一种优化的神经网络数字预失真方法-西北工业大学学报导航页.PDF

2014 12 Dec． 2014 年 月 西北工业大学学报 32 6 Journal of Northwestern Polytechnical University Vol．32 No．6 第 卷第 期 一种优化的神经网络数字预失真方法 ， 张烈 冯燕 ( ， 7100129) 西北工业大学电子信息学院 陕西西安 : 摘 要 提 出一种基于遗传算法和低阶广义记忆 多项式实值神 经 网络的射频功率放 大器数字预失真 方法。该方法将遗传算法优化的低阶广义记忆 多项式模型与神经网络模型进行级联来增强校正模型 。 ， 。 60 与功放失真的匹配程度 它不仅可以提升模型的校正能力 同时可以加快 网络的收敛速度 采用 MHz LTE ， ， ， 的三载波 信号进行 实验 通过与 实值延时线神经网络模型对比 在收敛速度上有显著提升 同时在邻道功率泄露 ACLＲ 指标上有 6 dB 左右改善。 : ， ， ， ， 关 键 词 射频功率放 大器 数字预失真 神 经 网络模型 广义记忆 多项式模型 实值延 时线神 经 ， 网络模型 遗传算法 中图分类号:TN919 文献标志码:A 文章编号:1000-2758 (2014)06-0967-07 ［1］ ［2-7］ 射频功率放大器 的 主 ， ， 数字预失真技术 要 神经网络的基函数来改善性能 但是基函数调整后 3 : ， 使用的神经网络模型可以分为 类 前馈多层感知 计算复杂度随之增大 降低了系统实时处理的时 、 。 机神经网络模型 径向基神经网络模型以及反馈回 效性 。 ［4］ Holland 归神经网络模型 文献 中利用后向传播学习方 遗传算法是密执安大学教授 及其学生 法计算前馈多层感知机神经网络模型参数使模型非 于1975 年创建［14］， 是基于生物自然选择与遗传机 。 常适合用于功放的非线性行为建模 由于发射机的 理的随机有哪些信誉好的足球投注网站与优化方法。Ｒ． Sperlich 将其应用到 I /Q ， ［15］ 数字信号是复数的 信号 所以可以按照幅度与 数字预失真的模型优化中 获得了参数优化的