基于直接学习网络的数字中频预失真系统及方法.pdf
觅松****哥哥
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于直接学习网络的数字中频预失真系统及方法.pdf
一种基于直接学习网络的数字中频预失真系统及方法,包括:数字中频预失真网络单元、分别与之相连的射频发射机、发射机网络参数提取单元和端到端网络构建及预失真网络参数提取单元以及分别与射频发射机输出端和发射机网络参数提取单元输入端相连的反馈链路单元,本发明利用模拟预失真中的优化思路,引入非线性神经网络结构并利用共享网络参数的方式降低算法复杂度,通过联合优化均方误差和互调干扰指标设计更适合数字中频信号的预失真技术,使得数字中频预失真模块达到更好的性能。
基于基带-射频联合优化的数字预失真方法及系统.pdf
一种基于基带‑射频联合优化的数字预失真方法及系统,通过采集真实射频功率放大器的收发信号数据集用于对功率放大模型进行训练获取模型系数矢量,采集基带激励信号数据集输入数字预失真模型后经上变频处理后再输入功率放大模型,得到相应的射频输出信号及其功率频谱图;再将射频输出信号进行下变频与线性滤波得到基带恢复信号后通过后失真器模型得到反馈信号,用于计算激励与反馈之间的误差以及MSE,根据数字预失真模型、功率放大模型的模型系数矢量以及上下变频相关参数计算出非线性互调失真的决定因子数学表达式;最后根据基于基带‑射频特性的
一种功率自适应神经网络数字预失真系统及方法.pdf
本发明公开了一种功率自适应神经网络数字预失真系统及方法,包括:功率自适应神经网络预失真器模块、不同功率共同行为特征提取模块和特定功率行为特征提取模块;其中,功率自适应神经网络预失真器模块利用输入信号、共同行为特征系数矩阵和特定功率行为特征系数矩阵计算出预失真后输出信号;不同功率共同行为特征提取模块使用离线神经网络模型提取不同输入信号功率条件下的共同行为特征系数矩阵;特定功率行为特征提取模块使用最小二乘法提取当前输入信号功率条件下的特定功率行为特征系数矩阵。本发明大大减少了在线更新预失真神经网络模型系数的数
一种基于神经网络的MIMO系统数字预失真补偿方法、装置、设备和存储介质.pdf
本发明公开了一种基于神经网络的MIMO系统数字预失真补偿方法、装置、设备和存储介质。涉及无线通信技术领域,以解决目前的MIMO预失真模型适用范围较小、辨识精度不够、复杂度过高的问题。本发明方法包括:将MIMO系统中的非线性串扰效应建模为双分支信道非线性串扰模型;将CNN网络结构与BiLSTM以及注意力机制相结合,构建了一个基于Attention机制的CNN‑BiLSTM混合模型,将经过放大器的非线性信号输入到算法模型中;针对MIMO系统,在其反馈链路上采用基于注意力机制的CNN‑BiLSTM预失真算法进
一种基于迭代学习控制和主曲线分析的数字预失真系统工作方法.pdf
一种基于主曲线分析和迭代学习控制的数字预失真系统工作方法,主要涉及功率放大器线性化中的数字预失真技术、宽带功率放大器的行为建模、主曲线分析和迭代学习控制。本发明针对GMP模型内核冗余项过多导致建模精度不够高的问题,提出了一种将主曲线分析与GMP模型结合的建模方法,对于F类功放所提功放建模结构比目前流行的TSVR与GMP算法模型拟合效果均提高约2dB。对于非线性更强的Doherty类功放,基于主曲线分析模型比TSVR的建模准确度提升约4dB,比GMP模型提升则约6dB。本发明所构建预失真结构后输出信号的AC