發(fā)布時間：2018-01-27 17:21

  本文關(guān)鍵詞： 功率放大器 行為建模 數(shù)字預(yù)失真 非線性 記憶效應(yīng) 系統(tǒng)辨識　出處：《西南交通大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：射頻功率放大器本質(zhì)上是非線性器件,當(dāng)應(yīng)用于寬帶通信系統(tǒng)中時,還會顯示出明顯的記憶效應(yīng),功率放大器的記憶非線性效應(yīng)致使發(fā)射信號發(fā)生失真,降低通信系統(tǒng)的通信質(zhì)量,同時所引發(fā)的頻譜擴(kuò)展現(xiàn)象還會對鄰近信道造成干擾。為了定量地分析、評估以及降低功率放大器的記憶非線性效應(yīng)對通信系統(tǒng)造成影響,功率放大器的行為建模和數(shù)字預(yù)失真成為當(dāng)前無線通信領(lǐng)域中的一個重要的研究課題。近些年來,國內(nèi)外學(xué)者對記憶非線性功率放大器的行為建模開展了大量研究,并取得了豐碩的成果,提出了各種各樣的行為模型及相關(guān)算法,對解決無線通信系統(tǒng)當(dāng)中的一些關(guān)鍵性問題,推動無線通信系統(tǒng)的快速發(fā)展發(fā)揮了很大作用。然而通信技術(shù)正在以驚人的速度不斷發(fā)展著,使得功率放大器自身結(jié)構(gòu)和外部工作環(huán)境都變得越來越復(fù)雜,對功率放大器記憶非線性特性的精確建模也變得越來越困難,面對新的應(yīng)用環(huán)境,已有的模型或算法大都存在不同程度的局限,還有進(jìn)一步改善的空間和必要。功率放大器行為建模和數(shù)字預(yù)失真的研究重點(diǎn)主要集中于模型構(gòu)造和算法設(shè)計(jì)兩方面,本文將對此展開進(jìn)一步的研究工作,主要研究內(nèi)容如下。1.提出了一種改進(jìn)的記憶多項(xiàng)式模型及其相應(yīng)的辨識算法。記憶多項(xiàng)式是一種簡化的Volterra級數(shù)模型,只包含Volterra級數(shù)當(dāng)中的對角項(xiàng),對功率放大器記憶效應(yīng)的建模能力比較有限,為了改善記憶多項(xiàng)式的記憶結(jié)構(gòu),提升其建模能力,提出了一種新的建模方法,該方法利用遺傳算法從Volterra級數(shù)當(dāng)中搜索一組最優(yōu)的交叉項(xiàng)組合到記憶多項(xiàng)式模型當(dāng)中,同時為了降低遺傳算法迭代過程中對模型參數(shù)辨識的計(jì)算量,將模型的構(gòu)造過程分成兩個階段,第二階段的參數(shù)辨識過程建立在第一階段辨識的基礎(chǔ)上,避免了對較大規(guī)模矩陣的求逆問題。實(shí)驗(yàn)與仿真結(jié)果表明,在組合了一組交叉項(xiàng)后,記憶多項(xiàng)式的建模性能得到顯著改善。2.針對基于多項(xiàng)式的功率放大器及其數(shù)字預(yù)失真行為模型存在的數(shù)值不穩(wěn)定問題,提出了一個穩(wěn)健的多項(xiàng)式模型的參數(shù)辨識算法,該算法基于Tikhonov正則化和矩陣的QR分解,不僅能夠改善參數(shù)辨識中的數(shù)值穩(wěn)定性問題,而且還能有效抑制預(yù)失真后信號的峰均比擴(kuò)張現(xiàn)象,防止產(chǎn)生過高的瞬時信號峰值功率對功率放大器造成損害,因而利用該算法構(gòu)造的數(shù)字預(yù)失真模型具有穩(wěn)健的特性。3.提出了一種正交歸一化Hermite多項(xiàng)式基神經(jīng)網(wǎng)絡(luò)模型用于功率放大器的建模和數(shù)字預(yù)失真。該模型以具有優(yōu)良逼近性能的正交歸一化Hermite多項(xiàng)式基函數(shù)作為神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元的激勵函數(shù),從而比常規(guī)前饋神經(jīng)網(wǎng)絡(luò)具有更優(yōu)良的逼近能力；接下來在進(jìn)一步地探討了功率放大器對不同幅度輸入信號造成失真的不同機(jī)理的基礎(chǔ)上,應(yīng)用兩組動態(tài)模糊權(quán)值把這一失真機(jī)理結(jié)合到所提出的神經(jīng)網(wǎng)絡(luò)模型當(dāng)中,獲取了更為優(yōu)良的功率放大器和數(shù)字預(yù)失真建模性能。4.提出了基于局部模型網(wǎng)絡(luò)的功率放大器行為建模和數(shù)字預(yù)失真方法。該建模方法具有形式簡單、自適應(yīng)強(qiáng)、應(yīng)用靈活等特點(diǎn),適用于各種復(fù)雜的建模問題。針對加權(quán)最小二乘辨識算法無法得到最優(yōu)模型參數(shù)的問題,結(jié)合了全局參數(shù)的更新策略,明顯地提升了模型的建模精確度；在不同的輸入條件下,根據(jù)局部模型對輸出貢獻(xiàn)度的大小,對模型做了進(jìn)一步的簡化,在不會對模型精確度造成明顯影響的前提下進(jìn)一步地降低了模型的計(jì)算復(fù)雜度。在該部分研究當(dāng)中還提出了功率放大器及其數(shù)字預(yù)失真行為模型的記憶深度的定性確定方法,利用該方法僅僅需要做出功率放大器當(dāng)前輸出和一系列延時輸入的二維圖,即可從中獲知記憶深度的大概取值,避免了反復(fù)嘗試的繁瑣工作。
[Abstract]:......
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TN722.75

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石峰;吳東坡;李群;王維平;;面向復(fù)雜仿真因果追溯的行為建模方法[J];系統(tǒng)仿真學(xué)報(bào);2007年02期

2 楊瑋瑋;鄭維明;;響應(yīng)敏捷制造要求的行為建模設(shè)計(jì)方法[J];CAD/CAM與制造業(yè)信息化;2008年06期

3 仲輝;王維平;黃炎焱;李群;;一種基于π演算的行為建模形式化方法[J];系統(tǒng)工程理論與實(shí)踐;2009年05期

4 劉德勝;司光亞;蔣亞群;羅批;;面向戰(zhàn)爭問題的群體行為建模研究綜述[J];系統(tǒng)仿真學(xué)報(bào);2013年02期

5 曹波偉;薛青;姚義軍;;基于有限理性理論的虛擬士兵感知行為建模研究[J];指揮控制與仿真;2012年03期

6 周克媛,韓先征;行為建模技術(shù)(Behavioral Modeling)在零件設(shè)計(jì)中的應(yīng)用[J];青島職業(yè)技術(shù)學(xué)院學(xué)報(bào);2004年01期

7 杜瑾;劉均;鄭慶華;丁嬌;龔智勇;韓殿哲;;一種基于網(wǎng)頁元數(shù)據(jù)的用戶訪問行為建模方法[J];西安交通大學(xué)學(xué)報(bào);2008年02期

8 張立斌;;基于控制論的網(wǎng)絡(luò)行為建模研究[J];信息技術(shù);2011年07期

9 孫海波,姜龍;Pro/E在產(chǎn)品優(yōu)化設(shè)計(jì)中的應(yīng)用[J];機(jī)械;2004年S1期

10 褚海墨;王英林;;基于參與者行為建模的知識流仿真[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年20期

相關(guān)會議論文 前10條

1 薛青;任曉明;鄭長偉;周文斌;;基于包容體的駕駛行為建模研究[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

2 馬s，

本文編號：1468991