神經(jīng)網(wǎng)絡及其算法在記憶非線性功率放大器數(shù)字預失真中的應用研究.pdf

1、本文主要研究了神經(jīng)網(wǎng)絡及其算法在記憶非線性高功率放大器(HPA)自適應基帶數(shù)字預失真技術中的應用，所做的主要工作包括： 1.研究了記憶非線性HPA的失真特性。針對寬帶OFDM通信系統(tǒng)中的HPA出現(xiàn)記憶失真這-新特點，著重從數(shù)學本質方面研究了記憶非線性HPA的結構特點以及非線性特性和記憶效應的根源、本質及其對信號的影響。理論分析和仿真結果一致證明記憶效應不容忽視，它使AM/AM和AM/PM特性響應不再是一條曲線，而變?yōu)橐淮卮艤€

2、，并且加重了HPA的非線性失真。從而，為重點研究的記憶非線性HPA自適應基帶預失真的實現(xiàn)提供理論依據(jù)和方法指導。 2.對HPA的失真特性建立了兩個模型。針對記憶非線性HPA的BP神經(jīng)網(wǎng)絡(BPNN)模型的精度不夠高、泛化能力欠佳的弊端，本文基于帶抽頭延時的BPNN，研究了HPA的BPNN模型精度和泛化能力與不同歸一化訓練數(shù)據(jù)、訓練樣本數(shù)目和隱層神經(jīng)元個數(shù)之間的關系，并基于此研究結果，成功地為記憶非線性HPA復雜的失真特性建立起了

3、帶抽頭延時的BPNN模型。仿真結果表明該HPA模型既有理想的精度又有很好的泛化能力，有效地提高了該模型的穩(wěn)定性和實用性，保證了它在預失真體系中能發(fā)揮理想作用。另外，無論在無記憶非線性HPA還是在記憶非線性HPA的失真特性中，AM/AM特性都是最主要的失真因素，因而也是HPA預失真的重中之重，所以本文重點研究了幅度失真特性的建模，并基于幅度失真的數(shù)學特性提出了一個有用的解析模型。與兩個經(jīng)典解析模型相比，該模型更簡單，能大大降低預失真實現(xiàn)的

4、復雜度。然后基于預失真器的性能指標，對該模型進行了性能評價。仿真結果表明該解析模型實用性很強，對于OFDM信號激勵下的TWT和SSP類HPA的幅度失真特性，它都能在擬合精度和實現(xiàn)復雜度之間做到很好的折衷。 3.提出了神經(jīng)網(wǎng)絡分離預失真方法，推導了分離預失真原理，給出了實現(xiàn)結構和自適應算法。針對OFDM系統(tǒng)中的記憶非線性HPA預失真困難以及預失真精度不高的問題，本文方法充分考慮了記憶非線性HPA的失真特性及其結構特點，把記憶非線性

5、HPA的預失真分為三個模塊來實施，即抵消記憶效應模塊、AM/AM失真矯正模塊和AM/PM失真矯正模塊，并基于神經(jīng)網(wǎng)絡預失真器非直接學習結構，利用Levenberg-Marquardt BP算法確定各個神經(jīng)網(wǎng)絡預失真器。從而，克服了以往方法中存在的各失真特性預失真過程之間相互影響，簡化了預失真器的網(wǎng)絡結構和自適應算法，大大降低了記憶非線性HPA的預失真難度。仿真結果表明了本文方法的有效性和優(yōu)越性，不僅成功地解決了復雜的記憶非線性HPA預失

6、真問題，而且與文獻方法相比，明顯提高了HPA預失真精度，進一步降低鄰信道互調功率約10dB，且與理想預失真效果相距甚小，大大改善了OFDM系統(tǒng)的通信性能，具有重要的理論意義和工程價值。 4.提出了兩種神經(jīng)網(wǎng)絡預失真器改進學習方法。針對預失真器非直接學習方法中存在的預失真性能缺陷和直接學習方法中存在的龐大計算復雜度的弊端，本文提出了兩種改進方案，并給出了這兩種神經(jīng)網(wǎng)絡預失真器改進學習方法的結構和自適應算法。第一種改進方法是基于神經(jīng)

7、網(wǎng)絡非直接學習方法與神經(jīng)網(wǎng)絡直接學習方法的結合。第二種改進方法的核心是利用非線性逆算子的性質推導出了神經(jīng)網(wǎng)絡預失真器的學習結構，并采用一種近似方法簡化了神經(jīng)網(wǎng)絡預失真器的自適應算法，使得該方法較直接學習方法大大降低了計算復雜度。仿真實驗及分析一致證明了這兩種改進方法的可行性和優(yōu)越性：與神經(jīng)網(wǎng)絡非直接學習方法相比，這兩種改進方法都能夠有效地提高幅度預失真器的精度，進一步降低鄰信道功率比約4dB，改善了預失真效果；與神經(jīng)網(wǎng)絡直接學習方法相比

8、，這兩種改進方法都能夠有效地加快幅度預失真器的訓練和收斂速度。且第二種改進方法避免了第一種改進方法在收斂過程中出現(xiàn)的振蕩現(xiàn)象，進一步提高了幅度預失真器的精度，還大大簡化了幅度預失真器的自適應算法。 5.研究了線性調頻信號（LFM)瞬時頻率估計問題，給出了利用小波分析理論對LFM信號進行瞬時頻率估計時應采用的最優(yōu)小波基，提出了基于Hilbert-Ituang變換(HHT)的LFM信號瞬時頻率估計方法。 首先，針對人們慣用M

9、orlet小波分析LFM信號這一現(xiàn)象，為了提高LFM信號瞬時頻率估計精度，本文基于對小波函數(shù)特性的分析，研究了基于小波分析的LFM信號瞬時頻率估計中所必須解決的小波基優(yōu)化選擇問題，并給出了最優(yōu)小波基。仿真結果表明了基于該最優(yōu)小波基估計出的瞬時頻率參數(shù)更加準確，而基于Morlet小波基估計出的瞬時頻率參數(shù)誤差較大，為小波分析更有效地應用于LFM信號以及為LFM信號構造出合適的小波基指明了方向。 然后，基于HHT理論，并結合LFM信

10、號的瞬時頻率是關于時間的直線這一特點，針對單分量和平行多分量LFM信號分別提出了基于HHT的瞬時頻率估計方法，并采用低通濾波和改進最小二乘直線擬合法來抑制HHT固有的邊界效應。與以往抑制邊界效應的方法相比，本方法選擇余地大、更加簡單易行，而且能更加有效地降低邊界效應對LFM信號瞬時頻率估計的不利影響，直接得到更加準確的瞬時頻率參數(shù)估計值。仿真結果表明了本方法的有效性和優(yōu)越性；利用本文提出的基于HHT的單分量LFM信號瞬時頻率估計方法比利