Come dare rilevanza pratica a una soluzione di predistorsione digitale

Pubblicato il 13 settembre 2022
Di Steve Summerfield, Director Algorithm Implementation e Frank Kearney, Director of Systems Architecture, Analog Devices

Da quanto viene riportato dalla maggior parte del materiale informativo sulla predistorsione digitale (DPD), le sue prestazioni sono basate su dati quantitativi statici. Di solito questa documentazione illustra uno spettro DPD e valuta l’ ACLR (Adjacent Channel Leakage Ratio, o rapporto di perdita in canali adiacenti). Anche se questo approccio risponde alle esigenze principali, non riesce a recepire molte delle sfide, dei rischi e dei compromessi sulle prestazioni che si presentano nell’utilizzo nel mondo reale. La rapida transizione verso il 5G introduce ulteriori nuove sfide e apre scenari diversi, che richiedono un maggiore livello di attenzione da parte degli sviluppatori di algoritmi. A supporto delle prestazioni statiche ci dev’essere la capacità di mantenere prestazioni e stabilità in un ambiente complesso nel quale molti elementi si trovano in stato di fluttuazione continua.

Introduzione

In condizioni ideali, l’uscita di un amplificatore di potenza dovrebbe essere una versione scalata, identica a quella d’ingresso e la maggior parte della potenza utilizzata dall’amplificatore dovrebbe trovarsi nel segnale di uscita. Pertanto si avrebbe un’efficienza massima e nessuna distorsione. Nel mondo reale, non ci si riesce: gli amplificatori lineari reali tendono ad avere livelli di efficienza molto ridotti. Gli amplificatori utilizzati nei sistemi di distribuzione via cavo, ad esempio, hanno una linearità eccellente, che però va a scapito dell’efficienza. Quest’ultima, nella maggior parte dei casi difficilmente riesce a raggiungere valori superiori al 6%, con il resto dell’energia (94%) che va perso. Lo spreco di energia implica costi di natura economica, ambientale e applicativa. Nelle stazioni base per la telefonia cellulare, l’elettricità rappresenta oltre il 50% dei costi OPEX. Gli sprechi energetici aumentano il consumo di elettricità e inducono l’effetto-serra, mentre gran parte della potenza che non viene emessa attraverso le onde radio dev’essere dissipata sotto forma di calore, il ché richiede una gestione termica attiva e passiva.

Nelle ultime decadi, l’industria della telefonia cellulare ha portato le prestazioni dei PA a un livello di efficienza superiore al 50%, che è stato raggiunto mediante l’adozione di architetture smart come la Doherty e tecnologie di processo avanzate come le GaN. Questo grado di efficienza si raggiunge a spese della linearità. Se quest’ultima è scadente, in un sistema di telefonia cellulare porta due conseguenze principali: distorsioni in-banda ed emissioni fuori-banda. Le prime alterano la fedeltà del segnale trasmesso e possono essere rappresentate come un degrado delle prestazioni nell’EVM (Error Vector Modulation). Le emissioni fuori-banda infrangono le maschere di emissione 3GPP e possono provocare interferenze indesiderate agli operatori, occupando le frequenze dei canali adiacenti. Questi aspetti prestazionali si misurano generalmente in termini di ACLR. I PA basati su GaN presentano un ulteriore criticità per il fatto che le distorsioni in-banda siano anche prodotte dagli effetti del “charge-trapping”. Questi sono di natura dinamica e indipendenti da qualsiasi SNR implicato dall’ACLR.

Figura 1. Funzione di trasferimento dinamico del PA con effetto memoria.

Correggere la non-linearità del PA è essenziale; conoscendone la funzione di trasferimento, sarebbe ragionevole supporre che l’applicazione della funzione inversa sui dati fosse in grado di annullare le non-linearità. Tuttavia, il PA possiede quella che può essere considerata una funzione dinamica di trasferimento; le sue caratteristiche tra ingresso e uscita possono essere considerate fluttuanti in modo continuo. Inoltre, la funzione dinamica di trasferimento dipende da una combinazione delle caratteristiche del PA (incluse potenza, tensione e temperatura), del segnale che si presenta all’ingresso del PA e dei segnali che lo stesso PA aveva elaborato in precedenza (effetto memoria) (Fig. 1). Prima di venir corretto, il comportamento non-lineare dinamico del PA dev’essere modellizzato (da cui deriva la necessità della predistorsione digitale) e la DPD deve risultare adattiva alle dinamiche dell’ambiente.

Figura 2. Rappresentazione concettuale di un sistema di predistorsione digitale.

La Figura 2 illustra gli elementi chiave di molti sistemi DPD: osservazione, stima e attuazione. Il concetto rappresentato nella Figura 2 genera un modello che segue la risposta attesa dal PA, in modo tale da poter generare un opportuno segnale di cancellazione che annulli di comportamento non lineare previsto dal PA stesso. Esistono svariati modelli, come il diffusissimo GMP (Generalized Memory Polynomial).

Figura 3. Perdita su canale adiacente con e senza predistorsione digitale.

Un PA che funziona nella propria regione lineare genera meno distorsioni fuori-banda e, come illustrato in Figura 3, presenta una notevole riduzione del livello di rumore disperso sui canali adiacenti. La Figura 3 mostra la schermata di un analizzatore di spettro utilizzato in una prova tipica, utilizzata per dimostrare che le prestazioni statiche del DPD soddisfano gli standard richiesti da molti test di conformità ACLR.

Evoluzione di mercato, miglioramento delle prestazioni e un target in movimento

Nelle stazioni base per la telefonia cellulare, la DPD viene utilizzata a scopo commerciale fin dagli anni ‘90, con una diffusione stimata in oltre 8 milioni di installazioni. Con l’evolversi della tecnologia e dei requisiti generazionali del mercato cellulare (2G, 3G, 4G e oggi 5G), anche le specifiche richieste per la DPD hanno dovuto essere adeguate. Queste sfide includono – ma non si limitano a – larghezza di banda più ampia, potenze più elevate, collocazioni della portante, rapporti di segnale “peak-to-average” più alti e addensamento delle stazioni base, nel numero e nella prossimità.

I venditori di apparati sono desiderosi di differenziare le proprie offerte di prodotto e di continuare a esercitare pressione per il miglioramento delle prestazioni in termini di efficienza, relativamente alle specifiche 3GPP di pertinenza. L’efficienza del PA continua a rappresentare una sfida. Laddove i tradizionali motori del cambiamento sono stati prevalentemente i costi OPEX e la gestione termica (inclusi i costi di hardware/peso associati a quest’ultima), ora anche le considerazioni ambientali costituiscono un fattore accelerante dell’evoluzione.

PA e DPD hanno un rapporto parzialmente simbiotico. In alcune istanze, questo rapporto può essere armonioso, in altre più difficile. Un PA che si abbina facilmente alla DPD di un certo produttore, può incontrare difficoltà con quella di un altro. Spesso, le prestazioni ottimali si raggiungono quando sia la DPD che i PA vengono configurati e messi a punto per soddisfare l’applicazione specifica. Tuttavia, per soddisfare gli stretti requisiti dei sistemi 5G e successivi, la struttura dei PA è in continua evoluzione. Parallelamente a questo, la DPD deve evolvere per rispondere a ulteriori richieste. Dato che le applicazioni a banda larga e dual-band stanno diventando la norma, gli sviluppatori di PA devono raccogliere la sfida di raggiungere larghezze di banda più ampie a frequenze più elevate mantenendo, nel contempo, le prestazioni attese. Sviluppare un PA in grado di offrire una larghezza di banda anche superiore a 200 MHz rappresenta una sfida, mentre garantire che rispetti le specifiche 3GPP e mantenga l’efficienza crea ulteriori sfide che, a loro volta, ricadono sugli sviluppatori DPD.

Comprendere la sfida

Quantificare le prestazioni DPD non è un compito semplice. Oltre al PA, esiste una matrice di condizioni e scenari da tenere in considerazione, ma vi è anche una serie di altre dipendenze mitiganti. Quando si considerano le prestazioni, devono essere definiti chiaramente gli aspetti specifici delle condizioni di prova: raggiungere un’efficienza >50% con una larghezza di banda di 200 MHz rappresenta una sfida molto più difficile di ottenere lo stesso livello di efficienza con una larghezza di banda operativa di 20 MHz. La situazione diviene più complessa se consideriamo la collocazione della portante nell’ambito dello spettro allocato; potrebbe trattarsi di un segnale contiguo, ma nel caso in cui alcune porzioni dello spettro fossero occupate, l’allocazione delle portanti potrebbe anche essere segmentata.

Ad alto livello, esistono indicatori quantitativi delle prestazioni DPD— i parametri principali definiti dalle specifiche 3GPP o dall’operatore: ACLR, EVM ed efficienza. Rispettarli rappresenta soltanto la punta dell’iceberg delle prestazioni DPD. Quando a queste vengono aggiunte stabilità e robustezza, l’enormità della sfida inizia ad affiorare. In ambito di prestazioni DPD ci sono due aspetti critici nelle valutazioni: quelle statiche, a livello-di-laboratorio e quelle dinamiche operative, del mondo reale.

Per caratterizzare la sfida delle dinamiche, la Figura 4 illustra l’evoluzione del segnale in un ambiente dinamico e mostra come l’ACLR possa rispondere con un continuo adattamento alla DPD. Le cifre sono simboliche. Il tracciato fornisce un esempio dell’effetto di brusche variazioni del segnale, che sono estreme ma si possono verificare. Al variare del segnale, il modello DPD si adatta ad esso. Gli eventi di adattamento sono indicati con dei puntini. Nel tempo di transizione tra una variazione del segnale e il successivo adattamento, si verifica una discrepanza tra modello e segnale, per questo motivo il valore di ACLR può salire, aumentando il rischio di violare le specifiche di emissione per tutta la durata del transiente.

Figura 4. Carico dinamico della cella, adattamento DPD e transienti ACLR

L’adattamento richiede un tempo finito, per cui esisterà sempre un transiente. La sfida per la DPD ad alte prestazioni consiste nel ridurre al minimo la durata della discrepanza del modello, garantendo nello stesso tempo una transizione progressiva tra entrambi gli stati. Il processo deve essere gestito in modo tale da considerare sia la velocità di adattamento che l’alterazione dell’ACLR. È importante comprendere come la mancata corrispondenza del modello dipenda dalla natura delle transizioni del segnale. Quando la differenza è elevata, la DPD rischia di degradare le prestazioni o, ancor peggio, la stabilità della radio. L’instabilità, se si dovesse verificare, potrebbe portare fuori controllo a velocità vertiginosa l’algoritmo DPD, distruggendo le maschere di emissione e, negli scenari peggiori, danneggiare l’hardware della radio. Nel soppesare il rapporto tra prestazioni e stabilità, quest’ultima dovrà sempre essere alla base delle considerazioni di un progetto DPD, che dev’essere robusto per garantire stabilità e recupero degli errori, tanto in condizioni operative normali quanto in quelle anomale.

Le sfide per una soluzione DPD pratica e ad alte prestazioni si possono riassumere nei requisiti che seguono:

  • Prestazioni statiche (test di conformità o laddove il carico di traffico BTS sia approssimativamente costante)
    • ACLR
    • EVM (compreso GaN come caso particolare)
  • Dinamica
  • Robustezza

Inoltre, dato che Analog Devices è un fornitore DPD di terze parti, si deve considerare anche quanto segue:

  • Manutenzione
    • La soluzione di problemi prestazionali che si verificano quando il nostro cliente (l’OEM) distribuisce al proprio (l’operatore).
  • Evoluzione
    • Durante la loro vita sul campo, la tecnologia del PA e l’applicazione segnale-spazio possono variare.
  • Generalità
    • Un OEM può calibrare il proprio DPD su ciascun prodotto. Non disponiamo di un lusso del genere. Dobbiamo rispondere alle esigenze di molte applicazioni, minimizzando configurabilità e ridondanza.

Far progredire le prestazioni DPD per rispondere alle sfide

Considerando le sole prestazioni statiche, nello sviluppo DPD esiste un elemento di progresso lineare. Fornendo più risorse, vengono migliorate le prestazioni. Ad esempio, maggiori coefficienti GMP aiutano a modellizzare più accuratamente il comportamento del PA. Perciò, con l’aumento delle larghezze di banda, questo diventa l’elemento di una strategia per conservare, se non addirittura migliorare, le prestazioni. Quell’approccio, tuttavia, ha i suoi limiti. Nel momento in cui un aumento di risorse fornirà un beneficio limitato o nullo, sarà stato raggiunto un punto di diminuzione del rendimento. Per racimolare ulteriori miglioramenti, gli sviluppatori di algoritmi DPD devono adottare approcci più creativi. Quello di ADI è aumentare l’algoritmo base GMP (Generalized Memory Polynomial) con più funzioni generali di base e prodotti Volterra di ordine più elevato. Dato che gli sviluppatori tentano di creare un modello che preveda accuratamente il comportamento del PA, accumulazione e manipolazione dei dati sono elementi di fondamentale importanza. La cattura dei dati in tempo successivo e i livelli di potenza aumentano l’autonomia degli sviluppatori, un arsenale d’informazioni su cui fare le proprie considerazioni e determinare il comportamento del modello. La Figura 5 fornisce una panoramica concettuale di un sistema che adotta un approccio di questo genere. Si noti la maggior estensione della struttura di nodi per la cattura/osservazione dei dati, associata al monitoraggio digitale della potenza. Il monitoraggio della potenza aiuta la dinamica. I modelli memorizzati precedentemente possono essere portati in gioco in diversi modi per mitigare l’effetto dei transienti dinamici discussi pocanzi.

Figura 5. Implementazione DPD con una rete più estesa per la cattura/osservazione dei dati salva file.

Negli anni recenti, la tecnologia dei PA GaN ha portato un’ulteriore sfida agli sviluppatori DPD: l’effetto-memoria a lungo-termine. La tecnologia di processo GaN porta con sé molti vantaggi distinti in termini di efficienza, larghezza di banda e frequenza operativa. Presenta, tuttavia, un effetto conosciuto sotto il nome di “charge trapping”. Nel GaN il charge trapping è un effetto-memoria a lungo termine, nel quale esiste una fase di cattura (trap) seguita da una di rilascio (de-trap) termico. La DPD basata su GMP corregge una parte dell’errore. Tuttavia, esiste un errore residuo che continua ad avere un impatto sulla qualità del segnale. Questa distorsione induce un aumento contestuale nell’EVM. La Figura 6 illustra una rappresentazione grafica del fenomeno. Notate le fluttuazioni di guadagno del PA e la natura temporanea delle medesime. Notate anche gli stati di trap e de-trap e che il de-trapping si verifica sui valori di potenza inferiori.

Figura 6. Errori di guadagno a lungo-termine introdotti dal charge trapping dei PA GaN.

Dato che l’effetto temporale è a lungo termine, gli approcci tradizionali suggerirebbero l’acquisizione di un numero molto elevato di campioni e, di conseguenza, di una grande quantità di dati da memorizzare ed elaborare. I costi per la memoria, per lo spazio destinato al silicio e il costo di elaborazione rendono questo approccio un’opzione non percorribile per le distribuzioni commerciali della DPD. Gli sviluppatori DPD devono eliminare gli effetti del charge trapping, facendo però in modo che si presti a un’implementazione e un utilizzo efficienti. Nel nostro transceiver ADRV9029 , la funzionalità CTC (Charge Trap Correction) viene supportata a un costo contenuto, in termini di potenza e tempi di elaborazione. È stato dimostrato che può riportare l’EVM a un livello che rientra nelle specifiche EVM 3GPP. Il transceiver di prossima generazione ADRV9040, in via di rilascio, vanta una soluzione più elaborata, destinata a offrire prestazioni migliorate negli scenari dinamici e una migliore copertura su un numero crescente di PA GaN con “personalità” uniche in termini di charge trap.

Figura 7. Bilanciamento di tutte le componenti prestazionali DPD con le sfide.

Come si è detto in precedenza, la stabilità di un’implementazione DPD è della massima importanza. L’aspetto della robustezza viene affrontato monitorando continuamente lo stato interno del sistema e fornendo risposte veloci al verificarsi di condizioni insolite.

Per far fronte alla generalità delle proprie soluzioni, ADI esegue test su un vasto campionario di PA di svariati produttori, con molti dei quali si stabilisce un rapporto tecnico di simbiosi.

Quando viene presentata una soluzione DPD, troppo spesso si pone l’accento sugli elementi statici delle prestazioni. Anche se il metro di misura in termini di EVM e ACLR resta valido, si deve porre maggiore attenzione alla matrice di requisiti e condizioni operative che fanno da cornice a quelle misure. La domanda di 5G NR continua a far pressione sui requisiti di applicazione e questo, assieme alla richiesta di efficienze più elevate per i PA, complica la sfida dello sviluppo degli algoritmi DPD.

Poiché stiamo iniziando a qualificare le prestazioni DPD, ci serve un approccio olistico che gestisca:

  • Prestazioni statiche
  • Prestazioni dinamiche
  • Robustezza
  • Stabilità

Una soluzione DPD che dispone di un margine stretto rispetto alle specifiche può essere scartata, una che provoca violazioni temporanee delle specifiche può indisporre gli operatori, mentre la DPD che diventa instabile, col risultato di emissioni illecite e di un possibile guasto al PA, può risultare disastrosa. Un algoritmo DPD non dovrebbe essere considerato un articolo standard; le prestazioni ottimali si raggiungono quando la DPD viene modellata sulle specifiche del PA e dell’applicazione — pertanto le considerazioni su agilità di algoritmo e sviluppo/supporto sul campo risultano altrettanto importanti. Un algoritmo DPD efficace deve produrre benefici di sistema sostanziali. La complessità dei requisiti e la valutazione delle prestazioni non dovrebbero essere sottostimate.



Contenuti correlati

Scopri le novità scelte per te x