基于级联神经网络的预失真器设计

摘要

本文将神经网络应用于通信系统中，采用级联BP神经网络对功率放大器模型进行拟合。论文对传统级联BP神经网络结构进行了优化，对传统级联BP神经网络最速下降法进行了改进，有效解决了传统级联BP神经网络在预失真器设计中学习速度慢、拟合模型拟合精度低的问题，提高了级联BP神经网络的学习速度和模型拟合精度。
　　针对级联BP神经网络在对功率放大器进行拟合的过程中遇到的相关问题，本文做出了如下解决方案和测试方法：
　　1.针对级联BP神经网络学习效率低，无法满足部分预失真器设计实际应用需求的问题，本文引入拟牛顿法，在对功率放大器模型进行建模时，将迭代周期从538次，降低到50次以内。
　　2.针对级联BP神经网络结构较为复杂，在实现中会消耗较多计算和存储资源的问题，本文对级联 BP神经网络中不必要的结构进行了合理删除，优化了级联BP神经网络结构，将级联BP神经网络资源消耗降低了三分之一以上。
　　3.在对改进后的级联BP神经网络进行验证时，采用级联BP神经网络对记忆多项式功放模型进行建模，并利用记忆多项式辨识出的实际功放模型进行仿真。在对带宽为5MHz的 WCDMA信号进行处理时，能将其 ACPR由-30dB降低到-57dB，并使其NMSE达到-50.31dB以下。
　　4.在以E类功放为基础的测试平台上对级联BP神经网络进行实验时，将功放输出功率设置在32dBm左右，输入信号的中心频率设置为1.7GHz、2.0GHz、2.2GHz，宽带信号带宽设置为5MHz，实验结果表明，改进后的级联BP神经网络能将ACPR从-32.2dB降低到-47.4dB以下。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 课题研究背景与意义

1.2 国内外研究现状

1.3 主要研究内容与结构安排

第二章 级联BP神经网络功率放大器预失真方案

2.1 宽带功放参与的神经网络学习过程

2 . 2 级联BP神经网络预失真结构分析

2 . 3 级联BP神经网络算法改进

2.4 本章小结

第三章 级联BP神经网络预失真器验证

3.1 E类功放失真特性

3.2 数字预失真验证平台

3.3 验证平台样本信号采集

3.4 性能测试

3.5 本章小结

第四章 级联BP神经网络预失真FPGA实现

4.1 硬件设计

4.2 程序设计

4.3 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

附录