基于广义LSTM神经网络的宽带射频功放数字预失真线性化

发布时间：2021-01-04 15:16

　　在无线通信系统中,射频功放的非线性是信号失真与频谱增生的主要原因,尤其是对于采用64QAM、256QAM等高峰均功率比的复杂调制系统,对射频功放线性度的要求越来越高;然而宽带射频功放中存在的强记忆效应严重地降低了基于传统非线性模型的数字预失真器的线性化性能。文章提出广义长短期记忆（LSTM）神经网络模型,通过输入的时序特性,从时间轴上进行模型迭代,利用LSTM模型独特的长短时序结构以更好地表征宽带射频功放的记忆效应,同时引入时间超前项以构建广义的LSTM模型,进一步增强其动态非线性建模能力。在不同超参数下的建模结果表明,该模型的归一化均方误差（NMSE）指标可达-42.2895 dB。最后,使用20 MHz带宽的4载波WCDMA信号,对中心频率1900 MHz的50 W Doherty功放进行预失真线性化实验验证。实验结果证实了基于广义LSTM神经网络模型的数字预失真器可以使互调分量降低达23.27 dB,大大优于记忆多项式等传统非线性模型的非线性校正性能。 

【文章来源】：微波学报. 2020年03期 北大核心

【文章页数】：5 页

【文章目录】：
引 言
1 广义LSTM神经网络数字预失真模型
    1.1 模型的时序机制
    1.2 模型架构
2 实验验证
    2.1 实验平台
    2.2 数字预失真模型构建
    2.3 数字预失真器结果
3 结论


【参考文献】：
期刊论文
[1]基于神经网络的机器学习方法[J]. 翁天信.  通讯世界. 2019(02)
[2]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)
[3]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)

硕士论文
[1]宽带非线性功放的基带数字预失真系统研究与实现[D]. 敬佳鑫.电子科技大学 2017
[2]适用于宽带功率放大器的自适应数字预失真技术研究[D]. 王栋.南京理工大学 2017
[3]功率放大器数字预失真研究[D]. 贾冰.天津大学 2017



本文编号：2956982