一种面向功率放大器的深度神经网络泛化性建模方法

摘要

本发明提出一种面向功率放大器的深度神经网络泛化性建模方法，属于无线通信技术领域；首先，采集不同带宽和功率水平的数据，并调制到具有K个子载波的OFDM系统上生成OFDM信号，经过采样得到采样信号，并基于云边协同上传至云端；然后，对各OFDM信号的相应带宽和功率水平进行one‑hot编码，并通过全连接神经网络层，标记输出为各自的编码向量；基于此构建DNN模型；并利用采集的不同带宽和功率水平的数据，对DNN模型进行训练，实现基于多种状态数据的泛化性建模；本发明实现了对多组带宽、功率水平的功率放大器信号进行建模，避免了当存在不同带宽、功率条件的OFDM信号时需要针对性的逐一训练网络模型的问题，减少了需要建模的数量，大大提高了建模效率。