【摘要】：隨著射頻功放非線性對(duì)射頻前端的影響日益增大,使得功放建模變得越來(lái)越重要。提出了一種自適應(yīng)模糊小波神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu),并利用改進(jìn)的粒子群優(yōu)化算法,建立有記憶的功放模型。將小波函數(shù)融入到自適應(yīng)模糊推理系統(tǒng)的模糊規(guī)則中,得到新的網(wǎng)絡(luò)模型;在粒子群算法中引入最差位置影響因子,提高搜索效率,并進(jìn)一步簡(jiǎn)化,忽略粒子的速度項(xiàng),同時(shí)采用與適應(yīng)度函數(shù)值相關(guān)的動(dòng)態(tài)變化慣性權(quán)重,加快了收斂速度,避免出現(xiàn)"早熟"現(xiàn)象。仿真結(jié)果表明:該方法建立的功放模型誤差小、精度高,能夠有效地表征功放特性。
文內(nèi)圖片：
圖片說(shuō)明：IPSO流程框圖
[Abstract]:With the increasing influence of RF power amplifier nonlinear on RF front end, power amplifier modeling becomes more and more important. In this paper, an adaptive fuzzy wavelet neural network model is proposed, and the memorized power amplifier model is established by using the improved particle swarm optimization algorithm. The wavelet function is integrated into the fuzzy rules of adaptive fuzzy reasoning system to obtain a new network model, and the worst position influence factor is introduced into particle swarm optimization algorithm to improve the search efficiency, and further simplify and ignore the velocity term of particles. At the same time, the dynamic change inertia weight related to the value of adaptability function is used to speed up the convergence speed and avoid the "premature" phenomenon. The simulation results show that the power amplifier model established by this method has the advantages of small error and high accuracy, and can effectively characterize the characteristics of power amplifier.
【作者單位】： 遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.61372058) 遼寧省高等學(xué)校優(yōu)秀科技人才支持計(jì)劃(No.LR2013012) 遼寧工程技術(shù)大學(xué)研究生科研資助項(xiàng)目(No.5B2014032)
【分類(lèi)號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡念,胡匡祜,李淑宇,蘇萬(wàn)芳;小波神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];中國(guó)體視學(xué)與圖像分析;2001年04期

2 吳曦,康會(huì)光;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類(lèi)隨機(jī)過(guò)程的逼近[J];安陽(yáng)師范學(xué)院學(xué)報(bào);2002年02期

3 丁勇,劉守生,胡壽松;一種廣義小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其優(yōu)化方法[J];控制理論與應(yīng)用;2003年01期

4 劉雨華,葉小嶺,周媛;小波神經(jīng)網(wǎng)絡(luò)在綜合評(píng)價(jià)中的應(yīng)用[J];統(tǒng)計(jì)與決策;2005年15期

5 劉景艷;鄒有明;;小波神經(jīng)網(wǎng)絡(luò)在提升設(shè)備故障診斷中的應(yīng)用[J];煤礦機(jī)械;2006年04期

6 韓寶如;孟玲玲;;一種基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法[J];電子測(cè)量技術(shù);2006年06期

7 李建麗;鐘儀華;李智超;;小波神經(jīng)網(wǎng)絡(luò)多屬性綜合評(píng)價(jià)及其應(yīng)用[J];科技資訊;2008年03期

8 劉淵;戴悅;曹建華;;基于小波神經(jīng)網(wǎng)絡(luò)的流量混沌時(shí)間序列預(yù)測(cè)[J];計(jì)算機(jī)工程;2008年16期

9 張坤;;小波神經(jīng)網(wǎng)絡(luò)在糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2010年03期

10 左磊;侯立剛;高大明;彭曉宏;吳武臣;;基于粒子群-小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年03期

相關(guān)會(huì)議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

2 何正友;錢(qián)清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號(hào)識(shí)別中的應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項(xiàng)式的混合預(yù)測(cè)方法在通信規(guī)劃中的應(yīng)用[A];2011全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測(cè)的動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測(cè)應(yīng)用研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號(hào)自動(dòng)識(shí)別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問(wèn)題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動(dòng)控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問(wèn)題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問(wèn)題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類(lèi)隨機(jī)過(guò)程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點(diǎn)云數(shù)據(jù)的滑坡監(jiān)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國(guó);小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長(zhǎng);數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測(cè)中的應(yīng)用研究[D];云南財(cái)經(jīng)大學(xué);2015年

，

本文編號(hào)：2512103