发明名称 |
基于简化模糊神经网络的增强维纳模型的功放预失真方法 |
摘要 |
基于简化模糊神经网络的增强维纳模型的功放预失真方法,主要包括模糊神经网络子系统和FIR滤波器子系统。模糊神经网络子系统由二阶Sugeno FIS结构的简化模糊神经网络构成,用于补偿功率放大器幅度和相位失真特性,FIR滤波器子系统由两个平行的有限冲击响应(FIR)滤波器构成,用于补偿功放的记忆效应。结合间接的学结构,模糊神经网络的参数由最小二乘和反向传播相结合学算法来识别,线性FIR滤波器系数由最小二乘法确定,该预失真方案,在不增加实现复杂度的同时,结合了简化模糊神经网络结构的灵活稳定的特点,利用了增强型维纳模型的特点,补偿了宽带功率放大器由于宽带匹配不理想带来的频谱再生,能够对宽带深度记忆效应的功率放大器准确建模。 |
申请公布号 |
CN101997492A |
申请公布日期 |
2011.03.30 |
申请号 |
CN201010501606.5 |
申请日期 |
2010.09.29 |
申请人 |
东南大学 |
发明人 |
周健义;晋石磊;洪伟 |
分类号 |
H03F1/32(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
H03F1/32(2006.01)I |
代理机构 |
南京苏高专利商标事务所(普通合伙) 32204 |
代理人 |
柏尚春 |
主权项 |
一种基于简化模糊神经网络的增强维纳模型的功放预失真方法,其特征在于该方法具体步骤如下:a)采用宽带调制信号作为功率放大器的基带输入信号,利用高速模数转换器采集功率放大器的输入和输出基带数据,b)利用采集功放的输入和输出数据,建立用于预失真的功放模型,即基于简化模糊神经网络的增强维纳模型,c)训练所述功放模型的参数达到期望的误差,以最终确定功放模型参数,d)建立基于简化模糊神经网络的增强维纳模型的逆模型,f)将基带输入信号通过逆模型,再通过正交调制器、上变频器,经过功率放大器输出。 |
地址 |
210096 江苏省南京市四牌楼2号 |