记忆功放的BP神经网络分离预失真方法

doi:10.3969/j.issn.1001-2400.2010.03.032

J4 ›› 2010, Vol. 37 ›› Issue (3): 565-569.doi: 10.3969/j.issn.1001-2400.2010.03.032

记忆功放的BP神经网络分离预失真方法

崔华^1,2;赵祥模¹;艾渤³

(1. 长安大学信息工程学院，陕西西安 710064;
2. 陕西省道路交通检测与装备工程技术研究中心，陕西西安 710064;
3. 北京交通大学轨道交通控制与安全国家重点实验室，北京 100044)

收稿日期:2009-04-20 出版日期:2010-06-20 发布日期:2010-07-23
作者简介:崔华(1976-)，女，讲师，博士，E-mail: cuihua7276@yahoo.com.cn．
基金资助:
国家自然科学基金资助项目(60901004);教育部博士点基金资助项目(20090009120037);陕西省自然科学基金资助项目(2009JQ8004);中央高校基础研究专项基金资助项目(CHD2009JC098);长安大学基础研究支持计划专项基金资助项目;陕西省道路交通检测与装备工程技术研究中心资助项目

Separate BPNN-predistortion method for nonlinear HPA with memory

CUI Hua^1,2;ZHAO Xiang-mo¹;AI Bo³

(1. School of Information Eng., Chang'an Univ., Xi'an 710064， China;
2. Shaanxi Eng. and Tech. Research Center for Road and Traffic Detection, Xi'an 710064， China;
3. National Key Lab. of Control and Safety of Railway Traflic, Beijing Jiaotong Univ., Beijing 100044， China)

Received:2009-04-20 Online:2010-06-20 Published:2010-07-23

摘要/Abstract

摘要：

针对OFDM无线通信系统中的记忆非线性功率放大器预失真困难以及预失真精度不高的问题，充分考虑了记忆非线性功率放大器的失真特性及其结构特点，提出了神经网络分离预失真方法，并给出了该方法的原理、实现结构和自适应算法．该方法把记忆非线性功率放大器的预失真分为3个模块来实施，即抵消记忆效应模块、AM/AM失真矫正模块和AM/PM失真矫正模块，并基于神经网络预失真器非直接学习结构，利用Levenberg-Marquardt BP算法确定各个神经网络预失真器．仿真结果表明该方法可降低邻信道互调功率约30dB．

关键词: 神经网络, 记忆非线性, 功率放大器, 预失真

Abstract:

To circumvent the predistortion limitation for nonlinear high power amplifiers with memory (NHPAM) in OFDM communication systems, a separate BPNN (back propagation neural network) predistortion method with its structure and algorithm and their principles is proposed by considering the distortion characteristics and structure features of NHPAM. This method separates the whole predistortion for NHPAM into memory, AM/AM and AM/PM predistortion subsystems. Then the three NN predistorters are identified by the Levenberg-Marquardt BP algorithm based on the indirect training method. Simulation results show this proposed method can reduce ACEPR (Adjacent Channel Error Power Ratio) 30dB.

Key words: neural network, nonlinearity with memory, high power amplifiers, predistortion

崔华;赵祥模;艾渤. 记忆功放的BP神经网络分离预失真方法[J]. J4, 2010, 37(3): 565-569.

CUI Hua;ZHAO Xiang-mo;AI Bo. Separate BPNN-predistortion method for nonlinear HPA with memory[J]. J4, 2010, 37(3): 565-569.

[1]	曲家慧, 贺杰, 董文倩, 李云松, 张同振, 杨宇菲. 联合多尺度高低频信息融合的变化检测方法[J]. 西安电子科技大学学报, 2025, 52(1): 105-116.
[2]	孔繁锵, 余圣杰, 王坤, 方煦, 吕志杰. 卷积循环神经网络的高光谱图像解混方法[J]. 西安电子科技大学学报, 2025, 52(1): 142-151.
[3]	陈宸, 成蓉, 宋彬. 端到端异构图信息协同过滤推荐[J]. 西安电子科技大学学报, 2025, 52(1): 163-180.
[4]	栗琳轲, 陈杰, 刘君. 神经网络差分区分器的改进方案与应用[J]. 西安电子科技大学学报, 2025, 52(1): 196-214.
[5]	王丹洋, 朴春莹, 刘奇, 关磊, 李赞. 射电天文台址干扰的CTS特征识别方法[J]. 西安电子科技大学学报, 2025, 52(1): 80-93.
[6]	汤书苑, 周一青, 李锦涛, 刘畅, 石晶林. 基于特征校准的双注意力遮挡行人检测器[J]. 西安电子科技大学学报, 2024, 51(6): 25-39.
[7]	蔡固顺, 刘锦辉, 张馨丹, 黄钊, 王泉. 基于PINN的非线性电路直流工作点求解方法[J]. 西安电子科技大学学报, 2024, 51(6): 91-103.
[8]	陈可嘉, 张雨鹏, 林鸿熙. 句法感知与知识增强的方面级情感分析[J]. 西安电子科技大学学报, 2024, 51(5): 165-178.
[9]	史家琪, 杨明磊, 连昊, 叶舟, 徐光辉. 基于自组织神经网络的EVD杂波抑制算法[J]. 西安电子科技大学学报, 2024, 51(5): 46-57.
[10]	王雨来, 廖晓闽, 何海光, 叶国军. 知识图谱辅助的无人机群频谱资源优化算法[J]. 西安电子科技大学学报, 2024, 51(5): 58-70.
[11]	李小涵, 杨颜博, 张嘉伟, 李宝山, 马建峰. 面向以太坊智能合约的图神经网络漏洞检测[J]. 西安电子科技大学学报, 2024, 51(4): 139-150.
[12]	万鹏武, 惠茜, 陈东瑞, 吴波. 基于二维异步同相正交直方图的调制方式识别[J]. 西安电子科技大学学报, 2024, 51(4): 78-90.
[13]	衡红军, 喻龙威. 基于多尺度特征信息融合的时间序列异常检测[J]. 西安电子科技大学学报, 2024, 51(3): 203-214.
[14]	龚峻扬, 付卫红, 方厚章. SAR图像舰船目标检测的轻量化和特征增强研究[J]. 西安电子科技大学学报, 2024, 51(2): 96-106.
[15]	钟浩, 边山, 王春桃. 结合自注意力与卷积的真实场景图像篡改定位[J]. 西安电子科技大学学报, 2024, 51(1): 135-146.

记忆功放的BP神经网络分离预失真方法

Separate BPNN-predistortion method for nonlinear HPA with memory

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0