使用線性化可以在線性和功率效率之間找到折衷。PA線性化允許使用更有效的PA，盡管它們引入了非線性失真，因?yàn)榫€性化技術(shù)旨在補(bǔ) 償這種非線性失真。由于現(xiàn)代通信標(biāo)準(zhǔn)使用呈現(xiàn)顯著帶寬的高速包絡(luò)信號(hào)，因此必須考慮記憶效應(yīng)。在功放線性化PA中，數(shù)字預(yù)失真利 用了發(fā)射機(jī)中已有的數(shù)字信號(hào)處理(DSP)器件(以應(yīng)對(duì)現(xiàn)代標(biāo)準(zhǔn)中要求的信號(hào)編碼保護(hù)和調(diào)制)，從而減少了硬件調(diào)整問(wèn)題。DPD是一種通 用的線性化技術(shù)，它利用了軟件定義的無(wú)線電（SDR）解決方案，具有可重新配置性，并且更獨(dú)立于特定的RF前端。 記憶效應(yīng)對(duì)所有線性化技術(shù)的影響并不相等，例如，前饋或前饋線性化對(duì)PA行為的敏感度低于DPD。數(shù)字預(yù)失真線性化對(duì)記憶效應(yīng)非常 敏感，當(dāng)試圖消除寬帶信號(hào)中的失真時(shí)，記憶效應(yīng)可能是一個(gè)缺點(diǎn)，因?yàn)樗木€性化性能降低了。多虧了包絡(luò)濾波技術(shù)，才有可能再現(xiàn) 在PA內(nèi)針對(duì)稍后的消除而產(chǎn)生的反向記憶效果。因此，前面的第四章已經(jīng)對(duì)能夠再現(xiàn)PA非線性行為和記憶效應(yīng)的PA行為模型進(jìn)行了綜 述。非線性自回歸滑動(dòng)平均(the nonlinearauto-regressive moving average，NARMA)模型既能再現(xiàn)功放的非線性失真，又能再現(xiàn)功放的動(dòng)態(tài)特 性。此外，與僅使用FIR項(xiàng)的模型相比，它具有引入非線性反饋路徑的優(yōu)點(diǎn)，該非線性反饋路徑可以允許減小PA模型的復(fù)雜性。然而， 為了防止整個(gè)系統(tǒng)不穩(wěn)定，對(duì)其穩(wěn)定性的額外測(cè)試是必須執(zhí)行的強(qiáng)制性前一步。