확장된 REV 교정 방법을 사용한 전력 증폭기 선형화 기술

Abstract

5G 모바일 통신 시스템은 빔 포밍 기술, 변조 및 다중 접속 기술, Multiple-Input and Multiple-Output (MIMO) 기술 등 표준에 따른 기술적 요구사항을 만족하도록 설계된다. 하지만 시스템 설계에 있어 기계적인 결함이나 전기적인 왜곡이 존재하여 빔 포밍 알고리즘의 최적화가 요구되고, 높은 Peak-to-Average Ratio (PAPR)와 광대역 특성을 가진 통신 신호가 전력 증폭기, Power Amplifier (PA)에 입력되어 발생하는 PA의 비선형성 및 메모리 효과로 인해 엄격한 통신 표준을 만족하는 데 어려움이 있다. 따라서 통신 시스템은 빔 패턴 교정이나 PA의 선형화 기술을 지원하도록 요구된다. 특히, 모바일 통신 시스템 선형화 기술로서 기저대역 모뎀에서 디지털 방식으로 사전 왜곡기를 낮은 비용으로 손쉽게 구현할 수 있는 Look-Up Table (LUT) 기반의 Digital Pre-Distortion (DPD) 기술을 적용하는 추세이다. 본 논문에서는 빔 패턴 교정 방법론 중에서 Rotating-Element Electric-Field Vector (REV) 기법을 응용하여 빔 포밍 알고리즘의 최적화 및 빔 패턴 측정으로 간접적인 개별 채널 PA에 대한 AM-AM, AM-PM 특성 추출이 가능한 방법론으로 확장하고 있다. 또한 추출한 AM-AM, AM-PM 특성을 가지고 아날로그 빔 포밍 구조에서 DPD 기술을 적용하기 위해 linear-in-parameter 형태의 PA 모델로 변환하는 과정을 제시하고 있다. 변환된 PA 모델은 메모리 효과를 포함하지 않는 memoryless 모델이지만, 메모리 효과를 FIR 필터 응답으로 연결하는 Hammerstein 모델을 통해 memory 모델로 표현할 수 있다. 시스템 시뮬레이션을 통해 추출한 PA 모델을 측정 결과와 비교하고 있으며, memoryless DPD 모델과 memory DPD 모델 기반의 사전 왜곡기를 각각 구현하여 DPD 기술 적용 전후의 이득 및 Error Vector Magnitude (EVM), Adjacent Channel Leakage Ratio (ACLR)의 지표로 선형화 성능을 비교하고 있다. 소개하는 확장된 REV 교정 방법은 빔 패턴 측정을 통해 빔 패턴 최적화 및 DPD 계수 추출을 동시에 할 수 있는 기법이므로 사전 교정 과정이 줄어드는 효과가 있을 것으로 기대된다. 또한 빔 조향각에 따른 개별 PA 모델을 추출할 수 있으며, 안테나 커플링이 고려된 DPD 기술을 제공한다. 또 다른 장점으로는 PA 모델링이나 DPD 모델링 과정에서 일반적인 모델링과 다르게 PA의 출력 신호를 관찰할 필요가 없다는 점에서 피드백 구조가 요구되지 않는다. 마지막으로 LUT 운용 관점에서 제안하는 Hammerstein DPD 모델은 비선형성과 메모리 효과를 분리하여 필요한 DPD 계수의 개수가 memory polynomial (MP) DPD 모델 대비 적고, 5G 신호에 따라 적절한 FIR 필터 응답을 선택하여 LUT를 효과적으로 관리할 수 있음을 분석하였다.

5G mobile communication system is designed to satisfy technical requirements according to standards such as beamforming technology, modulation and multiple access technology, and multiple-input and multiple-output (MIMO) technology. However, there are mechanical defects and electrical distortions in the system design, that is, an optimization of the beamforming algorithm is required. 5G communication signals with high Peak-to-Average Ratio (PAPR) and broadband characteristics enter a power amplifier (PA) as an input. Due to the non-linearity and memory effect of PA caused by the input signals, it is difficult to satisfy strict regulation. Therefore, the communication system is required to support beam pattern calibration and PA linearization techniques. In particular, as a linearization technology in mobile communication system, there is a trend to apply a Look-Up Table (LUT) based Digital Pre-Distortion (DPD) technique, which can easily implement a digital pre-distorter processed in a baseband modem at low cost. In this paper, Rotating-Element Electric-Field Vector (REV) method, that is, one of the beam pattern calibration methods can be applied to expand the methodology to not only optimize the beamforming algorithm, but also to indirectly extract AM-AM and AM-PM characteristics for individual channel PAs by measuring beam patterns. In addition, in order to apply the DPD technique to the analog beamforming structure, the process of converting the extracted AM-AM and AM-PM characteristics into a linear-in-parameter PA model is presented. The converted PA model can be expressed as a memoryless model that does not include the memory effect or a memory model as Hammerstein model that show the memory effect to the FIR filter response. Through system simulation, estimated PA models are compared with the measurements, and the linearization performance is compared through the indicators of gain, Error Vector Magnitude (EVM), and Adjacent Channel Leakage Ratio (ACLR) before and after applying the DPD, which has different implementations depending on whether it is a memoryless pre-distorter or a memory pre-distorter, respectively. The extended REV method is a novel technology that can simultaneously optimize the beam pattern and extract DPD coefficients through beam pattern measurement, so it is expected to have an effect of reducing the pre-calibration process. In addition, individual PA models can be extracted according to the beam steering angle, and the estimated DPD coefficient takes antenna coupling into account. Another advantage is that a feedback structure is not required in the process of PA modeling or DPD modeling in that the output signal of the PA does not need to be monitored, unlike general modeling. Finally, from the perspective of LUT management, the proposed Hammerstein DPD model can be separated nonlinearity and memory effect of PA, which means that fewer DPD coefficient are required than memory polynomial DPD model, and LUT can be effectively managed with an appropriate FIR filter response according to the 5G signal.