Les amplificateurs de puissance RF

Table des matières

INTRODUCTION
CHAPITRE 1 PRÉSENTATION DES CONCEPTS THÉORIQUES ET ÉTAT DE L’ART
1.1 Introduction
1.2 Les amplificateurs de puissance RF
1.2.1 Compression du gain
1.2.2 Effets AM-PM
1.2.3 Effets de mémoire
1.2.4 Mesures de performance
1.3 Techniques de linéarisation par prédistorsion
1.3.1 Modèle NARMA
1.4 Techniques de filtrage adaptatif
1.4.1 Algorithme LMS pour un système linéaire
1.4.2 Choix du coefficient d’apprentissage µ
1.4.3 Variante permettant d’identifier les fonctions de gain variable
1.5 Énoncé de la problématique
1.5.1 Rappel
1.5.2 Historique des travaux
1.5.3 Portée et objectifs de la recherche
1.5.4 Hypothèses de recherche
CHAPITRE 2 CONCEPTION D’UN BANC DE PRÉDISTORSION
2.1 Introduction
2.2 Présentation du ZeptoSDR
2.3 Description du banc de caractérisation
2.4 Appareils utilisés
2.4.1 Synchronisation des horloges
2.4.2 Choix de la fréquence porteuse
2.4.3 Choix du type de modulation
2.5 Prise de mesures et séquence d’entrainement
2.6 Implémentation du système dans un SDR
2.6.1 Processeur Cortex-A9
2.6.2 Choix de la fréquence d’horloge
2.6.3 Filtre en racine de cosinus surélevé
2.6.4 Filtre passe-bas analogique
2.6.5 Circuit de prédistorsion
2.7 Algorithme de caractérisation
2.7.1 Transformation des données à l’entrée et à la sortie
2.7.2 Répétition des données d’entrainement
2.7.3 Avantages de l’algorithme LMS
2.7.4 Convergence de l’algorithme LMS dans le cas particulier de cette conception
2.7.5 Hypothèses de solutions
CHAPITRE 3 PRÉSENTATION DE L’AMPLIFICATEUR SOUS TEST
3.1 Introduction
3.2 Présentation de l’amplificateur
3.2.1 Schéma classe A typique
3.2.2 Modifications pour un fonctionnement en classe AB profonde
3.2.3 Modifications pour l’ajout d’effets de mémoire
3.3 Circuit d’amplification complet
CHAPITRE 4 PRÉSENTATION DES RÉSULTATS
4.1 Introduction
4.2 Différentes unités utilisées
4.3 Performances RF de l’amplificateur
4.3.1 Performances en classe A
4.3.2 Performances en classe AB sans effets de mémoire
4.3.3 Performances en classe AB avec effets de mémoire
4.4 Performances de linéarité
4.4.1 Puissance de sortie
4.4.2 Choix des mesures observées
4.4.3 Échelle utilisée lors des mesures
4.4.4 Légende dans les mesures
4.4.5 Présentation de la convergence de l’algorithme
4.4.6 Performances en classe A
4.4.7 Performances en classe AB
4.4.8 Performances en classe AB avec effets de mémoire – Comparaison entre modèle statique et NMA
4.4.9 Performances en classe AB avec effets de mémoire – Utilisation d’un modèle NARMA complet
4.4.10 Persistance de la linéarisation
CHAPITRE 5 ANALYSE DES RÉSULTATS
5.1 Introduction
5.2 Utilisation de techniques d’amélioration de l’efficacité au coût de la linéarité
5.3 Faible dégradation des performances de linéarité en fonction du temps
5.4 Sur l’amplificateur en classe AB avec effets de mémoire, il est possible de corriger ces derniers
5.5 Le modèle NARMA semble dégrader certaines performances par rapport au modèle NMA
5.5.1 Le modèle NARMA modélise des non-linéarités dont le comportement change sur une échelle de temps relativement faible
5.5.2 Le filtre passe-bas en bande de base limitant le phénomène de repliement spectral génère de la distorsion sur le signal avec prédistorsion
5.6 Le modèle statique en classe AB semble incohérent avec les mesures de performances faites en régime permanent
5.7 Des résultats beaucoup plus concluants ont été observés en classe AB comparativement à la classe A en termes de potentiel de linéarisation
5.8 Lente convergence de l’algorithme pour les modèles NMA et NARMA
5.9 Synthèse de l’analyse des résultats
CONCLUSION
RECOMMANDATIONS
ANNEXE I GUIDE D’UTILISATION DU BANC DE PRÉDISTORSION
ANNEXE II CALCUL DU NOMBRE DE BITS UTILISÉS À LA SORTIE DU FILTRE DE MISE EN FORME
ANNEXE III FILTRE DE PRÉDISTORSION EN ENVIRONNEMENT SIMULÉ (CADENCE)
ANNEXE IV PROCÉDURES DE CALIBRATION
LISTE DE RÉFÉRENCES BIBLIOGRAPHIQUES