基于实数时延径向基函数神经网络的宽带射频功放线性化
本文提出了实数时延径向基函数神经网络(RVTDRBFNN)模型,用于宽带射频功放动态非线性建模及线性化.该神经网络的中心节点通过正交最小二乘(OLS)算法来确定,而权值通过奇异值分解(SVD)获得.文中采用宽带调制信号作为测试信号,设计输出峰值为47dBm的LDMOS AB类功放作为测试功放,对RVTDRBFNN在不同记忆深度和隐含节点情况下的建模和线性化进行实验比较.分析了记忆深度和隐含节点的变化对RVTDRBFNN建模和线性化性能的影响,获得了最优隐含节点数和记忆深度.当对1001CDMA2000调制信号驱动的LDMOS AB类功放进行线性化时,在Matlab环境下求解优化RVTDRBFNN预失真器的参数只需不到40秒的时间.
功率放大器 结构设计 线性化性能 实数时延径向基函数神经网络
惠明 刘太君 叶焱 申东娅
宁波大学信息科学与工程学院 宁波315211 云南大学信息学院 昆明650091
国内会议
重庆
中文
758-763
2013-05-01（万方平台首次上网日期，不代表论文的发表时间）