基于模糊神经网络的哈默斯坦模型的功放预失真方法

摘要

基于模糊神经网络的哈默斯坦模型的功放预失真方法，主要包括无记忆的非线性子系统和有记忆的线性子系统。无记忆的非线性子系统由一阶Sugeno FIS结构的模糊神经网络构成，用于补偿功率放大器静态幅度和相位失真特性，有记忆的线性子系统由有限冲激响应(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(Least-squares)和反向传播(Back-propagation)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。这种预失真方案，在不增加实现复杂度的同时，不但可以弥补功率放大器的非线性特性和记忆效应，而且发挥了模糊神经网络在预失真以及功放建模方面的灵活、稳定和高效的优点。

主权项

1.一种基于模糊神经网络的哈默斯坦模型的功放预失真方法，该方法具体步骤如下：a)宽带多载波信号作为功放的基带输入信号，利用高速模数转换器同时采集功放的输入和输出基带数据，b)利用同时采集后的功放的输入和输出数据，建立用于预失真的功放逆模型：基于模糊神经网络的无记忆的非线性子系统和有记忆的线性子系统相结合的哈默斯坦模型，c)训练模糊神经网络的哈默斯坦模型参数达到期望的误差，以最终确定模型参数，d)把基于模糊神经网络的哈默斯坦模型的预失真器应用到射频发送链路；基带输入信号通过预失真器，再通过正交调制器、上变频器和功放输出。