本发明专利技术公开了一种基于对称多处理器的DPD自适应方法及装置。其中，该方法包括：对数字预失真（DPD）自适应过程中满足预定的解耦条件的特定处理模块进行相关性解耦，得到相关性解耦结果，其中，解耦条件包括：运算量、运算类型、解耦可能性、解耦复杂性、解耦风险性以及解耦效率加速比；对相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据；对并行处理数据进行结果归并处理，得到结果归并数据。通过本发明专利技术，达到了能够使处理器的不同核负载平衡，同时可有效提高执行速度、加快DPD自适应过程并达到收敛，更好地跟踪系统非线性的变化，提高系统效率和性能的效果。
【技术实现步骤摘要】
本专利技术涉及通信领域，具体而言，涉及ー种基于对称多处理器的DPD自适应方法及装置。
技术介绍
射频拉远单元(Radio Remote Unit,简称为RRU)中需要采用数字预失真(DigitalPreDisposition,简称为DPD)算法来提高功率放大器的效率。DTO算法的实现主要分为硬件逻辑和软件參数估计。目前，DH)算法的软件实现采用基于数字信号处理器(DigitalSignal Processor，简称为DSP)串行自适应方法，但是从硬件架构、成本以及效率上，特别是在多天线预失真应用场景中，基于DSP的串行自适应方 法则效率比较低。DPD算法要求理想參数估计时间小于一秒，才能较好地跟踪并适应系统的非线性变化。下面对基于DSP软件的串行自适应方法进行介绍，如图I所示，处理流程是获取样本数据、对样本数据进行筛选、对样本数据进行预处理、DPD參数估计、參数更新等，这些处理过程按照顺序依次执行。其中，获取样本数据与參数更新涉及软硬件交互，计算量不大。在自适应算法复杂计算量大时，串行自适应非常耗时。尤其是进行多天线DH)时，采用串行自适应方法收敛时间成为系统性能瓶颈。现有加快DPD自适应的方法，一般从矩阵计算的角度，采用更优的矩阵分解方法进行优化；现有基于多核处理器的加速算法从处理器指令组合及调度算法进行优化；其他基于參数估计的并行化算法，如并行施密特-卡尔曼滤波方法是从算法结构进行优化。但是，没有基于对称多处理器(Symmetrical Multi-Processor,简称为SMP)硬件架构下的DPD自适应加速优化方法。随着RRU硬件架构的不断升级，未来的趋势之一是采用SMP代替原有架构中的通用处理器与DSP，以此来达到RRU小型化、降低功耗，并节约成本。但是，仍采用对应DSP单核处理器的软件DPD自适应方法，不能充分发挥SMP的架构优势。由此可见，现有的基于数字信号处理器的串行DPD自适应方法具有以下缺陷自适应速率慢、收敛时间长、无法跟踪系统快速变化，成本高、架构复杂，而且无法适应多天线Dro场景。
技术实现思路
本专利技术提供了一种基于对称多处理器的DPD自适应方法及装置，以至少解决上述问题之根据本专利技术的ー个方面，提供了一种基于对称多处理器的DPD自适应方法，包括对数字预失真(Dro)自适应过程中满足预定的解耦条件的特定处理模块进行相关性解耦，得到相关性解耦结果，其中，解耦条件包括运算量、运算类型、解耦可能性、解耦复杂性、解耦风险性以及解耦效率加速比；对相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据；对并行处理数据进行结果归并处理，得到结果归并数据。优选地，对数字预失真DPD自适应过程中满足预定的解耦条件的处理模块进行相关性解耦，包括在多个处理模块中确定出满足预定的运算量且满足预定的运算类型的特定处理模块；根据DPD自适应过程的算法需求分析特定处理模块中是否具备解耦可能性，其中，解耦可能性为将数据分解为独立计算序列的可能性；在特定处理模块具备解耦可能性的情况下，判断特定处理模块是否满足预定的解耦复杂性和预定的解耦风险性，当判断结果为是时，计算特定处理模块的解耦效率加速比；在解耦效率加速比满足预定的解耦效率加速比的情况下，对特定处理模块进行相关性解耦。优选地，对相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据，包括根据节点-边的拓扑关系将相关性解耦结果中的数据划分为相关数据和不相关数据，其中，相关数据的相关性程度大于预定的相关性程度，不相关数据的相关性程度小于等于预定的相关性程度；根据不同的并行处理方式对不相关数据进行并行处理，其中，并行处理方式包括粗粒度并行处理方式和细粒度并行处理方式。 优选地，根据不同的并行处理方式对不相关数据进行并行处理，包括采用粗粒度并行处理方式对不相关数据中的第一不相关数据进行并行处理，其中，第一不相关数据为完全不相关数据；和/或，采用细粒度并行处理方式对不相关数据中的第二不相关数据进行并行处理，其中，第二不相关数据为同源的或者需要归并为两组结果的不相关数据。优选地，节点-边的拓扑关系的组成包括节点，DPD自适应过程的算法实现过程中的数据处理，和，边，DPD自适应过程的算法实现过程中的相关性，其中，边的加权值表示相关性程度。根据本专利技术的另一方面，提供了一种基于对称多处理器的DPD自适应装置，包括解耦模块，用于对数字预失真(Dro)自适应过程中满足预定的解耦条件的特定处理模块进行相关性解耦，得到相关性解耦结果，其中，解耦条件包括运算量、运算类型、解耦可能性、解耦复杂性、解耦风险性以及解耦效率加速比；处理模块，用于对相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据；归并模块，用于对并行处理数据进行结果归并处理，得到结果归并数据。优选地，解耦模块包括确定单元，用于在多个处理模块中确定出满足预定的运算量且满足预定的运算类型的特定处理模块；分析単元，用于根据DPD自适应过程的算法需求分析特定处理模块中是否具备解耦可能性，其中，解耦可能性为将数据分解为独立计算序列的可能性；判断単元，用于在特定处理模块具备解耦可能性的情况下，判断特定处理模块是否满足预定的解耦复杂性和预定的解耦风险性；计算单元，用于当判断単元的判断结果为是时，计算特定处理模块的解耦效率加速比；解耦单元，用于在解耦效率加速比满足预定的解耦效率加速比的情况下，对特定处理模块进行相关性解耦。优选地，处理模块包括划分单元，用于根据节点-边的拓扑关系将相关性解耦结果中的数据划分为相关数据和不相关数据，其中，相关数据的相关性程度大于预定的相关性程度，不相关数据的相关性程度小于等于预定的相关性程度；处理单元，用于根据不同的并行处理方式对不相关数据进行并行处理，其中，并行处理方式包括粗粒度并行处理方式和细粒度并行处理方式。优选地，处理单元包括第一处理单元，用于采用粗粒度并行处理方式对不相关数据中的第一不相关数据进行并行处理，其中，第一不相关数据为完全不相关数据；和/或，第二处理单元，用于采用细粒度并行处理方式对不相关数据中的第二不相关数据进行并行处理，其中，第二不相关数据为同源的或者需要归并为两组结果的不相关数据。优选地，节点-边的拓扑关系的组成包括节点，DPD自适应过程的算法实现过程中的数据处理，和，边，DPD自适应过程的算法实现过程中的相关性，其中，边的加权值表示相关性程度。通过本专利技术，采用在SMP中采用软件并行化的方式，可以针对多天线DPD自适应中，通过将多天线数据处理过程分析解耦，也可以使数据处理不相关，计算过程可以并行化，解决了现有的基于数字信号处理器的串行DPD自适应方法的自适应速率慢、收敛时间长、无法跟踪系统快速变化，成本高、架构复杂，而且无法适应多天线DH)场景的问题，进而达到了能够使处理器的不同核负载平衡，同时可有效提高执行速度、加快DPD自适应过程并达到收敛，更好地跟踪系统非线性的变化，提高系统效率和性能的效果。 附图说明此处所说明的附图用来提供对本专利技术的进ー步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中图I是根据相关技术的多天线串行预失真自适应示意图；图本文档来自技高网...
【技术保护点】
一种基于对称多处理器的DPD自适应方法，其特征在于，包括：对数字预失真DPD自适应过程中满足预定的解耦条件的特定处理模块进行相关性解耦，得到相关性解耦结果，其中，所述解耦条件包括：运算量、运算类型、解耦可能性、解耦复杂性、解耦风险性以及解耦效率加速比；对所述相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据；对所述并行处理数据进行结果归并处理，得到结果归并数据。
【技术特征摘要】
1.一种基于对称多处理器的DPD自适应方法,其特征在于,包括 对数字预失真DPD自适应过程中满足预定的解耦条件的特定处理模块进行相关性解耦，得到相关性解耦结果，其中，所述解耦条件包括运算量、运算类型、解耦可能性、解耦复杂性、解耦风险性以及解耦效率加速比； 对所述相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据； 对所述并行处理数据进行结果归并处理，得到结果归并数据。2.根据权利要求I所述的方法，其特征在于，对数字预失真DPD自适应过程中满足预定的解耦条件的处理模块进行相关性解耦，包括 在多个处理模块中确定出满足预定的运算量且满足预定的运算类型的特定处理模块； 根据所述DPD自适应过程的算法需求分析所述特定处理模块中是否具备所述解耦可能性，其中，所述解耦可能性为将所述数据分解为独立计算序列的可能性； 在所述特定处理模块具备所述解耦可能性的情况下，判断所述特定处理模块是否满足预定的解耦复杂性和预定的解耦风险性，当判断结果为是时，计算所述特定处理模块的解耦效率加速比； 在所述解耦效率加速比满足预定的解耦效率加速比的情况下，对所述特定处理模块进行相关性解耦。3.根据权利要求I所述的方法，其特征在于，对所述相关性解耦结果中满足预定的相关性程度的不相关数据进行并行处理，得到并行处理数据，包括 根据节点-边的拓扑关系将所述相关性解耦结果中的数据划分为相关数据和所述不相关数据，其中，所述相关数据的相关性程度大于所述预定的相关性程度，所述不相关数据的相关性程度小于等于所述预定的相关性程度； 根据不同的并行处理方式对所述不相关数据进行并行处理，其中，所述并行处理方式包括粗粒度并行处理方式和细粒度并行处理方式。4.根据权利要求3所述的方法，其特征在于，根据不同的并行处理方式对所述不相关数据进行并行处理，包括 采用所述粗粒度并行处理方式对所述不相关数据中的第一不相关数据进行并行处理，其中，所述第一不相关数据为完全不相关数据；和/或， 采用所述细粒度并行处理方式对所述不相关数据中的第二不相关数据进行并行处理，其中，所述第二不相关数据为同源的或者需要归并为两组结果的不相关数据。5.根据权利要求I至4中任一项所述的方法，其特征在于，所述节点-边的拓扑关系的组成包括 节点，所述DPD自适应过程的算法实现过程中的数据处理，和， 边，所述DPD自适应过程的算法实现过程中的相关性，其中，所述边的加权值表示所述相关性程度。6.一种...
【专利技术属性】
技术研发人员：史晓飞，苟春茂，邹加勇，刘奇，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。