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 发布日期:2014-10-30 出版日期:2014-10-01
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:2014-10-30 Published:2014-10-01
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]	沈嫣然, 温昕, 张瑾昊, 张帅, 曹锐, 高保禄. 轻量级多尺度卷积网络的功能磁共振成像脑龄预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3949-3957.
[2]	蒋权黄文清苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	李岚皓严皓钧周号益孙庆赟李建欣. 基于神经网络的多尺度信息融合时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	陈丹阳张长伦. 多尺度去相关的图卷积网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	蒋沛宇王永光任亚亭李硕晨谭火彬. 基于测量不确定度表示指南的目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	胡能兵, 蔡彪, 李旭, 曹旦华. 基于图池化对比学习的图分类方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3327-3334.
[7]	林滏, 石稼晟, 高泽, 楚遵康, 马琼敏, 余海燕, 饶卫雄. 基于3D几何特征深度表达学习的物理系统仿真[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3548-3555.
[8]	范艺扬, 张洋, 曾尚, 曾渝, 付茂栗. 基于分解和频域特征提取的多变量长时间序列预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3442-3448.
[9]	刘文博, 于连飞, 谢冬梅, 蔡闯, 曲志坚, 任崇广. 基于多尺度特征融合的时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3435-3441.
[10]	王芳胡静张睿范文婷. 内容引导下多角度特征融合医学图像分割网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	王翔陈志祥毛国君. 融合局部和全局相关性的多变量时间序列预测方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	蒋汶娟, 过弋, 付娇娇. 融合图注意力的复杂时序知识图谱推理问答模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3047-3057.
[13]	黄华, 杨子仪, 李小龙, 李闯. 基于概念漂移的预测性业务流程监控方法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3167-3176.
[14]	张睿, 潘俊铭, 白晓露, 胡静, 张荣国, 张鹏云. 面向深度分类模型超参数自优化的代理模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3021-3031.
[15]	陈满杨小军杨慧敏. 基于图卷积网络和终点诱导的行人轨迹预测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

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