一种功率放大器的模拟方法及功率放大器模拟装置制造方法及图纸

本发明专利技术公开了一种功率放大器的模拟方法。该方法利用一种改进的BP神经网络进行功率放大器的模拟，改进的BP神经网络采用Levenberg-Marquardt(LM)学习算法和加入动量因子的训练算法更新模型的权值和阈值，有效加快了模型的建立速度，并能够防止模型陷入局部最小值。本发明专利技术还公开了一种功率放大器模拟装置，采用改进的BP神经网络；并进一步利用本发明专利技术的功率放大器模拟装置构建并行结构的功率放大器模拟器，使模拟与训练互不干扰，提高了功率放大器模拟器的工作效率。相比现有技术，本发明专利技术具有更快的训练收敛速度，实时性更好。

【技术实现步骤摘要】

本专利技术涉及一种功率放大器的模拟方法及功率放大器模拟装置，利用计算机模拟实际功率放大器的输入输出关系。
技术介绍
随 着无线通信技术的迅速发展，迫切需求无线移动通信容量和速率的提高，如此对功率放大器(PA, Power Amplifier)的线性度提出了更高的要求。例如，当前PA线性化技术的主流技术之一的预失真技术，其主要原理是通过在PA之前引入一个与PA特性相反的模块——预失真器(PD，Predistorter)，使得整个系统(H)十PA)的输入和输出呈线性关系，从而实现了对PA的线性化。对功率放大器的非线性和记忆性的预测程度决定了预失真器的性能优劣，因此如何建立精确的功率放大器模型具有重大的研究意义。在描述非线性元件的行为模型时，非线性元件通常被视为一个完全由外部响应描述的“黑盒子”，BP神经网络具有逼近任意分线性函数的特性，并被许多研究者运用以描述功率放大器输入和输出的关系。但是传统的神经网络算法采用梯度下降的训练方法，使得建模过程收敛速度缓慢，并容易收敛于局部最小值，因此限制了其实际中的应用。
技术实现思路
本专利技术所要解决的技术问题在于克服现有基于BP神经网络的功率放大器本文档来自技高网...

【技术保护点】
一种功率放大器的模拟方法，其特征在于，利用改进的BP神经网络模拟实际功率放大器，先以实际功率放大器的输入、输出作为训练样本对改进的BP神经网络进行训练，训练好的改进的BP神经网络即可实现功率放大器的模拟；所述改进的BP神经网络的隐含层的输出函数为：其中，，表示第t次迭代时第i个输入层神经元的输入数据，n表示输入层神经元个数，表示第i个输入节点到第j个隐含层神经元的权值，表示第次迭代时隐含层第个神经元的阈值；所述改进的BP神经网络的输出层的传输函数为线性函数：其中，，表示第次迭代时输出层第个神经元的阈值；误差的计算公式如下：其中，表示实际测量的输出，表示迭代次数；权值和阈值的更新模型如下：表示第...

【技术特征摘要】

【专利技术属性】
技术研发人员：王成华，陈庆霆，刘冰，朱德伟，龚琳，谢中山，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：