预失真模型训练方法、数字预失真方法、装置、设备、介质及产品制造方法及图纸

技术编号:41661430 阅读:18 留言:0更新日期:2024-06-14 15:22
本申请公开了一种预失真模型训练方法、数字预失真方法、装置、设备、介质及产品,涉及信号处理技术领域,包括:获取训练数据与待训练的预失真模型,其中,所述预失真模型为神经网络模型,所述训练数据包括功率放大器的输入信号和输出信号;提取所述输出信号的信号特征,其中,所述信号特征包括信号值虚数部、信号值实数部、一阶信号幅值与二阶信号幅值中的一种或多种;基于所述信号特征与所述输入信号对所述预失真模型进行训练,得到训练完成的所述预失真模型。本申请降低了对信号预失真处理的处理复杂度。

【技术实现步骤摘要】

本申请涉及信号处理,尤其涉及一种预失真模型训练方法、数字预失真方法、装置、设备、介质及产品


技术介绍

1、功率放大器对发射机起着关键作用,通常必须工作在饱和区附近以获得更好的输出性能,但由于功率放大器的效率与其线性度之间存在近似的反比关系,因此,这将导致功率放大器的非线性失真,进而造成带内和带外频谱干扰,降低发射信号的质量并影响邻近信道的传播。目前,为了尽量减少功率放大器非线性失真的影响,多种功率放大器线性化技术应运而生,其中,基于数字预失真的功率放大器线性化技术由于其高度的灵活性和可重构性,在行业内获得了广泛应用。

2、基于数字预失真的功率放大器线性化技术的原理为:测量功率放大器输出侧的非线性度,并通过先进的信号处理技术在功率放大器输入侧提供互补的非线性度,再将一个与功率放大器具有相反特性的数字预失真器级联在功率放大器之前。在获得上述数字预失真器时,需要对功率放大器的非线性特性进行建模。

3、相关技术中,可基于神经网络对功率放大器的失真进行数学建模,得到预失真模型,例如,利用递归神经网络或长短期记忆网络等预失真模型学习信号的非线本文档来自技高网...

【技术保护点】

1.一种预失真模型训练方法,其特征在于,所述预失真模型训练方法包括以下步骤:

2.如权利要求1所述的方法,其特征在于,所述提取所述输出信号的信号特征的步骤,包括:

3.如权利要求1所述的方法,其特征在于,所述提取所述输出信号的信号特征的步骤之后,所述方法还包括:

4.如权利要求3所述的方法,其特征在于,所述获取所述输出信号对应的掩码向量特征的步骤之前,所述方法还包括:

5.如权利要求1至4任一项所述的方法,其特征在于,所述基于所述信号特征与所述输入信号对所述预失真模型进行训练,得到训练完成的所述预失真模型的步骤,包括:</p>

6.一种...

【技术特征摘要】

1.一种预失真模型训练方法,其特征在于,所述预失真模型训练方法包括以下步骤:

2.如权利要求1所述的方法,其特征在于,所述提取所述输出信号的信号特征的步骤,包括:

3.如权利要求1所述的方法,其特征在于,所述提取所述输出信号的信号特征的步骤之后,所述方法还包括:

4.如权利要求3所述的方法,其特征在于,所述获取所述输出信号对应的掩码向量特征的步骤之前,所述方法还包括:

5.如权利要求1至4任一项所述的方法,其特征在于,所述基于所述信号特征与所述输入信号对所述预失真模型进行训练,得到训练完成的所述预失真模型的步骤,包括:

6.一种数字预失真方法,其特征在于,所述数字预失真方...

【专利技术属性】
技术研发人员:王国鹏孙庆周伟杰高源李世博乔宝民鞠震宇井祥杰黄宇骁陈功
申请(专利权)人:中国移动紫金江苏创新研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1