【技术实现步骤摘要】
一种复值流水线递归神经网络模型的功放预失真方法
本专利技术涉及数字信号处理中的数字预失真领域，具体涉及一种复值流水线递归神经网络模型的功放预失真方法。
技术介绍
随着无线通信技术的飞速发展，特别当4G和5G移动通信的广泛普及，现代通信系统对频谱资源的需求不断增加。为了满足这一要求，高阶调制技术在通信系统中被广泛应用，但是这类调制技术会使在射频前端部件中起着至关重要作用的射频功率放大器设计难度加大，也会造成频谱再生。为满足现代无线通信技术的需求，人们提出了一系列的功放线性化和效率增强技术，如前馈技术feedback，负反馈技术feedforward，LINCLinearAmplificationwithNonlinearComponents技术，预失真技术。其中，预失真技术又分为模拟预失真和数字预失真。相比于其他方案，数字预失真因为其具有成本低、线性化性能好、灵活性高等优势，已经成为功放线性化的主流技术。数字预失真的基本原理是在功放之前插入一个预失真器，且预失真器与功放的非线性特性相逆，从而在功放输出端得到线性放大的射频输出。...
【技术保护点】
1.一种复值流水线递归神经网络模型的功放预失真方法，其特征在于：/n包括以下步骤：/nS1：生成原始信号，该原始信号作为目标功放的输入信号；/nS2：建立神经网络模型，对神经网络模型进行训练后，得到功放正模型，对功放正模型求逆，得到预失真结构；/nS3：对原始信号进行调制得到射频信号；/nS4：将该射频信号通过预失真结构，得到预失真信号；/nS5：将预失真信号通过目标功放得到补偿后的功放输出信号。/n
【技术特征摘要】
1.一种复值流水线递归神经网络模型的功放预失真方法，其特征在于：
包括以下步骤：
S1：生成原始信号，该原始信号作为目标功放的输入信号；
S2：建立神经网络模型，对神经网络模型进行训练后，得到功放正模型，对功放正模型求逆，得到预失真结构；
S3：对原始信号进行调制得到射频信号；
S4：将该射频信号通过预失真结构，得到预失真信号；
S5：将预失真信号通过目标功放得到补偿后的功放输出信号。
2.根据权利要求1所述一种复值流水线递归神经网络模型的功放预失真方法，其特征在于：
所述S2包括如下步骤：
S2-1：从该原始信号中选取一段作为测试信号；
S2-2：对该测试信号进行调制得到射频信号；
S2-3：将该射频信号通过功放，得到功放输出信号；
S2-4：将功放输出信号通过衰减器减小输出信号功率得到衰减信号；
S2-5：将该衰减信号进行下变频和滤波得到目标输出信号；
S2-6：建立复值流水线递归神经网络模型，利用测试信号作为输入参数，目标输出信号作为输出参数对复值流水线递归神经网络模型进行训练，得到功放正模型；
S2-7：利用增强型的复值实时递归学习算法对功放的正模型进行优化，得到优化后的功放正模型，再对优化后的功放正模型求逆，得到功放的预失真结构。
3.根据权利要求1所述一种复值流水线递归神经网络模型的功放预失真方法，其特征在于：
所述S2-6包括以下步骤：
S2-6-1：建立复值流水线递归神经网络模型结构，该模型包含M个重复的模块；
每个模块都带有N个神经元，其中前M-1个模块为非全连接的递归神经网络，其输出神经元中的N-1个输出用来反馈给输入，剩余神经元的输出，即第一个神经元的输出，直接应用于下一个模块，最后一个模块是全连接的递归神经网络，所有神经元的输出反馈到输入；
S2-6-2：引入增广复统计量，考虑两个变量的交叉统计，通过输入变量x的共轭x*来增强信息的完整性，得到线性向量Λ＝[xT,xH]T；
S2-6-3：每个模块的网络输出层的第l个神经元的权重向量为M个模块均使用相同的权重矩阵
S2-6-4：复值流水线递归神经网络模型结构的数学表达式为其中ψ(·)是激活函数，和分别代表k时刻第t个模块的第l个神经元的输出和激活函数的网络节点输入；
k时刻第t个模块的增广型输入和第M个模块的输入向量为
It(k)＝[s(k-t...
【专利技术属性】
技术研发人员：李明玉，蔡振东，靳一，代志江，徐常志，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。