基于复值神经网络的功放数字预失真技术研究.pdfVIP

中文摘要 摘 要 在无线通信技术的发展过程中，功率放大器的线性化需求越来越高，针对功 放的线性化技术层出不穷。数字预失真技术作为其中最有效的一种方法，可以较 好地应对由功放的非线性特性和记忆效应带来的问题。本文基于数字预失真技术 对功放线性化问题进行了研究。首先对功放的非线性特性和记忆效应进行了分 析。功放的非线性主要体现在输出端会产生新的频谱分量，可以用邻信道功率比 Adjacent ChannelPowerRatio ACPR （ ， ）表示其非线性程度。接着介绍了几种常 用的功放行为模型及其优缺点，其中，广义记忆多项式 （General Memory Polynomial，GMP）模型由于其优良的性能，应用最为广泛。介绍了三种数字预 失真结构，并基于其中的一种结构在第五章进行了数字预失真的验证。 功放行为建模是数字预失真的基础，而神经网络由于其良好的逼近能力，逐 渐成为一个越来越有吸引力的解决方案。论文以神经网络模型作为功放行为模 型，在传统实值神经网络的基础上引入复值神经网络，首次将复值神经网络应用 于功放数字预失真领域。采用的结构为全连接递归神经网络 （Fully connected recurrent neuralnetwork，FCRNN），并针对该复值神经网络的特点推导了复实 ComplexReal-timeRecurrent Learning CRTRL 时递归学习 （ ， ）算法。最后通过仿 真与GMP 模型和聚焦时延神经网络 （Focused Time-Delay Neural Network， FTDNN）模型进行比较，证明了复值神经网络模型的可行性。 接着在FCRNN 模型的基础上进行改进，提出了复值流水线递归神经网络 （Complex-ValuedPipelinedRecurrentNeuralNetwork，CPRNN）模型，并以此模 型对功放进行建模，然后对CRTRL 算法进行扩展，以适应CPRNN 的模块化结 构，并且为了提高学习性能，在学习算法中引入了可变的遗忘因子，最后通过仿 真验证了该模型的效果，性能相对FCRNN 模型有所提升。接着提出了一种增广 型的CRTRL 算法并加以验证其性能。 最后在搭建的仪器实验平台上进行实际验证，利用两种复值神经网络模型作 为预失真器，基于WCDMA 信号，针对F 类和Doherty 功率放大器进行预失真 矫正。实验结果中，功放的线性指标ACPR 在预失真后得到显著降低，说明基 于复值神经网络的数字预失真系统具有良好的线性化能力，进一步验证了所提模 型的可行性。 关键词：功率放大器；线性化；数字预失真；功放行为建模；复值神经网络 I 英文摘要 Abstract In the development of wireless communication technology, the demand for linearization of power amplifier is increasing. Linearization technology for power amplifier emerges in endlessly.As one ofthe most effective methods, it can deal with theproblemscausedby nonlinear characteristic andmemory effect ofpower amplifier. This thesis studies the linearization of power amplifier based on digital predistortion technology. Firstly, the nonlinear characteristics and memory effects of power amplifier a