【摘要】：本文主要介紹采用BP神經網(wǎng)絡的方法來設計Doherty功率放大器非線性模型。文中是從功率效率、輸入功率與輸出功率的關系兩個方面來對Doherty功率放大器進行設計。BP神經網(wǎng)絡結構簡單，可操作性強，，可以逼近任意的非線性映射關系，能夠有效地解決非線性目標函數(shù)的逼近問題，在放大器建模方面得到了廣泛應用。對于通常所說的傳統(tǒng)BP神經網(wǎng)絡模型，它把一組輸入樣本與輸出樣本之間的問題轉變成一個非線性的優(yōu)化問題，但是傳統(tǒng)BP神經網(wǎng)絡有著自身的缺陷，在功放設計應用中，網(wǎng)絡輸出的功率效率與輸出功率無法達到實際功放的要求。針對傳統(tǒng)BP神經網(wǎng)絡的不足，本文采用附加動量項與自適應學習率相結合的改進BP神經網(wǎng)絡方法來完成功率放大器的非線性模型設計。 為構建更為準確神經網(wǎng)絡模型，需要對改進的BP算法選擇合適的參數(shù)，即要選擇出合適的動量因子與學習率。學習率取值過大會引起網(wǎng)絡震蕩不穩(wěn)定，取值過小雖然可以避免不穩(wěn)定，但是增加了神經網(wǎng)絡的訓練時間。通過對網(wǎng)絡的反復訓練，我們發(fā)現(xiàn)當動量因子取值為0.9是可以有效地減緩網(wǎng)絡的震蕩趨勢，同時采用自適應學習率的改進BP算法，當網(wǎng)絡訓練在過程中誤差增大時減小學習率，當誤差減小時增加學習率，利用其可以實時的調節(jié)學習率大小的優(yōu)點，有效地加快了網(wǎng)絡的收斂時間。 神經網(wǎng)絡的訓練數(shù)據(jù)和測試數(shù)據(jù)均來自Doherty功率放大器的單音信號。將改進的BP神經網(wǎng)絡方法與傳統(tǒng)BP神經網(wǎng)絡方法的誤差收斂結果作比較，就收斂速度來講，通過收斂曲線可以明顯的看出改進的BP神經網(wǎng)絡方法要比傳統(tǒng)方法快得多；將兩種方法的曲線擬合結果的誤差也進行比較，結果表明使用改進BP神經網(wǎng)絡方法曲線擬合精度要比傳統(tǒng)BP神經網(wǎng)絡方法更高。通過一系列的實驗結果對比說明改進的BP神經網(wǎng)絡方法得到更高精度的功放設計結果。
【圖文】：

圖 2-2 理想的線性系統(tǒng)of nonlinear power amplifier on the signal c圖 2-3 放大器的 1dB 非線性Fig. 2-3 1dB nonlinear amplifier指輸出信號在放大器輸入信號的幅度現(xiàn)為非線性現(xiàn)象[24]。在大信號狀態(tài)以下三個方面：

放大器的1dB非線性Fig.2-31dBnonlinearamplifier
【學位授予單位】：華東交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN722;TP183

【參考文獻】

相關期刊論文 前5條

1 羅四維;肖曄;丁嘉種;;學習率自調整的BP算法[J];北方交通大學學報;1993年02期

2 吳限;吳恬;隋順彬;劉光民;雍子豪;;基于MATLAB的BP網(wǎng)絡在月生活用水量預測中的應用[J];供水技術;2011年06期

3 孫佰清,潘啟樹,馮英浚,張長勝;提高BP網(wǎng)絡訓練速度的研究[J];哈爾濱工業(yè)大學學報;2001年04期

4 項莉萍;柯導明;;功率放大器非線性失真的Volterra級數(shù)分析[J];吉首大學學報(自然科學版);2008年01期

5 霍愛清;汪躍龍;湯楠;程為彬;葛蕾;;局部式反傳網(wǎng)絡的改進BP算法及應用[J];計算機工程與應用;2012年04期

本文編號：2556888