亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于廣義改進(jìn)型RBF網(wǎng)絡(luò)的射頻功放非線性建模

        2018-05-04 08:13:49江明玉劉太君葉焱許高明
        移動通信 2018年3期
        關(guān)鍵詞:記憶效應(yīng)改進(jìn)型徑向

        江明玉,劉太君,葉焱,許高明

        (寧波大學(xué)信息科學(xué)與工程學(xué)院,浙江 寧波 315211)

        1 引言

        為了高效利用頻譜資源,現(xiàn)代通信多采用大帶寬和多載波調(diào)制信號。這類信號經(jīng)過射頻功率放大器(RFPA, Radio Frequency Power Amplifier)時,會產(chǎn)生很嚴(yán)重的記憶非線性失真。對帶有強記憶效應(yīng)的射頻功放進(jìn)行準(zhǔn)確的建模,是進(jìn)行后續(xù)功放預(yù)失真線性化[1-2]工作的必要條件。

        為了對帶有強記憶效應(yīng)的功放進(jìn)行精確的非線性建模,學(xué)者和工程師們提出了多種方法,主要可以分為兩類:基于Volterra級數(shù)的模型[3]和神經(jīng)網(wǎng)絡(luò)模型[4]。前一類模型包括記憶多項式(MP, Memory Polynomial)模型[5]、廣義記憶多項式(GMP,Generalized Memory Polynomial)模型[6]等。這類模型能直觀地刻畫功放的各階非線性失真和記憶效應(yīng)強度,但當(dāng)非線性階數(shù)和記憶效應(yīng)強度增大時,計算量急劇增加。神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任何非線性函數(shù),應(yīng)用比較多的有反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN, Back Propagation Neural Network)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN, Radial Basis Function Neural Network)。BP神經(jīng)網(wǎng)絡(luò)有實數(shù)時延神經(jīng)網(wǎng)絡(luò)(RVTDNN, Real-Valued Time-Delay Neural Network)模型和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)[7]等。RBF神經(jīng)網(wǎng)絡(luò)[8]與BP神經(jīng)網(wǎng)絡(luò)相比,收斂速度快,得到了更廣泛的應(yīng)用,其中包括實數(shù)時延徑向基神經(jīng)網(wǎng)絡(luò)(RVTDRBFNN, Real-Valued Time-Delay Radial Basis Function Neural Network)模型和改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)(MRBFNN, Modified Radial Basis Function Neural Network)模型[9]等。上述神經(jīng)網(wǎng)絡(luò)模型沒有考慮功放的包絡(luò)完整性,不包含超前項包絡(luò)項和滯后包絡(luò)項[10],建模精度有待進(jìn)一步提高。

        本文提出了廣義改進(jìn)型徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(GIRBFNN, Generalized Improved Radial Basis Function Neural Networks)模型,該模型充分考慮了功放的線性記憶效應(yīng)、非線性記憶效應(yīng)和超前包絡(luò)效應(yīng)以及滯后包絡(luò)效應(yīng),因此能更好地擬合功放的強記憶效應(yīng)非線性失真。

        2 模型設(shè)計

        2.1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型

        徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)如圖1所示。輸入和輸出的非線性關(guān)系可以由公式(1)表示:

        其中,Iin(n)和Qin(n)表示信號的同相和正交分量,Iout(n)和Qout(n)表示輸出信號的同相和正交分量,fI(·)和fQ(·)分別表示I路和Q路的非線性變換函數(shù)。上述RBF神經(jīng)網(wǎng)絡(luò)主要針對弱記憶效應(yīng)的功放進(jìn)行建模,不適合應(yīng)用于強記憶效應(yīng)功放建模。

        圖1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

        2.2 廣義改進(jìn)型徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型

        廣義改進(jìn)型徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)如圖2所示:

        圖2 廣義改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

        在傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,輸入層使用延時抽頭,并對每個抽頭進(jìn)行非線性級數(shù)展開,同時還在非線性級數(shù)展開模塊中引入了超前包絡(luò)項和滯后包絡(luò)項;隱含層包含P個神經(jīng)元;輸出層有兩個神經(jīng)元,分別代表I、Q兩路輸出。其中,輸入層可表示為:

        其中,Iin和Qin分別表示輸入信號的同相和正交分量,n表示信號采樣序列長度,mI和mQ分別表示同相和正交兩路信號的記憶深度,kI和kQ分別表示對應(yīng)抽頭的非線性階數(shù),cI和cQ分別表示I路和Q路的包絡(luò)超前程度,zI和zQ依次表示I路和Q路的包絡(luò)滯后程度。

        輸入層到隱含層用高斯函數(shù)作為非線性轉(zhuǎn)換函數(shù),隱含層表達(dá)式如下:

        其中,φi為高斯函數(shù),Xin為輸入層輸入向量,Ci為高斯函數(shù)的中心, ||Xin-Ci||為輸入向量與高斯函數(shù)中心的2-范數(shù),決定擬合曲線的光滑度。

        隱含層到輸出層的線性變換可以用矩陣運算實現(xiàn),輸出層的表達(dá)式如下:

        其中,Iout和Qout分別表示I、Q兩路的輸出,φ為隱含層的神經(jīng)元,閾值φ0=1, WI和WQ為隱含層到輸出層的權(quán)值向量。WI和WQ可通過矩陣求偽逆法解出,表達(dá)式如式(18)、(19)所示:

        至此,本模型的所有參數(shù)全部求出,模型架構(gòu)確立。

        3 模型驗證與分析

        3.1 射頻功放特性測試平臺

        射頻功率放大器特性的實驗測試平臺如圖3所示:

        圖3 射頻功放特性測試平臺

        首先,利用ADS軟件生成信號源,通過的LAN端口將源文件下載到矢量信號發(fā)生器中,上變頻為射頻信號,將射頻信號送入帶有采集板卡的頻譜分析儀,下變頻并進(jìn)行采樣,通過安捷倫軟件VSA89600A可以得到輸入基帶信號的“.txt”文件;然后,用射頻信號來驅(qū)動功率放大器,經(jīng)過衰減器衰減后,接入頻譜儀,通過軟件VSA89600A得到輸出基帶信號的“.txt”文件。最后,對采樣獲得的輸入和輸出基帶信號依次進(jìn)行時延估計和對齊等處理。

        測試信號是采樣率為61.44MSPS的三載波WCDMA信號,信號帶寬是15 MHz,PAPR為7;本文選用Doherty射頻功率放大器作為測試與建模功放,它的中心頻率等于1 900 MHz,工作帶寬達(dá)到了100 MHz。

        3.2 模型驗證結(jié)果

        將輸入輸出的基帶信號送入MATLAB中進(jìn)行建模,選用10 000個點用于訓(xùn)練GIRBFNN模型,并用另一個周期的10 000個數(shù)據(jù)點來驗證模型精度。通過優(yōu)化程序確定模型參數(shù),評價標(biāo)準(zhǔn)是歸一化均方誤差(NMSE, Normalized Mean Squared),NMSE表達(dá)式如式(20)所示:

        其中,ymod(n)是模型的輸出數(shù)據(jù),ymea(n)是射頻功放實測輸出數(shù)據(jù)。計算所得的NMSE的值越小,表示建模精度越高??紤]建模精度和模型復(fù)雜度,最終確定的參數(shù)為m=mI=mQ=2、k=kI=kQ=3、c=cI=cQ=2及z=zI=zQ=1。

        表1將GIRBFNN模型、RBFNN模型、RVTDRBFNN模型、MRBFNN模型以及GMP模型等四種模型進(jìn)行了比較,由表1可知,GIRBFNN模型的建模精度最高,其NMSE達(dá)到了-41.251 2 dB,這說明了GIRBFNN模型在時域的優(yōu)勢。

        參考表1提供的GIRBFNN模型的相關(guān)參數(shù),此時GIRBFNN模型擬合的AM/AM和AM/PM特性曲線如圖4所示,由圖4可知GIRBFNN模型在功率域也能很好地模擬功放特性。

        圖4 廣義改進(jìn)型徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型擬合的射頻功放特性曲線圖

        為了更加清楚地比較幾種模型在頻域的特性,本文將采用文獻(xiàn)[11]提供的方法,分別將幾種模型模擬由記憶效應(yīng)主導(dǎo)的殘余頻譜的能力進(jìn)行了對比。方法如圖5所示,在被測的射頻功放或其行為模型的輸入前端端級聯(lián)一個無記憶多項式預(yù)失真器,由此能夠更好地比較各模型對記憶效應(yīng)的仿真結(jié)果。

        表1 五種模型的NMSE比較

        圖5 基于無記憶預(yù)失真器的射頻功率放大器或功放行為模型驗證方法框圖

        過無記憶多項式預(yù)失真器,去除射頻功放或其行為模型的靜態(tài)非線性后,殘余頻譜如圖6所示:

        圖6 多種行為模型輸出的殘余頻譜與功放實測輸出殘余頻譜的比較

        由圖6可以看出,GIRBFNN模型的殘余頻譜與實測的功放輸出值最為接近。GMP、RVTDRBFNN和MRBFNN三種模型的殘余頻譜非常接近,但是和功放實測的殘余頻譜都存在一定差距。RBFNN模型和實測功放輸出的殘余頻譜差別最大,這是因為RBFNN模型不帶有記憶效應(yīng)。

        4 結(jié)論

        為了提高現(xiàn)有模型的建模精度,本文在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,提出了廣義改進(jìn)型徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型,并用WCDMA三載波信號對Doherty射頻功放進(jìn)行了實驗與驗證。通過與GMP、RBFNN、RVTDRBFNN和MRBFNN幾種非線性行為模型的比較,證明了本文提出的GIRBFNN模型擬合精度較高,能夠在時域、功率域和頻域都比較準(zhǔn)確地擬合射頻功放特性。因此,GIRBFNN模型可以用于對帶有強記憶效應(yīng)的射頻功放進(jìn)行準(zhǔn)確的建模,也可以用于后續(xù)的數(shù)字預(yù)失真領(lǐng)域,對射頻功放的建模和線性化具有研究與應(yīng)用價值。

        參考文獻(xiàn):

        [1]葛維軍,朱龍彪. 毫米波功率放大器的預(yù)失真線性化改進(jìn)研究[J]. 電子元件與材料, 2015,34(4): 87-89.

        [2]張遠(yuǎn)見,胡應(yīng)添. 一種并發(fā)雙頻段數(shù)字預(yù)失真技術(shù)研究[J]. 移動通信, 2017,41(13): 61-65.

        [3]黃浩,錢驊,熊磊. 面向GSM-R/LTE-R雙?;竟Ψ诺耐ㄓ秒p帶Volterra預(yù)失真系統(tǒng)模型及算法[J]. 中國鐵道科學(xué), 2015,36(1): 111-118.

        [4]南敬昌,周丹,高明明. 基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的功放預(yù)失真新方法[J]. 計算機工程與應(yīng)用, 2016,52(7): 100-105.

        [5]R N Braithwaite. Digital Predistortion of an RF Power Amplifier Using a Reduced Volterra Series Model With a Memory Polynomial Estimator[J]. IEEE Transactions on Microwave Theory and Techniques, 2017,65(10): 3613-3623.

        [6]S Wang, M A Hussein, O Venard, et al. Optimal sizing of generalized memory polynomial model structure based on Hill-Climbing heuristic[C]//2016 46th European Microwave Conference (EuMC), 2016: 190-193.

        [7]陳慶霆,王成華,朱德偉,等. 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的功放有記憶行為模型[J]. 微波學(xué)報, 2012,28(2): 90-93.

        [8]M Isaksson, D Wisell, D Ronnow, 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.

        [9]林文韜,劉太君,葉焱,等. 基于改進(jìn)型徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的功放線性化[J]. 微波學(xué)報, 2015,31(5): 46-50.

        [10]G Xu, T Liu, Y Ye, et al. Generalized Two-Box Cascaded Nonlinear Behavioral Model for Radio Frequency Power Amplifiers With Strong Memory Effects[J]. IEEE Transactions on Microwave Theory and Techniques,2014,62(12): 2888-2899.

        [11]Taijun Liu, S Boumaiza, F M Ghannouchi. Deembedding static nonlinearities and accurately identifying and modeling memory effects in wide-band RF transmitters[J]. IEEE Transactions on Microwave Theory and Techniques, 2005,53(11): 3578-3587. ★

        猜你喜歡
        記憶效應(yīng)改進(jìn)型徑向
        Cr5改進(jìn)型支承輥探傷無底波原因分析
        淺探徑向連接體的圓周運動
        RN上一類Kirchhoff型方程徑向?qū)ΨQ正解的存在性
        新時期下熱縮材料的技術(shù)創(chuàng)新
        海報設(shè)計的記憶效應(yīng)
        基于PID+前饋的3MN徑向鍛造機控制系統(tǒng)的研究
        重型機械(2020年3期)2020-08-24 08:31:40
        一類無窮下級整函數(shù)的Julia集的徑向分布
        改進(jìn)型CKF算法及其在GNSS/INS中的應(yīng)用
        基于金屬磁記憶效應(yīng)的HT300損傷數(shù)值模擬分析
        群體參照記憶效應(yīng)的元分析
        无码丰满少妇2在线观看| 国产无套内射又大又猛又粗又爽 | 日韩av无码中文无码电影| 精品国精品无码自拍自在线 | 一区二区黄色在线观看| 免费人成视频x8x8入口| 亚洲av色福利天堂| 国产香蕉一区二区三区| 成人在线观看av毛片| 绝顶潮喷绝叫在线观看| 亚洲色图+国产精品| 国产男女猛烈无遮挡免费视频网址| 日本久久精品福利视频| 毛片免费视频在线观看| 国产一区视频在线免费观看| 精品国产又大又黄又粗av| 日本av一级片免费看| 女人被狂c躁到高潮视频| 亚洲久无码中文字幕热| 日韩中文字幕乱码在线| 日韩午夜理论免费tv影院| 特级婬片国产高清视频| 成人国产永久福利看片| 精品亚洲在线一区二区| 艳妇臀荡乳欲伦69调教视频| 亚洲国产精品一区二区第四页| 台湾佬中文偷拍亚洲综合| 精品人妻va一区二区三区| 日本一二三四高清在线| 成 人 免费 在线电影| 亚洲综合中文字幕乱码在线| 日韩av中文字幕一卡二卡| 久久精品免费中文字幕| 一本一道久久a久久精品综合| 日日爽日日操| 亚洲国产精品av麻豆网站| 精品无码国产自产拍在线观看蜜| 国产91网址| 亚洲中文高清乱码av中文| 特级做a爰片毛片免费看| 亚洲妓女综合网99|