射频功率放大器是所有无线发射系统中的关键部件，它负责将调制后的低功率射频信号提升至足够的功率电平，以便通过天线辐射出去。在现代通信，尤其是4G和5G等采用高阶调制和宽带信号的系统中，功率放大器（PA）的性能面临着效率与线性度的核心矛盾。为了提升频谱效率和数据吞吐量，系统广泛采用具有高峰均功率比的复杂调制方式，如正交频分复用。然而，PA的晶体管作为有源器件，其增益特性本质上是非线性的。当输入信号的功率接近PA的饱和区时，这种非线性效应会被显著放大，从而导致信号失真，产生带内失真和带外杂散。带内失真主要表现为误差矢量幅度，简称EVM的恶化，影响接收端解调的准确性。带外杂散则表现为邻道泄漏功率比，简称ACPR的升高，造成频谱能量泄漏到相邻信道，对其他通信系统产生严重干扰。
为了满足严格的频谱管理法规和系统性能指标，PA必须在保证高效率的同时，维持极高的线性度。射频功率放大器线性化技术，便是解决这一矛盾的核心手段。其目标是在PA工作于接近饱和的高效率区时，通过补偿其非线性失真，使得整个发射链路的输出信号尽可能地接近理想的线性放大结果。功率放大器的非线性失真主要源于两个方面：幅值失真，即AM-AM失真，表现为增益压缩；以及相位失真，即AM-PM失真，表现为信号相位随输入幅度的变化。传统的线性化技术主要分为模拟域技术和数字域技术两大类，其中数字域的数字预失真技术已成为宽带通信系统的主流选择。
模拟域线性化技术是早期常用的方法，包括前馈技术、反馈技术和线性化功放结构。前馈技术是最成熟和性能优秀的模拟线性化技术之一。其基本原理是通过一个辅助回路生成一个与PA主通道输出失真信号大小相等、相位相反的误差信号，然后将这个误差信号注入到PA的主输出信号中进行抵消。前馈PA的优势在于其补偿带宽大，线性度高，理论上失真消除深度可达极高水平。然而，前馈PA的缺点是结构复杂、体积庞大，需要两个功率放大器和两个控制回路，功耗较高，且对控制回路的精确匹配和稳定性要求极高。任何温度或频率变化都可能导致补偿精度下降。反馈技术，如负反馈或包络反馈，通过将PA输出信号的一部分反馈到输入端，与输入信号进行比较并生成误差信号来校正非线性。负反馈简单易实现，但受限于反馈环路的稳定性和时延，补偿带宽和线性度提升有限，难以满足宽带高阶调制的需求。包络反馈则通过提取PA输入和输出的包络信号进行比较和反馈，在一定程度上提高了线性度，但复杂性增加。
相比于模拟技术，数字预失真，简称DPD技术，以其高精度、灵活性、可编程性和对宽带信号的优越适应性，成为现代无线基站和高性能发射机的标准配置。DPD的核心思想是在PA的数字基带前端，预先配置一个与PA非线性特性呈“逆”特性的数字预失真器。预失真器对输入的基带信号进行幅度和相位上的修正，使得经过预失真处理后的信号在进入非线性PA时，PA的非线性特性恰好抵消预失真器的修正，从而使得预失真器与PA的级联系统整体呈现出近似理想的线性放大特性。DPD技术成功的关键在于精确地对PA的非线性行为进行建模。由于PA的非线性不仅取决于当前输入信号的幅度，还取决于信号的历史状态，即存在记忆效应，因此必须采用考虑记忆效应的非线性模型。常用的PA非线性模型包括记忆多项式模型和广义记忆多项式模型。记忆多项式模型通过将当前输出表示为当前输入和过去多个输入样本的加权和，来捕捉PA的短时记忆效应。广义记忆多项式模型则进一步扩展，引入了交叉项，以更精确地描述PA的动态非线性特性，尤其适用于宽带和多载波信号。
DPD系统的实现是一个闭环的自适应过程，通常分为模型提取、系数计算和实时预失真三个主要步骤。模型提取阶段是整个DPD系统的核心。它首先通过耦合器和下变频链路，采集PA的实际输出信号，并将其与经过适当延时调整的PA输入信号进行同步。然后，通过某种算法，如最小二乘法或递推最小二乘法，从输入和输出数据中识别和提取出PA的非线性模型参数，即功放的数学模型。系数计算阶段，DPD系统利用提取到的PA模型，通过求逆或间接学习架构，计算出预失真器的系数。求逆法直接计算PA模型的逆函数作为预失真器，理论上最准确，但计算复杂度极高。间接学习架构，是目前应用最广泛的方法，它利用反馈信号和输入信号，在数字域建立一个等效的逆模型，即预失真器模型。这种方法通过迭代优化，使得预失真器与PA串联后的整体增益接近一个线性常数，从而最小化失真。实时预失真阶段，DPD系统利用计算得到的预失真器系数，在数字基带对输入信号进行实时非线性修正。这个过程必须以极高的速度和精度完成，以匹配PA工作所需的实时性。由于DPD处理在高采样率的数字域进行，可以利用现场可编程门阵列或数字信号处理器实现并行处理和高吞吐量。
尽管DPD技术已经非常成熟，但在向更高频段的毫米波、更宽带宽的5G和6G系统演进过程中，仍面临挑战。随着信号带宽的增加，PA的记忆效应变得更加复杂和显著，要求DPD模型具有更高的阶数和更长的记忆深度，这直接导致模型参数数量激增，增加了计算复杂度和硬件资源消耗。同时，高频段下的射频链路中，数字与模拟之间的接口、时钟同步和校准难度也大幅增加，对反馈链路的精确性和带宽提出了更高要求。为了应对这些挑战，研究人员正探索更简化的DPD模型、基于人工智能的自适应算法，以及模拟与数字协同的混合线性化方案，以在保持高效率的同时，提供极致的线性度。
射频功率放大器线性化是无线通信发射机设计中一个根本性的技术问题。从早期的模拟前馈到现代主流的数字预失真，技术的核心始终围绕着在PA的非线性工作区寻找一种精确的、可补偿的逆特性。DPD技术凭借其在数字域的灵活性和精度，通过精确建模和自适应算法，有效地抵消了PA的AM-AM和AM-PM失真，使得宽带高阶调制信号能够以高效率、高线性度的方式传输，从而成为了现代高速无线通信系统不可或缺的关键使能技术。
