基于改进型径向基函数网络的功放非线性建模

doi:10.11772/j.issn.1001-9081.2014.10.2904

计算机应用 ›› 2014, Vol. 34 ›› Issue (10): 2904-2907.DOI: 10.11772/j.issn.1001-9081.2014.10.2904

基于改进型径向基函数网络的功放非线性建模

李玲,刘太君,叶焱,林文韬

宁波大学信息科学与工程学院，浙江宁波 315211

收稿日期:2014-04-18 修回日期:2014-06-16 出版日期:2014-10-01 发布日期:2014-10-30
通讯作者: 李玲
作者简介:李玲（1989-），女，江苏扬州人，硕士研究生，主要研究方向：射频功放的线性化技术、神经网络建模；
刘太君(1965-)，男，四川绵阳人，教授，博士生导师，博士，主要研究方向：射频功放的建模和线性化技术、高效射频功放设计、宽带无线通信射频前端技术、认知无线电收发信机、智能射频软件；
叶焱(1966-)，女，云南昆明人，副研究员，硕士，主要研究方向：智能仪器、高效射频功放设计；
林文韬（1990-），男，浙江宁波人，硕士研究生，主要研究方向：神经网络建模、数字预失真。
基金资助:
浙江省自然科学基金项目;教育部人文社会科学研究项目;安捷伦合作项目;宁波市自然科学基金项目;浙江省教育厅科学研究基金项目

Nonlinear modeling of power amplifier based on improved radial basis function networks

LI Ling,LIU Taijun,YE Yan,LIN Wentao

College of Information Science and Engineering, Ningbo University, Ningbo Zhejiang 315211, China

Received:2014-04-18 Revised:2014-06-16 Online:2014-10-01 Published:2014-10-30
Contact: LI Ling

摘要/Abstract

摘要：

针对功率放大器(PA)的非线性建模，提出了改进型径向基函数神经网络(RBFNN)模型。首先，在该模型的输入端加入延迟交叉项和输出反馈项，利用正交最小二乘法提取模型的权值以及隐含层的中心；然后，采用15MHz带宽的宽带码分多址（WCDMA）三载波信号对Doherty功放进行测试，其归一化均方误差(NMSE)可以达到-45dB；最后，通过逆F类功放对模型的普遍适用性进行验证。仿真结果表明，该模型能够更加真实地拟合功率放大器的特性。

Abstract:

Aiming at the nonlinear modeling of Power Amplifier (PA), an improved Radial Basis Function Neural Networks (RBFNN) model was proposed. Firstly, time-delay of cross terms and output feedback were added in the input. Parameters (weigths and centers) of the proposed model were extracted using the Orthogonal Least Square (OLS) algorithm. Then Doherty PA was trained and validated successfully by 15MHz three-carrier Wideband Code Division Multiple Access (WCDMA) signal, and the Normalized Mean Square Error (NMSE) can reach -45dB. Finally, the inverse class F power amplifier was used to test the universality of the model. The simulation results show that the model can more truly fit characteristics of power amplifier.

中图分类号:

TP183

李玲刘太君叶焱林文韬. 基于改进型径向基函数网络的功放非线性建模[J]. 计算机应用, 2014, 34(10): 2904-2907.

LI Ling LIU Taijun YE Yan LIN Wentao. Nonlinear modeling of power amplifier based on improved radial basis function networks[J]. Journal of Computer Applications, 2014, 34(10): 2904-2907.

参考文献

［1］NAN J, LIU Y. Analysis and modeling on expanding Volterra-series behavior model for nonlinear power amplifier with memory effects ［J］. Journal of Electronics, 2008,30(8):2021-2024.(南敬昌,刘元安.记忆效应非线性功放扩展Volterra模型分析与构建［J］.电子与信息学报,2008,30(8):2021-2024.)
［2］LIU T, BOUMAIZA S, GHANNOUCHI F M. Augmented Hammerstein predistorter for linearization of broad-band wireless transmitters ［J］. IEEE Transactions on Microwave Theory and Techniques. 2006,54(4):1340-1349.
［3］MORGAN D R, MA Z, KIM J, et al.A generalized memory polynomial model for digital predistortion of RF power amplifiers ［J］. IEEE Transactions on Signal Processing, 2006,54(10):3852-386.
［4］XU J, YAGOUB M C E, DING R, et al.Neural-based dynamic modeling of nonlinear microwave circuits ［J］. IEEE Transactions on Microwave Theory and Techniques, 2002,50(12):2769-2780.
［5］RAWAT M, GHANNOUCHI F M. A mutual distortion and impairment compensator for wideband direct-conversion transmitters using neural networks ［J］. IEEE Transactions on Microwave Theory and Techniques, 2012,58(2):168-177.
［6］RAWAT M, RAWAT K, GHANNOUCHI F M. Adaptive digital predistortion of wireless power amplifiers/transmitters using dynamic real-valued focused time-delay line neural networks ［J］. IEEE Transactions on Microwave Theory and Techniques, 2010,58(1):95-104.
［7］ISAKSSON M, WISELL D, RONNOW D. Wide-band dynamic modeling of power amplifiers using radial-basis function neural networks ［J］. IEEE Transactions on Microwave Theory and Techniques, 2005,53(11):3422-3428.
［8］LIU T J, BOUMAIZA S, GHANNOUCHI F M. Dynamic behavioral modeling of 3G power amplifiers using real-valued time-delay neural networks ［J］. IEEE Transactions on Microwave Theory and Techniques, 2004,52(3):1025-1033.
［9］ZHAI J, ZHOU J, HONG W, et al.Real-valued time-delay neuro-fuzzy model for power amplifier with memory effects ［J］. Microwave Journal, 2009,25(5):41-44. (翟建峰,周健义,洪伟,等.有记忆效应的功放实数延时模糊神经网络模型［J］.微波学报,2009,25(5):41-44.)
［10］ZHAI J, ZHOU J, ZHANG L, et al.Behavioral modeling of power amplifiers with dynamic fuzzy neural networks ［J］. IEEE Microwave and Wireless Components Letters, 2010,20(9):528-530.
［11］CHEN Q, WANG C, ZHU D, et al.Behavioral model of power amplifiers based on improved BP neural network considering memory effects ［J］. Microwave Journal, 2012,28(2):90-93.(陈庆霆,王成华,朱德伟,等.改进BP神经网络的功放有记忆行为模型［J］.微波学报,2012,28(2):90-93.)
［12］HUI M, LIU T J, YE Y, et al.Dynamic behavioral modeling for strongly nonlinear Doherty PAs using real-valued time-delay recurrent RBF model ［J］. Journal of Electronics, 2012,29(2): 39-45.

[1]	杜航原郝思聪王文剑. 结合图自编码器与聚类的半监督表示学习方法[J]. 计算机应用, 0, (): 0-0.
[2]	张建严珂马祥. 基于神经网络的复杂垃圾信息过滤算法分析[J]. 计算机应用, 0, (): 0-0.
[3]	潘仁志钱付兰赵姝张燕平. 基于卷积神经网络交互的用户属性偏好建模的推荐模型[J]. 计算机应用, 0, (): 0-0.
[4]	杨书新, 张楠. 融合情感词典与上下文语言模型的文本情感分析[J]. 计算机应用, 2021, 41(10): 2829-2834.
[5]	王贺兵, 张春梅. 基于非对称卷积-压缩激发-次代残差网络的人脸关键点检测[J]. 计算机应用, 2021, 41(9): 2741-2747.
[6]	代雨柔, 杨庆, 张凤荔, 周帆. 基于自监督学习的社交网络用户轨迹预测模型[J]. 计算机应用, 2021, 41(9): 2545-2551.
[7]	刘志华陈文洁陈爱斌. 基于自注意力机制时频谱同源特征融合的鸟鸣声分类[J]. 计算机应用, 0, (): 0-0.
[8]	王颖洁朱久祺汪祖民白凤波弓箭. 自然语言处理在情感分析领域应用综述[J]. 计算机应用, 0, (): 0-0.
[9]	余晓鹏何儒汉黄晋张俊杰胡新荣. 基于改进Inception结构的知识图谱嵌入模型[J]. 计算机应用, 0, (): 0-0.
[10]	陈伟杨燕. 基于指针网络的抽取生成式摘要生成模型[J]. 计算机应用, 0, (): 0-0.
[11]	张继杰杨艳刘勇. 利用初始残差和解耦操作的自适应深层图卷积[J]. 计算机应用, 0, (): 0-0.
[12]	曾祥银, 郑伯川, 刘丹. 基于深度卷积神经网络和聚类的左右轨道线检测[J]. 计算机应用, 2021, 41(8): 2324-2329.
[13]	张国辉, 陆熙熙, 胡一凡, 孙靖贺. 基于改进帝国竞争算法的柔性作业车间机器故障重调度[J]. 计算机应用, 2021, 41(8): 2242-2248.
[14]	杜炎, 吕良福, 焦一辰. 基于模糊推理的模糊原型网络[J]. 计算机应用, 2021, 41(7): 1885-1890.
[15]	刘欢, 李晓戈, 胡立坤, 胡飞雄, 王鹏华. 基于知识图谱驱动的图神经网络推荐模型[J]. 计算机应用, 2021, 41(7): 1865-1870.

基于改进型径向基函数网络的功放非线性建模

Nonlinear modeling of power amplifier based on improved radial basis function networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics