非线性系统校正方法、装置及电子设备制造方法及图纸

本申请公开了一种非线性系统校正方法、装置及电子设备。该方法包括：构建非线性系统的多音正弦激励信号；将多音正弦激励信号作为训练信号输入至非线性系统，输出得到非线性系统的时域训练数据；利用Volterra模型对时域训练数据进行频域建模，得到频域训练矩阵，频域训练矩阵中包括待求解的Volterra核系数向量；利用运筹优化模型求解频域训练矩阵，得到Volterra核系数向量的稀疏解及稀疏解中每个非零项系数对应的延时组合；根据Volterra核系数向量的每个非零项系数及对应的延时组合生成抵消信号，从非线性系统的实际输出信号中去除抵消信号，得到校正后的不含非线性成分的输出信号。本申请可以对系统的复杂非线性行为进行建模和校正，提升了非线性系统的线性响应性能。

【技术实现步骤摘要】
非线性系统校正方法、装置及电子设备
本申请涉及信号处理
，具体涉及一种非线性系统校正方法、装置及电子设备。
技术介绍
几乎所有的自然或人工系统均表现出某种程度的非线性现象，这类输入与输出不满足线性关系的系统被称为非线性系统，典型的例子包括流体系统，光学系统，射频收发系统，模拟电路系统等等。使用信号这一概念表示非线性系统中一个或多个可测量物理参数的数学变化关系，如压强、光强、电压等，那么一个非线性系统的输出信号将包含各种非线性成分，非线性成分又可以进一步分解为谐波、互调、杂散、量化噪声等失真项。这些非线性失真的存在将显著限制信号处理系统从输出信号中分离期望的线性信号的能力，进而限制系统的整体性能。例如，在通信领域中应用广泛的模数转换器、功率放大器等器件很容易引起通信信号的非线性失真，这些非线性失真的存在将会显著影响通信设备的性能。如图1所示，图1中展示的是一个模数转换器输出的数字信号的频谱。频谱中除了功率最大的输入双音信号外，还存在许多非线性信号。这些非线性信号是由输入信号经过非线性系统之后产生的，既与输入信号的特性有关，也与系统的非线性响应有关。目前，对非线性信号进行分析处理的方法包括神经网络、模糊逻辑、贝叶斯估计和记忆多项式等。在实际的非线性系统建模中，记忆多项式模型使用较为广泛，包括Wiener模型、Hammerstein模型、Volterra模型等，其中Volterra模型效果最好。但是，用Volterra模型表示系统非线性的最大缺点是计算复杂度过高。随着所假设的非线性阶数和记忆深度的提高，Volterra模型中参数的数量将会快速增加，最终达到难以在实际系统中有效求解的程度。为了克服这一困难，目前现有技术中提出的解决方案主要是选择特定坐标系下的部分记忆组合项，如使用横向坐标系，对角坐标系或立方体坐标系等。这些特定坐标系的选择会限制Volterra模型的准确性，对于较为复杂的非线性系统，特定坐标系也很难使计算复杂度进一步降低。此外，目前基于记忆多项式模型的非线性校正方法基本都在时域对信号进行处理，这一方面会因需要存储和处理的数据量大，增大了系数求解难度以及硬件资源的消耗，另一方面求解效果也会受到调制、加扰等信号处理操作的影响。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供了一种非线性系统校正方法、装置及电子设备，用于解决现有技术中的非线性系统校正方法的计算复杂度较高、校正效果较差的技术问题。依据本申请的第一方面，提供了一种非线性系统校正方法，包括：构建所述非线性系统的多音正弦激励信号；将所述多音正弦激励信号作为训练信号输入至所述非线性系统，输出得到所述非线性系统的时域训练数据；利用Volterra模型对所述非线性系统的时域训练数据进行频域建模，得到矩阵形式的所述非线性系统的频域训练数据，记为频域训练矩阵，所述频域训练矩阵中包括待求解的Volterra核系数向量和所述Volterra模型的延时组合对应的Volterra核向量；利用运筹优化模型求解所述频域训练矩阵，得到所述Volterra核系数向量的稀疏解及所述稀疏解中每个非零项系数对应的延时组合；根据所述Volterra核系数向量的每个非零项系数及其对应的延时组合生成抵消信号，从所述非线性系统的实际输出信号中去除所述抵消信号，得到所述非线性系统校正后的不含非线性成分的输出信号。依据本申请的第二方面，提供了一种非线性系统校正装置，包括：激励信号构建单元，用于构建所述非线性系统的多音正弦激励信号；时域训练数据输出单元，用于将所述多音正弦激励信号作为训练信号输入至所述非线性系统，输出得到所述非线性系统的时域训练数据；频域建模单元，用于利用Volterra模型对所述非线性系统的时域训练数据进行频域建模，得到矩阵形式的所述非线性系统的频域训练数据，记为频域训练矩阵，所述频域训练矩阵中包括待求解的Volterra核系数向量和所述Volterra模型的延时组合对应的Volterra核向量；求解单元，用于利用运筹优化模型求解所述频域训练矩阵，得到所述Volterra核系数向量的稀疏解及所述稀疏解中每个非零项系数对应的延时组合；校正单元，用于根据所述Volterra核系数向量的每个非零项系数及其对应的延时组合生成抵消信号，从所述非线性系统的实际输出信号中去除所述抵消信号，得到所述非线性系统校正后的不含非线性成分的输出信号。依据本申请的第三方面，提供了一种电子设备，包括：存储计算机可执行指令的存储器以及处理器，所述可执行指令在被所述处理器执行时，实现前述非线性系统校正方法。依据本申请的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现前述的非线性系统校正方法。本申请的有益效果是：通过构建多音正弦激励信号对系统的非线性响应进行训练；利用Volterra模型将时域训练数据转换到频域，进行非线性系统的频域建模，构建矩阵形式的频域训练矩阵，本申请实施例采用的频域信号处理方法，可以在不损失计算精度的前提下，大幅度降低后续求解模型系数的计算复杂度；之后将频域训练矩阵的系数计算问题转换为运筹优化模型的求解问题，通过对运筹优化模型的求解可以得到频域训练矩阵的最简表示和最优系数，降低了系统对硬件资源的需求；最后根据求解出的Volterra核系数向量的每个非零项系数及对应的延时组合生成能够抵消输出信号中非线性成分的抵消信号，从非线性系统的实际输出信号中去除该抵消信号，进而可以得到校正后的不含非线性成分的输出信号。通过本申请实施例，可以对非线性系统的复杂非线性行为进行建模和校正，提升了非线性系统的线性响应性能。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为现有技术中的模数转换器输出的数字信号的频谱示意图；图2为本申请一个实施例的非线性系统校正方法的流程图；图3为本申请一个实施例的非线性系统实际运行时的抵消过程示意图；图4为本申请一个实施例的训练过程中双音正弦激励信号的频率选择方式示意图；图5为本申请一个实施例的利用时域训练信号计算频域延时组合的流程示意图；图6为本申请一个实施例的频域训练矩阵构建过程示意图；图7为本申请一个实施例的非线性校正模型对实际输出信号的抵消效果示意图；图8为本申请一个实施例的非线性系统校正装置的框图；图9为本申请一个实施例中电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申本文档来自技高网...

【技术保护点】
1.一种非线性系统校正方法，其特征在于，包括：/n构建所述非线性系统的多音正弦激励信号；/n将所述多音正弦激励信号作为训练信号输入至所述非线性系统，输出得到所述非线性系统的时域训练数据；/n利用Volterra模型对所述非线性系统的时域训练数据进行频域建模，得到矩阵形式的所述非线性系统的频域训练数据，记为频域训练矩阵，所述频域训练矩阵中包括待求解的Volterra核系数向量和所述Volterra模型的延时组合对应的Volterra核向量；/n利用运筹优化模型求解所述频域训练矩阵，得到所述Volterra核系数向量的稀疏解及所述稀疏解中每个非零项系数对应的延时组合；/n根据所述Volterra核系数向量的每个非零项系数及其对应的延时组合生成抵消信号，从所述非线性系统的实际输出信号中去除所述抵消信号，得到所述非线性系统校正后的不含非线性成分的输出信号。/n

【技术特征摘要】
1.一种非线性系统校正方法，其特征在于，包括：
构建所述非线性系统的多音正弦激励信号；
将所述多音正弦激励信号作为训练信号输入至所述非线性系统，输出得到所述非线性系统的时域训练数据；
利用Volterra模型对所述非线性系统的时域训练数据进行频域建模，得到矩阵形式的所述非线性系统的频域训练数据，记为频域训练矩阵，所述频域训练矩阵中包括待求解的Volterra核系数向量和所述Volterra模型的延时组合对应的Volterra核向量；
利用运筹优化模型求解所述频域训练矩阵，得到所述Volterra核系数向量的稀疏解及所述稀疏解中每个非零项系数对应的延时组合；
根据所述Volterra核系数向量的每个非零项系数及其对应的延时组合生成抵消信号，从所述非线性系统的实际输出信号中去除所述抵消信号，得到所述非线性系统校正后的不含非线性成分的输出信号。


2.根据权利要求1所述的方法，其特征在于，所述构建所述非线性系统的多音正弦激励信号包括：
获取所述非线性系统的实际输出信号的频率范围和采样频率；
将所述频率范围分割为多个信号频点，利用所述多个信号频点构建所述多音正弦激励信号。


3.根据权利要求2所述的方法，其特征在于，所述将所述频率范围分割为多个信号频点，利用所述多个信号频点构建所述多音正弦激励信号包括：
对所述多个信号频点通过等间隔的频点设置方式或者随机均匀分布的频点设置方式构建所述多音正弦激励信号。


4.根据权利要求1所述的方法，其特征在于，所述利用Volterra模型对所述非线性系统的时域训练数据进行频域建模，得到矩阵形式的所述非线性系统的频域训练数据，记为频域训练矩阵包括：
利用所述Volterra模型表示所述非线性系统的时域训练数据，得到包含线性成分和非线性成分的连续时间系统输出响应模型；
以预设时间为周期对所述连续时间系统输出响应模型中的信号进行采样，得到所述非线性系统的离散训练数据；
对所述非线性系统的离散训练数据进行傅里叶变换，得到所述非线性系统的频域训练数据；
对所述非线性系统的频域训练数据进行频域卷积处理，得到所述频域训练矩阵，所述频域训练矩阵为待求解的Volterra核系数向量与所述Volterra模型的延时组合对应的Volterra核向量的乘积。


5.根据权利要求4所述的方法，其特征在于，所述对所述非线性系统的频域训练数据进行频域卷积处理，得到所述频域训练矩阵包括：
根据所述多音正弦激励信号的输入信号频率，从所述非线性系统的频域训练数据中获取所述多音正弦激励信号对应的频谱值；
根据所述多音正弦激励信号的输入信号频率及对应的频谱值，对所述非线性系统的频域训...

【专利技术属性】
技术研发人员：陈加锐，陈顺阳，
申请(专利权)人：中国电子科技集团公司第三十六研究所，
类型：发明
国别省市：浙江;33