基于神經(jīng)網(wǎng)絡的射頻功放非線性模型研究.pdf

1、由于其優(yōu)良的逼近能力，神經(jīng)網(wǎng)絡正逐漸成為一種越來越有吸引力的解決功率放大器建模的方案。在不清楚功率放大器內部結構的基礎上，人工神經(jīng)網(wǎng)絡也可以根據(jù)采集得到的功放輸入以及輸出數(shù)據(jù)，來學習到該電路的內部行為。因此，本文首先從單波段射頻功率放大器的非線性特點著手研究，然后介紹了功率放大器的記憶效應，對該效應引起的原由進行了分析，并介紹了幾種常見的功率放大器記憶模型，以及這些模型之間的關系；隨后介紹了神經(jīng)網(wǎng)絡相關理論知識，利用神經(jīng)網(wǎng)絡中的徑向基函

2、數(shù)(RBF)神經(jīng)網(wǎng)絡對射頻功放進行行為模型建立；最后對雙波段功率放大器的非線性特性進行理論研究以及相關的一系列實驗，并對雙波段射頻功放進行建模。主要工作包括：
　　(1)研究單波段射頻功放的非線性特性理論，闡述了給射頻功放帶來這種失真的根源，以及非線性失真對信號放大的一些影響；接著對記憶效應進行分類以及分析其產生的緣由，其中記憶效應與輸入信號的帶寬密不可分，帶寬越寬記憶效應越深越明顯，此時，AM/AM以及 AM/PM曲線發(fā)散的越厲

3、害，所以記憶效應對建模精度造成的影響不容小覷。本文后面的建模等相關工作都是在該理論的指導下所進行的。
　　(2)研究了單波段射頻功放的行為模型，提出了兩種基于神經(jīng)網(wǎng)絡的單波段射頻功放行為模型：第一種是交叉實數(shù)時延徑向基函數(shù)神經(jīng)網(wǎng)絡，第二種是遞歸型徑向基函數(shù)神經(jīng)網(wǎng)絡。第一種模型在傳統(tǒng) RBF神經(jīng)網(wǎng)絡模型基礎上，在輸入端加入了多項式交叉項和延遲項，交叉項用于模擬功放的強非線性，延遲項用于模擬功放的記憶效應。實驗結果表明：該模型可以適合

4、射頻功率放大器行為模型，并且效果非常好，與反向傳播(back propagation，BP)網(wǎng)絡的實數(shù)延時神經(jīng)網(wǎng)絡相比，收斂速度快，大大縮短了訓練時間。為了進一步提高建模的精度，接著提出了遞歸型徑向基函數(shù)神經(jīng)網(wǎng)絡模型，該模型在前一個模型的基礎上將輸出項反饋到模型的輸入端進行功放建模，實驗證明，對于強非線性的射頻功率放大器的建模，模型效果很好，擬合精度高，且收斂速度更快。
　　(3)研究了雙波段射頻功放的行為模型，首先分析了雙波段的