基于改进型径向基函数神经网络的功放线性化.PDFVIP

第31卷第5期 微摇 波摇 学摇 报 Vol.31No.5 2015年10月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 JOURNAL OF MICROWAVES摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Oct.2015 文章编号:1005鄄6122(2015)05鄄0046鄄05 DOI:10.14183/ ki.1005鄄6122.201505011 基于改进型径向基函数神经网络的功放线性化* 林文韬摇 刘太君摇 叶摇 焱摇 李摇 玲摇 许高明 (宁波大学 信息科学与工程学院,宁波315211) 摘摇 要:摇 提出了一种基于改进型径向基函数神经网络(MRBFNN)的数字预失真线性化模型,用于更为精确地 矫正宽带射频功率放大器的动态非线性。 该神经网络模型的输入层使用传统的延时抽头以补偿功放的线性记忆效 应,同时对每个抽头进行级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真。 文中 使用WCDMA三载波信号对一个460MHz 的Doherty功率放大器进行数字预失真线性化实验。 实验结果表明,与传 统数字预失真线性化模型相比,基于改进型径向基神经网络的数字预失真线性化模型能更好地抑制宽带功放动态 非线性引起的带外频谱再生,其三阶互调(IMD3)失真最多可以抑制23dB,大大提高了功放的线性度,验证了所提出 的数字预失真线性化模型的有效性。 关键词:摇 数字预失真,功率放大器,神经网络,记忆效应,径向基,线性化 Power Amplifier Linearization with Modified Radical Basis Function Neural Networks LIN Wen鄄tao,LIU Tai鄄jun,YE Yan,LI Ling,XU Gao鄄ming, (College of Information Science and Engineering,Ningbo University,Ningbo 315211,China) Abstract:摇 This paper presents a novel digital predistortion linearization model based on the modified radical basis function neural network (MRBFNN),whichismoreaccuratefordynamicnonlinearity correctionof broadbandradiofrequen鄄 cy poweramplifier (RFPA). Theinputlayeroftheneuralnetworkmodelusingtraditionaltime鄄delaytaptocompensateline鄄 ar memory effects of power amplifier. At the same time,a series expansion is added into every tap to compensate nonlinear memory effects so astobettersuppressthedynamicnonlineardistortionofpoweramplifier. Athreecarrierwidebandcodedi鄄 vision multiple access (WCDMA) signal is appliedto a460MHz Doherty power amplifier for the digital predistortion linear鄄 izationexperiment. Comparedwithtraditionaldigitalpredistortionlinearizationmodels,theexperimentalresultil