1-2014

Bild 5: Dieselbe Signalerzeugung und dieselben Analyseroutinen von LabVIEW können in der Simulationsumgebung sowie bei
physikalischen Messungen eingesetzt werden.
hilfe von Messtechnik durchgeführt.
Dieses Verfahren eignet
sich für schmalbandige Anwendungen.
Das zweite, komplexere
Verfahren baut ein zeitverzögertes,
neuronales Netzwerk,
kurz TDNN, auf, um das Verhalten
von Geräten zu modellieren,
die breitbandige, modulierte
Signale verwenden.
Verfahren 1: AM-AMund
AM-PM-Extraktion
zur Modellierung des
Verhaltens von Leistungsverstärkern
Das Messen der Ausgangsamplitude
sowie der Phasenmodulation
eines aktiven Geräts wie
eines Verstärkers ist ein unkomplizierter
Prozess, der entweder
mit einem Vektornetzwerkanalysator
(VNA) oder einer Kombination
aus Vektorsignalgenerator
(VSG) und -analysator (VSA)
durchgeführt werden kann. Dieser
Artikel behandelt insbesondere
Theorie, Einschränkungen
sowie Inbetriebnahme der Hardware
zur Durchführung von
AM-AM-/AM-PM-Messungen
mit einem VSG und VSA.
Die Theorie hinter AM-AM-/
AM-PM-Messungen lautet, dass
das Verhalten eines aktiven RF-
Geräts, beispielsweise eines Leistungsverstärkers,
schlicht durch
das Messen der Ausgangsamplitude
und -phase als Funktion der
Eingangsamplitude und -phase
prognostiziert werden kann.
Um dieses Verhalten zu messen,
kommt ein RF-Vektorsignalgenerator
zum Einsatz, der mithilfe
des Prüflings einen kontinuierlichen,
linear steigenden Signalverlauf
erzeugt. Dieser Signalverlauf
weist einen schrittweise
steigenden Leistungspegel auf,
jedoch mit konstanter Phase.
Durch den Einsatz eines linear
steigenden Signalverlaufs kann
das Gerät in linearen sowie nichtlinearen
Betriebsbereichen charakterisiert
werden.
Wie in Bild 1 zu sehen ist, wird
ein Vektorsignalanalysator
zur Erfassung des Verstärkerausgangs
in Form von I- und
Q-Signalen eingesetzt. Leistung
und Phase können problemlos
aus IQ-Beispielen mithilfe der
Gleichungen 1 und 2 berechnet
werden.
Gleichung 1: Die Echtzeitleistung
jedes Beispiels kann
aus I und Q berechnet werden.
Gleichung 2: Die Echtzeitphase
ist der Arkustangens von Q/I.
Sobald AM-AM/AM-PM mit
einem Vektorsignalanalysator
gemessen werden, können die
Daten direkt in die Systemsimulationsumgebung
importiert
werden, um das Verhalten aktiver
RF-Komponenten zu modellieren.
Wie in Bild 2 zu sehen,
setzt das NL_F-Element in der
Simulationsumgebung Visual
System SimulatorTM (VSS)
von AWR die AM-AM-/AM-
PM-Messungen nativ ein, um
ein Verhaltensmodell eines RF-
Geräts zu konstruieren.
Vorteile und Einschränkungen
von AM-AM/AM-PM
Während die AM-AM-/AM-
PM-Extraktion aufgrund der
Einfachheit des Extraktionsprozesses
eine nützliche Modellierungstechnik
darstellt, bringt
diese Methode für manche
Anwendungen Einschränkungen
mit sich. Wie bereits erläutert,
wird bei der Verwendung von
AM-AM/AM-PM als Modellierungstechnik
vorausgesetzt,
dass Amplitude und Phase an
den Ausgängen des RF-Gerätes
direkt auf Basis von Amplitude
und Phase eines Signals an den
Eingängen des Geräts prognostiziert
werden können. Während
diese Annahme für schmalbandige
Signale oder speicherlose
RF-Geräte durchaus ihre Berechtigung
hat, kann sie nicht in allen
Fällen getroffen werden. Aktive
Geräte, z. B. ein Leistungsverstärker,
weisen häufig Speichereffekte
auf. In diesen Zuständen
sind Amplitude und Phase
des Ausgangssignals ebenfalls
Funktionen des Eingangssignalverlaufs.
Grundsätzlich sind CW-basierte
Techniken zur Modellextraktion
bei der Verhaltensprognose eines
RF-Geräts in der Simulationsumgebung
am effektivsten, wenn
sie auf relativ schmalbandigen
Signalen verwendet werden, wo
die Speichereffekte viel geringer
sind. Alternative Methoden zur
Modellextraktion sollten daher
in Erwägung gezogen werden,
wenn ein Modell erstellt wird,
das der Simulation des Verhaltens
eines Breitbandsignals dienen
soll.
Verfahren 2: Erstellen
eines zeitverzögerten,
neuronalen
Netzwerks (TDNN)
zur Modellierung des
Verhaltens eines Leistungsverstärkers
Das zweite Verfahren zur Extraktion
von Verhaltensmodellen,
das in diesem Artikel vorgestellt
wird, ist das Erstellen eines
TDNN. Es handelt sich dabei
um eine gute Methode zur Verhaltensmodellierung
eines RF-
Geräts, das breitbandige, modulierte
Signale verwendet. TDNN
setzen intelligente Signalverarbeitung
ein, um jedes Beispiel
eines IQ-Ausgangs als nichtlineare
Kombination des vorhandenen
sowie vorhergehenden
IQ-Eingangs rechtzeitig darzustellen.
Durch Anwenden dieses
Mechanismus ist ein TDNN in
der Lage, das Speicherverhalten
eines RF-Leistungsverstärkers
inhärent darzustellen.
Das Verwenden eines TDNN,
um aktive RF-Geräte zu modellieren,
setzt voraus, dass das
TDNN mithilfe einer Reihe
von IQ-Ein- und -Ausgangs-
Mustern „trainiert“ wird. In der
Regel wird die Fähigkeit des
TDNN, das Verhalten des RF-
Geräts zu prognostizieren, stark
davon beeinflusst, wie sehr sich
die Eigenschaften der Trainingssignale
mit denen der modellierten
Signale decken. Demzufolge
ist der erste Schritt bei der
Extraktion eines TDNN-Modells
der Antrieb eines aktiven RF-
Geräts mit einem modulierten
Signal sowie das Erfassen der
IQ-Ausgangsmuster mit einem
RF-Vektorsignalanalysator. Der
IQ-Signalverlauf zum Gerät wie
auch die IQ-Ausgänge können
zum „Trainieren“ des TDNN
eingesetzt werden.
Wie in Bild 3 dargestellt, ist eine
Methode zum Erschaffen eines
hochgenauen TDNN-Modells
das Erfassen von IQ-Mustern
bei zahlreichen Leistungspegeln.
Das Bild zeigt das Profil
„Leistung versus Zeit“ des
Ausgangs eines Leistungsverstärkers.
In diesem speziellen
26 hf-praxis 1/2014