在無線通信系統(tǒng)中,射頻功放的非線性是信號失真與頻譜增生的主要原因,尤其是對于采用64QAM、256QAM等高峰均功率比的復雜調制系統(tǒng),對射頻功放線性度的要求越來越高;然而寬帶射頻功放中存在的強記憶效應嚴重地降低了基于傳統(tǒng)非線性模型的數字預失真器的線性化性能。文章提出廣義長短期記憶（LSTM）神經網絡模型,通過輸入的時序特性,從時間軸上進行模型迭代,利用LSTM模型獨特的長短時序結構以更好地表征寬帶射頻功放的記憶效應,同時引入時間超前項以構建廣義的LSTM模型,進一步增強其動態(tài)非線性建模能力。在不同超參數下的建模結果表明,該模型的歸一化均方誤差（NMSE）指標可達-42.2895 dB。最后,使用20 MHz帶寬的4載波WCDMA信號,對中心頻率1900 MHz的50 W Doherty功放進行預失真線性化實驗驗證。實驗結果證實了基于廣義LSTM神經網絡模型的數字預失真器可以使互調分量降低達23.27 dB,大大優(yōu)于記憶多項式等傳統(tǒng)非線性模型的非線性校正性能。 

【文章來源】：微波學報. 2020年03期 北大核心

【文章頁數】：5 頁

【文章目錄】：
引 言
1 廣義LSTM神經網絡數字預失真模型
    1.1 模型的時序機制
    1.2 模型架構
2 實驗驗證
    2.1 實驗平臺
    2.2 數字預失真模型構建
    2.3 數字預失真器結果
3 結論


【參考文獻】：
期刊論文
[1]基于神經網絡的機器學習方法[J]. 翁天信.  通訊世界. 2019(02)
[2]廣義記憶型神經網絡射頻功放數字預失真器[J]. 尹思源,劉太君,葉焱,許高明,楊東旭.  微波學報. 2018(02)
[3]基于改進型徑向基函數神經網絡的功放線性化[J]. 林文韜,劉太君,葉焱,李玲,許高明.  微波學報. 2015(05)

碩士論文
[1]寬帶非線性功放的基帶數字預失真系統(tǒng)研究與實現[D]. 敬佳鑫.電子科技大學 2017
[2]適用于寬帶功率放大器的自適應數字預失真技術研究[D]. 王棟.南京理工大學 2017
[3]功率放大器數字預失真研究[D]. 賈冰.天津大學 2017



本文編號：2956982