Direct And Indirect Learning Methods For Adaptive Predistortion Of Iir Hammerstein Systems

摘要

Dieser Artikel widmet sich dem Problem der Vorverzerrung von IIR-Hammerstein-Systemen basierend auf direkten und indirekten Lernarchitekturen, Zwei adpative Algorithmen, nämlich Nonlinear Filtered-x Least Mean Squares-(NFxLMS)- und Recursive Prediction Error Method(RPEM)-Algorithmen, wurden jeweils für diese zwei Lernarchitekturen entwickelt. Die Leistungsfähigkeit der beiden Algorithmen wurde ausführlich in einer vergleichenden Simulationsstudie erforscht und verglichen.%This paper considers the problem of predistortion of IIR Hammerstein systems based on direct and indirect learning architecture methods. Two adaptive algorithms, namely: the Nonlinear Filtered-x Least Mean Squares (NFxLMS) and the Recursive Prediction Error Method (RPEM) algorithms, are developed for these two methods, respectively. The performance of the two algorithms are investigated by a comparative simulation study.