基于級聯神經網絡的預失真器設計.pdf

1、本文將神經網絡應用于通信系統中，采用級聯BP神經網絡對功率放大器模型進行擬合。論文對傳統級聯BP神經網絡結構進行了優(yōu)化，對傳統級聯BP神經網絡最速下降法進行了改進，有效解決了傳統級聯BP神經網絡在預失真器設計中學習速度慢、擬合模型擬合精度低的問題，提高了級聯BP神經網絡的學習速度和模型擬合精度。
　　針對級聯BP神經網絡在對功率放大器進行擬合的過程中遇到的相關問題，本文做出了如下解決方案和測試方法：
　　1.針對級聯BP神經

2、網絡學習效率低，無法滿足部分預失真器設計實際應用需求的問題，本文引入擬牛頓法，在對功率放大器模型進行建模時，將迭代周期從538次，降低到50次以內。
　　2.針對級聯BP神經網絡結構較為復雜，在實現中會消耗較多計算和存儲資源的問題，本文對級聯 BP神經網絡中不必要的結構進行了合理刪除，優(yōu)化了級聯BP神經網絡結構，將級聯BP神經網絡資源消耗降低了三分之一以上。
　　3.在對改進后的級聯BP神經網絡進行驗證時，采用級聯BP神經網

3、絡對記憶多項式功放模型進行建模，并利用記憶多項式辨識出的實際功放模型進行仿真。在對帶寬為5MHz的 WCDMA信號進行處理時，能將其 ACPR由-30dB降低到-57dB，并使其NMSE達到-50.31dB以下。
　　4.在以E類功放為基礎的測試平臺上對級聯BP神經網絡進行實驗時，將功放輸出功率設置在32dBm左右，輸入信號的中心頻率設置為1.7GHz、2.0GHz、2.2GHz，寬帶信號帶寬設置為5MHz，實驗結果表明，改進后的