基于改进型径向基函数网络的功放非线性建模-论文.pdf

《基于改进型径向基函数网络的功放非线性建模-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001．90812014．10．10计算机应用，2014，34(10)：2904—2907CODENJYIIDUhttp：／／www．joca．ca文章编号：1001—9081(2014)10—2904—04doi：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)(通信作者电子邮箱byliling@163．corn)摘要：针对功率放大器(P

2、A)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)可以达到一45dB；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。关键词：功率放大器；正交最小二乘法；径向基函数网络；归一化均方误差中图分类号：TP183文献标志码：ANonlinearmodelingofpow

3、eramplifierbasedonimprovedradialbasisfunctionnetworksLILing。，LIUTaijun，YEYan，UNWentao(CollegeofInformationScienceandEngineering，NingboUniversity,NingboZhejiang315211，China)Abstract：AimingatthenonlinearmodelingofPowerAmplifier(PA)，animprovedRadialBasisFunctionNeuralNetworks(RBFNN

4、)modelwasproposed．Firstly，time—delayofcrosstermsandoutputfeedbackwereaddedintheinput．Parameters(weigthsandcenters)oftheproposedmodelwereextractedusingtheOrthogonalLeastSquare(OLS)algorithm．ThenDohertyPAwastrainedandvalidatedsuccessfullyby15MHzthree-carrierWidebandCodeDivisionMul

5、tipleAccess(WCDMA)signal，andtheNormalizedMeanSquareError(NMSE)canreach一45dB．Finally，theinverseclassFpoweramplifierwasusedtotesttheuniversalityofthemode1．Thesimulationresultsshowthatthemodelcanmoretrulyfitcharacteristicsofpoweramplifier．Keywords：PowerAmplifier(PA)；OrthogonalLeast

6、Square(OLS)；RadialBasisFunction(RBF)network；NormalizedMeanSquareEror(NMSE)了改进BP神经网络的功放有记忆行为模型。0引言针对RBFNN对射频功放进行建模，提出了改进型径向现代移动调制技术越来越复杂，传输的信号具有频带宽、基函数神经网络模型。考虑到射频功放的记忆效应和幅度相非恒包络以及高峰均比等特点，采用早期无记忆功放行为模位的非线性失真，在模型的输入端增加了实值延时交叉相乘型，如Saleh模型、Rapp模型，无法拟合功放的非线性记忆效项和输出反馈项，该神经网络结构采用带有抽头延时

7、的多输应。因此，目前广泛采用的是有记忆非线性行为模型，主要包入多输出三层网络用于射频功放的逼近。新提出的模型能够括Volterra模型⋯、Winner模型、Hammerstein模型J、记忆多很好地拟合有记忆功放行为，并且收敛速度快，拟合精度高。项式模型、神经网络模型等。神经网络模型拥有拟合任何1模型设计非线性函数的能力J，被广泛应用于功放建模上。近年来国内外很多学者提出了不同的神经网络模型：传统的径向基函数神经网络结构如图1所示。该模型由Rawat等提出了用实值聚焦延时(Real·ValuedFocused三层组成，分别为：输入层、隐含层和输出层。输

8、入层到隐含Time．DelayLine，RVFTDL)神经网络模型；Isaksson等”提出层