基于神经网络的宽带功放动态非线性行为建模

发布时间：2021-08-20 17:36

　　文章主要讨论了如何利用神经网络对宽带功放进行动态非线性行为建模的问题。首先简述了功放的动态非线性特性及行为建模的方法。然后回顾了基于实数时延前馈神经网络、径向基函数神经网络等浅层神经网络构建的功放动态非线性行为模型。在此基础上,针对5G/6G宽带功放具有更强的记忆效应的问题,重点分析了如何使用长短期记忆（LSTM）神经网络对功放的动态非线性进行精确的行为建模。最后展望了构建具有普适性的功放非线性行为模型将是5G/6G通信时代功放非线性建模的一个重要发展方向。 

【文章来源】：微波学报. 2020,36(01)北大核心CSCD

【文章页数】：6 页

【部分图文】：

一个典型的60 W GaAs功放的AM/AM特性

一个典型的60 W GaAs功放的AM/PM特性

捕获功放等效基带I/Q分量示意图

【参考文献】：
期刊论文
[1]广义记忆型神经网络射频功放数字预失真器[J]. 尹思源,刘太君,叶焱,许高明,杨东旭.  微波学报. 2018(02)
[2]基于改进型径向基函数神经网络的功放线性化[J]. 林文韬,刘太君,叶焱,李玲,许高明.  微波学报. 2015(05)
[3]改进型Hammerstein动态非线性模型的Doherty射频功放线性化[J]. 叶焱,刘太君,Jme Sirois,Fadhel M.Ghannouchi.  微波学报. 2009(01)
[4]记忆非线性功率放大器的神经网络预失真[J]. 钱业青,姚天任.  计算机工程与应用. 2004(21)



本文编号：3353931