功率放大器(Power Amplifier,PA)是无线发射机中重要的有源器件,也是发射机非线性失真的主要来源。为了校正射频功率放大器的非线性,多种功放非线性校正技术被提出,其中数字预失真(Digital PreDistortion,DPD)以其校正精度高、编程灵活、成本低等优点成为了主流的线性化技术。目前DPD的研究热点主要集中在宽带/多频带应用场景下低复杂度DPD技术的研究。本文主要围绕复杂DPD模型参数辨识和低复杂度DPD算法实现展开深入研究,前者解决DPD模型复杂度过高带来的数值不稳定问题,后者能降低系统功耗和成本。在宽带或者非线性较强的场景下,传统的DPD模型需要更高的阶次和更多的系数来校正非线性,这就会导致解算系数时的病态问题。本文在传统基于主成分分析(Principal Component Analysis,PCA)的DPD基础上,提出了基于主成分分析的低复杂度数字预失真方法。实验测试结果表明新方法可降低DPD模型系数维度、避免病态问题,且还具有更低的计算复杂度。在双频场景下,DPD模型是双输入模型,模型系数往往更多。所以,双频DPD模型同样需要简化和系数降维。本文将基于主成分分析的低复杂度数字预失真方法拓展到双频场景,推导出该方法在双频场景下的迭代公式和收敛条件。此外,本文分析了基函数对DPD模型性能的影响,提出一种新的基函数选择策略。该策略在挑选基函数的时候考虑PA的特性,能挑选出性能更优的基函数矩阵。不同DPD系数降维方法会直接影响DPD的线性化性能。为了能在几乎不损失性能的情况下进一步减少DPD模型系数维度,本文提出了一种新的基于偏最小二乘(Partial Least Squares,PLS)的DPD方法。该方法根据PA的前逆输入输出特性来获得新的基函数矩阵实现模型系数降维。最后,实验验证了新方法能大幅降低系数个数且几乎不损失性能。