在即將到來的5G時(shí)代,人們對5G通信寄予了極高的希望,高速率、低延時(shí)、高帶寬的通信網(wǎng)絡(luò)成為5G無線通信發(fā)展的必然需求。而高寬帶、高速率的通信系統(tǒng)需要使用高階調(diào)制,高階調(diào)制對通信系統(tǒng)的線性特性有嚴(yán)格的要求,由于通信系統(tǒng)自身的非線性特性,存在非線性失真問題,需要對非線性進(jìn)行補(bǔ)償才能提高效率。非線性特性是功放在飽和區(qū)附近運(yùn)行時(shí)出現(xiàn)的主要缺陷之一,非線性問題會改變原始的信號特性,比如增益壓縮、相鄰信道的頻譜再生和帶內(nèi)失真,這些會導(dǎo)致通信系統(tǒng)的性能下降。對于功放的線性化和數(shù)字預(yù)失真技術(shù)的研究及其實(shí)現(xiàn),對推動綠色通信理念的深入發(fā)展和節(jié)能減排具有重大意義,也具有極大的實(shí)際應(yīng)用價(jià)值。由于5G移動通信的寬帶和速率都將有極大的提升,如果按照傳統(tǒng)的方式來處理預(yù)失真,預(yù)失真器的頻帶寬度是信號帶寬的幾倍,需要的AD采樣器件速率高、位數(shù)長、信號動態(tài)范圍廣,這樣的器件價(jià)格昂貴,功耗非常高,器件消耗的能量可能比線性化節(jié)約的能量還高,預(yù)失真就沒有實(shí)際意義。由于功放的輸入輸出關(guān)系可以用函數(shù)來表達(dá),而神經(jīng)網(wǎng)絡(luò)可以利用大量數(shù)據(jù)進(jìn)行訓(xùn)練,逼近任意函數(shù)表達(dá)式,且神經(jīng)網(wǎng)絡(luò)還可以有效地補(bǔ)償功放的記憶效應(yīng),因此為了更好地補(bǔ)償超寬頻帶功...

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-2AM/AM曲線圖

基于GAN神經(jīng)網(wǎng)絡(luò)的功放預(yù)失真建模研究8會干擾鄰近信道，降低通信性能。互調(diào)失真的頻譜如圖2-1。DCW1-w22w1-w2w1w22w2-w12w1w1+w22w23w12w1+w22w2+w13w2圖2-1互調(diào)失真的輸出頻譜2.1.3AM/AM和AM/PM失真在理想的PA中，輸....

圖2-3AM/PM曲線圖

基于GAN神經(jīng)網(wǎng)絡(luò)的功放預(yù)失真建模研究9圖2-3AM/PM曲線圖2.2功率放大器的行為模型功率放大器的行為模型其實(shí)是一種黑盒模型，和物理模型不一樣，黑盒模型不知道里面的具體結(jié)構(gòu)和設(shè)計(jì)，也不需要了解里面的結(jié)構(gòu)，只需把它當(dāng)成一種關(guān)于輸入輸出信號的非線性函數(shù)，用來擬合功放的非線性失真。....

圖2-7激活函數(shù)

基于GAN神經(jīng)網(wǎng)絡(luò)的功放預(yù)失真建模研究14出信號，該信號是由隱藏層的輸出經(jīng)過一系列的線性變換并加上偏置后得出來的。這種實(shí)值神經(jīng)網(wǎng)絡(luò)模型在處理復(fù)雜調(diào)制信號時(shí)，可以大大降低了神經(jīng)網(wǎng)絡(luò)的復(fù)雜度，并利用反向傳播算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)更新，調(diào)整模型參數(shù)，優(yōu)化模型，最終獲得比較高的精度。雖然....

圖5-1基于LTE-A4CC的LDMOS功放AM/AM特性圖

基于GAN神經(jīng)網(wǎng)絡(luò)的功放預(yù)失真建模研究49第5章預(yù)失真建模分析和驗(yàn)證在上一章中，本文使用多種GAN神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)失真建模，設(shè)計(jì)出了以LSTM為基礎(chǔ)網(wǎng)絡(luò)并以GAN為主框架的神經(jīng)網(wǎng)絡(luò)。本章將在1.9.0版本的Tensorflow環(huán)境下建模，使用AM/AM特性圖、AM/PM特性圖、NM....

本文編號：3989036