滤波器418的初始条件被延迟匹配块718延迟，时间对齐块720可以对延迟匹配块718的输出进行时间对齐。捕获缓冲器722可以捕获初始条件的样本，初始条件可以被发送到拉盖尔特征块730以基于拉盖尔项的矩阵的产生来生成拉盖尔特征。参照图8进一步描述非线性拉盖尔滤波器418的初始条件和初始状态。

在一些实施方案中，CFR函数404的输出与功率放大器412之间的差用于训练拉格尔致动器。类似于图6的实施例，CFR功能404的输出被延迟匹配714并且被存储在捕获缓冲器716中。功率放大器412的输出也被存储在捕获缓冲器706中。捕获缓冲器706、716的输出是时间对准的708，并且经由加法器710的差被发送到相关引擎734以确定互相关矢量r

在一些实施方案中，经由下采样器712将CFR函数404的输出下采样N。下采样器712可以对CFR函数404的输出进行下采样以匹配包络的抽取率(例如，框416的输出)。例如，下采样器每100个采样中可以有一个输入。在一些实施例中，经由下采样器704将功率放大器412的输出下采样M。下采样器704可以对功率放大器412的输出进行下采样以匹配包络的抽取率(例如，框416的输出)。因此，到两个捕获缓冲器716和706的输入可以处于匹配的采样率。在一些实施方案中，使用下采样器代替抽取滤波器，因为下采样的信号用于拟合相关引擎734中的模型(而不是重构信号)。有利地，捕获缓冲器可以在更长的时间段内看到数据。例如，如果捕获缓冲区只能长时间捕获10,000个样本，而向下采样的系数是100，那么现在捕获缓冲区可以将10,000个样本扩展100倍。因此，如果仅捕获缓冲区仅能看到1微秒的数据，则带有下采样的捕获缓冲区现在可以保存10毫秒以上的数据。这种下采样使系统能够捕获窄带、较慢的瞬态效应。

在一些实施方案中，对于GMP致动器的训练(例如，图6)和对Laguerre致动器的训练(例如，图7)是串行发生和/或不是同时发生。因此，捕获缓冲区可以重复使用。例如，系统可以打开功率放大器和其他硬件的电源，捕获数据并训练GMP致动器，捕获数据并训练Laguerre致动器，然后重复两次训练。有利地，由于某些组件的重用，系统可以更小并且使用更少的组件。

图8示出了根据一些实施例的用于识别拉盖尔致动器训练的初始条件的示例架构。拉盖尔致动器822接收信号，经由绝对值块824生成信号的包络，经由校正元件826应用非线性校正(例如，通过对信号(例如信号平方或立方)施加功率)，并使信号通过拉盖尔滤波器828、830、832。一个或多个拉盖尔滤波器可以包含自回归项，其中每个滤波器的输出通过TX-ORX延迟820进行延迟，并在反馈循环中馈入Laguerre训练模型801。馈送的术语是在Laguerre训练模型801中使用的初始阶段。然后，拉盖尔训练模型接收信号，并再次通过绝对值块802生成信号的包络线，通过校正元素804进行非线性校正(例如，通过对信号施加功率，例如信号平方或立方)，然后使信号通过Laguerre滤波器806、808、810。但是，Laguerre训练模型801的Laguerre滤波器806、808、810会接收初始条件，其中初始条件通过方程式812、816和加法器814、818加权。v

图9示出了根据一些实施例的用于RF半导体器件同时训练GMP和拉盖尔致动器两者的示例架构。在一些实施例中，RF半导体器件可以使用该架构来训练Laguerre致动器而无需下采样。RF半导体器件可以长时间捕获来自Laguerre致动器的数据。与先前附图的缓冲区相比，捕获缓冲区将在更长的时间内捕获更多数据。例如，RF半导体器件可以捕获数百兆赫兹的数据，这些数据可以填充缓冲区并在数十微秒的数据窗口内训练。然后，RF半导体器件可以一次又一次地训练Laguerre致动器，从而有效地扫描毫秒级的数据窗口。在一些实施例中，采样频率可以在10-500MHz之间。在一些实施例中，可在100纳秒至1毫秒、1毫秒至10毫秒等的时间范围内训练拉格致动器。

非线性拉盖尔滤波器418的输出、CFR函数404和功率放大器412的输出被获取，并且被延迟匹配块910、902和时间对准块912、906对准。捕获缓冲器904、908捕获数据。经由加法器909确定CFR功能404的输出与功率放大器412的输出之间的差。来自加法器909的差信号被发送到GMP特征产生器916、Laguerre特征产生器914和CIC延迟匹配块918。Laguerre特征产生器914还从时间对齐块912接收初始条件。GMP特征生成器916和Laguerre特征生成器914生成相应的多项式，并将该多项式发送到相关引擎924。相关引擎618可以确定用于GMP致动器的互相关向量r

图10示出了根据一些实施例的RF半导体器件，其包括：第一非线性滤波器网络，其包括用于校正窄带失真的FIR滤波器；以及第二非线性滤波器网络，其用于校正宽带失真的FIR滤波器。第一非线性滤波器网络1012可以包括第一非线性致动器，第二非线性滤波器可以包括第二非线性致动器1014。第一非线性滤波器网络1012可以与第二非线性滤波器网络1014并联。第一非线性滤波器网络1012可以包括GMP致动器、拉盖尔致动器和/或类似物。第二非线性滤波器网络1014可以包括GMP致动器、拉盖尔致动器和/或类似物。第一非线性滤波器网络1012和第二非线性滤波器网络1014的输出可以由加法器1016相加，并且合并的信号可以被发送到功率放大器1002。

在一些实施方案中，器件还可包括反馈致动器1008，其还包括与第二非线性滤波器网络1020并联的第一非线性滤波器网络1018。反馈致动器1008可以接收功率放大器1002的输入和输出，用于拟合逆模型。功率放大器1002的输出可以被馈送到另一个第一非线性滤波器网络1018和另一个第二第一非线性滤波器网络1020。加法器1022将另一个第一非线性滤波器网络1018和另一个第二非线性滤波器网络1020的输出相加。然后，经由另一个加法器1010的加法器1022的输出减去功率放大器1002的输入。加法器1010的输出通过最小二乘模块1006进行处理。最小二乘模块1006的输出由其他第二非线性滤波器网络1018使用。系统可以使用除最小二乘模块1006以外的其他求解器。

在一些实施方案中，第一非线性滤波器网络1012可以具有一定的采样率，以通过在更长的时间约束下捕获采样来校正窄带失真。第二非线性滤波器网络1014可能必须具有更高的采样率以校正更高频率的噪声。

相对于功率放大器稳定后的稳态工作而言，功率放大器在上电后(例如，刚启用后)可立即表现出不同的性能特征。这种功率放大器的影响可能由多种因素引起，例如功率放大器的自发热。例如，功率放大器在冷却时的初始操作可以相对于功率放大器达到稳态工作温度之后的操作而变化。

在某些应用中，功率放大器会先打开很长一段时间，然后再关闭很长一段时间。例如，对于使用时分双工(TDD)的基站或移动设备，功率放大器可以在发送时隙中打开，而在接收时隙中关闭。

此处的DPD系统可以实现为补偿导通与稳态后功率放大器性能的瞬态变化。例如，本文的任何实施例可用于存储用于DPD的多组系数(包括用于电荷捕获DPD的系数)。另外，DPD系统可以配置为在打开功率放大器后不久(例如，在功率放大器打开后的时间段T内)使用一组系数，并在稳态下使用第二组系数(例如，在时间段T之后)。

通过将两组(或更多组)系数用于DPD，功率放大器可以更有效地线性化，包括用于初始或启动操作以及用于稳态操作的功率放大器。

本文中的任何实施例都可以用多组DPD系数来实现，这些DPD系数的选择取决于功率放大器已经开启/启用了多长时间。

在前述中，将理解的是，实施例中的任何一个的任何特征可以与实施例中的任何其他的任何其他特征组合或替换。

可以在各种电子设备中实现本公开的各方面。电子设备的示例可以包括但不限于消费电子产品、消费电子产品的一部分、电子测试设备，诸如基站的蜂窝通信基础设施等。电子设备的示例可以包括但不限于不限于，诸如智能电话之类的移动电话、诸如智能手表或听筒之类的可穿戴计算设备、电话、电视、计算机监视器、计算机、调制解调器、手持计算机、膝上型计算机计算机、平板电脑、个人数字助理(PDA)、微波炉、冰箱、车载电子系统(例如汽车电子系统)、立体声系统、DVD播放器、CD播放器、数字音乐播放器(例如MP3播放器)、收音机、便携式摄像机、数码相机之类的照相机、便携式存储芯片、洗衣机、烘干机、洗衣机/烘干机、外围设备，时钟等。此外，电子设备可以包括未完成的产品。

除非上下文清楚地另外要求，否则在整个说明书和权利要求书中，词语“包括”、“包含”、“含有”、“具有”等应以包括性含义来解释，而不是排他性或穷举性的意思；也就是说，在“包括但不限于”的意义上。如本文中通常使用的，术语“耦合”是指两个或多个元件，其可以直接连接，或通过一个或多个中间元件连接。同样地，如本文中通常使用的，术语“连接”是指可以直接连接或通过一个或多个中间元件连接的两个或多个元件。另外，当在本申请中使用时，词语“在此”、“上方”、“下方”和类似含义的词语应整体上指本申请，而不是指本申请的任何特定部分。在上下文允许的情况下，上述详细描述中使用单数或复数的词也可以分别包括复数或单数。单词“或”指的是两个或多个项目的列表，该单词涵盖该单词的以下所有解释：列表中的任何项目、列表中的所有项目以及列表中项目的任何组合。

此外，除非另有特别说明，或在所使用的上下文中另有了解，否则本文中使用的条件语言，例如“可以”、“可能”、“例如”、“诸如”等通常旨在传达某些实施例包括而某些实施例不包括某些特征、元素和/或状态。因此，这样的条件语言通常不旨在暗示特征、元素和/或状态以任何方式对于一个或多个实施例是必需的，或者这些特征、元素和/或状态是否被包括或将在任何特定实施例中执行。

尽管已经描述了某些实施例，但是这些实施例仅通过示例的方式给出，并且不意图限制本公开的范围。实际上，本文描述的新颖的装置、方法和系统可以以多种其他形式来体现。此外，在不脱离本公开的精神的情况下，可以对本文所述的方法和系统的形式进行各种省略、替换和改变。例如，虽然以给定的布置来呈现框，但是替代实施例可以执行具有不同组件和/或电路拓扑的类似功能，并且可以删除、移动、添加、细分、组合和/或修改一些框。这些块中的每一个可以以各种不同的方式来实现。可以将上述各种实施例的元素和动作的任何适当组合进行组合以提供其他实施例。上述的各种特征和过程可以彼此独立地实现，或者可以以各种方式组合。本公开的特征的所有可能的组合和子组合旨在落入本公开的范围内。