用于建模宽带射频功放非线性的神经网络模型

摘要

本发明公开了一种用于建模宽带射频功放非线性的神经网络模型，包括输入层、隐含层和输出层，输入层的输入数据包括超前项x(n+1)，|x(n+1)|，|x(n+1)|3，......，|x(n+1)|2Q+1，对齐项x(n)，|x(n)|，|x(n)|3，......，|x(n)|2Q+1和滞后项x(n-1)，......，x(n-M1)，|x(n-1)|，|x(n-1)|，......，|x(n-M2)|，......，|x(n-1)|2Q+1，......，|x(n-MQ+2)|2Q+1，x(n+1)为射频功放的输入端当前时刻的基带复数据，输出层的输出为y(n)；优点是在建模射频功放的超强记忆效应和强静态非线性，考虑广义记忆效应(滞后时刻和超前时刻的记忆效应均考虑)，同时输入层的输入信号不仅包含基带复信号本身，还包括基带复信号的模及模的高阶次方，输出层的输出信号为复数信号，建模精度较高，相比实数时延神经网络模型建模精度提高5dB。