5G 和 GaN：未来创新

很容易忘记 GaN 仍然是一项相对年轻的技术。我们仍处于开发的前几代，还有很多改进和完善的潜力。本文着眼于即将出现的一些 GaN 创新，并预测它们在未来几年对基站供电的影响。

功率密度

我们的预期是，在接下来的三到五年内，我们将看到 GaN 已经相当可观的功率密度能力得到改进。目前已经有使用 GaN 实现更高功率密度的方法，但成本非常高，从商业角度来看这是不可行的。例如，将 GaN 放在金刚石上而不是碳化硅上。这是可能的，但费用对于基站来说并不现实。尽管如此，还有其他具有成本效益的工艺正在研究中，这些工艺将在未来几年提高材料的原始功率密度。

5G 基础设施市场的吸引力显而易见——更便宜、更高效、带宽更宽的基站。其他行业也有浓厚的兴趣。雷达应用尤其会受益，因为它们专注于在给定空间内产生尽可能多的功率和效率。随着 GaN 在这些子市场的激增，规模经济增加，价格点将继续下降。

线性

毫无疑问，GaN 半导体行业对于基站的首要任务是增加线性功率。未来几年，研发工作都集中在提高线性效率上。

同时，我们预计基站调制方案在未来三到五年内不会发生显着变化。它分解为一个简单的每赫兹位数计算。无论您运行的是 256 QAM 还是 1024 QAM，系统都将获得每赫兹带宽一定数量的比特。如果这些数字不会发生显着变化，那么从系统中产生更多收益的理想方法是通过线性效率改进。

这并不是说它不能通过增加基本设备的功率来解决。即使没有线性度改进，PA 的整体功率效率仍将提供信号改进。它还有助于设计人员缩小系统，因为他们需要更少的系统功率和更少的天线阵列。虽然额外的功率或二级解决方案有效，但业内 GaN 供应商的目标是减少陷阱效应，使系统尽可能简单。

温度

基站的温度会随着时间的推移而持续上升。五年前，标准是将设备规范为 85°C。 OEM 已将其推高至 105°C，预计基站设计人员将被要求适应 125°C 的温度。大多数 GaAs 器件的最高温度为 150°C，在此温度范围内只能升高 25°C。 GaN 供应商将必须与系统设计人员密切合作，寻找创造性的方法来保持嵌入式元件的温度更低。在具有大规模 MIMO 阵列的小型室外单元中，这种压力将更加严重。当今存在创造性的解决方案，但价格并不划算。我们预计这种情况会在未来几年内发生变化。

整体解决方案

每个 GaN 供应商都在对 GaN 器件物理进行微调，以提高线性效率、功率密度和可靠性，同时减少陷阱、电流崩塌和电流漂移等负面影响。这在一定程度上可以在设备级别上完成，但要充分发挥潜力，基站 RFFE 系统应该与整个架构链一起开发，这就是我们今天看到很多前瞻性活动的地方。

随着行业从 LDMOS 转向 GaN 解决方案，这一点尤其重要。技术是根本不同的。这并不像更换 GaN PA 并期望效率提高 10 个百分点那么简单。存在不同的系统问题和解决方案。针对 LDMOS 优化的基站可能不适用于 GaN PA，反之亦然。 GaN 基站系统优化应从整体上进行。

我们现在开始看到这种趋势，并且随着性能结果不言而喻，我们预计在未来几年内会得到更广泛的采用。与供应商合作弥合这一整体设计差距的嵌入式设计师将把自己定位为行业领导者。原始设备制造商当然会说他们已经在使用系统级方法。我们不会反驳这个事实，但我们相信还有更多收益，特别是随着链的 RF 部分变得更加智能和集成。

智能射频和人工智能

陷阱缓解一直是每种半导体材料的问题，GaN 也不例外。高速开关应用可为 GaN 功率放大器创造极具挑战性的陷获环境。解决这些捕获效应可能很复杂，因为 PA 行为可能取决于 PA 接收到的先前信号。传统的方法是在物理层解决它，一直到基板，以解决导致问题行为的原因。目前的技术还不能完全以这种方式减少诱捕，但它一直在研发中。

另一种方法是使用软件算法来预测导致诱捕的变化。借助智能 RF 控制器和对预先存在的条件的足够深入了解，设备可以潜在地识别流量模式并预测下一次活动高峰。或者，识别活动的减少并在控制器级别进行更改以降低功耗。这已经在基站中进行了多年，但仍在不断努力改进技术。

这就是原始设备制造商正在考虑在无线电级别实施人工智能的原因。 RFFE 系统可以随着时间的推移进行自我优化。从理论上讲，如果现场的无线电输出产生故障，它可以自我识别错误并从错误中“学习”。然后下次它可以防止产生故障的一系列事件，或者可能修复它。不需要标记承运人，派一辆卡车，也不需要把人放在塔上来解决小问题。可以想象，这将避免大量停机时间和费用。

6G

尽管 5G 仍处于推出的初期阶段，但关于 6G 的讨论已经开始。早期预测表明，6G 将在远远超过 100Ghz 的频段中提供，我们知道 GaN 支持这些频率。这种类型的解决方案很可能不会是传统的蜂窝塔部署，但无论采用何种形式，我们相信 GaN 在高频和宽带宽下的效率对于将 6G 变为现实至关重要。

相关内容：

• 5G 和 GaN：了解低于 6Ghz 的大规模 MIMO 基础设施
• 5G 和 GaN：从 LDMOS 到 GaN 的转变
• 5G 和 GaN：嵌入式设计师需要了解的内容
• 5G 推出：马拉松而非短跑
• 使用机器学习的数据驱动控制如何提高 5G 网络性能
• 5G 对通信服务提供商的最大挑战
• 机器学习能否解决复杂的 5G 基带挑战？

有关 Embedded 的更多信息，请订阅 Embedded 的每周电子邮件通讯。