基于改进型径向基函数网络的功放非线性建模  

Nonlinear modeling of power amplifier based on improved radial basis function networks

作　　者：李玲[1] 刘太君[1] 叶焱[1] 林文韬[1] 

机构地区：[1]宁波大学信息科学与工程学院,浙江宁波315211

出　　处：《计算机应用》2014年第10期2904-2907,共4页journal of Computer Applications

基　　金：国家自然科学基金资助项目(61171040);浙江省自然科学基金资助项目(Y1101270);浙江省教育厅科学研究基金资助项目(Y201224026);宁波市自然科学基金资助项目(2013A610123);安捷伦合作项目(HK2013000067)

摘　　要：针对功率放大器(PA)的非线性建模,提出了改进型径向基函数神经网络(RBFNN)模型。首先,在该模型的输入端加入延迟交叉项和输出反馈项,利用正交最小二乘法提取模型的权值以及隐含层的中心;然后,采用15MHz带宽的宽带码分多址(WCDMA)三载波信号对Doherty功放进行测试,其归一化均方误差(NMSE)可以达到-45dB;最后,通过逆F类功放对模型的普遍适用性进行验证。仿真结果表明,该模型能够更加真实地拟合功率放大器的特性。Aiming at the nonlinear modeling of Power Amplifier （PA）, an improved Radial Basis Function Neural Networks （RBFNN） model was proposed. Firstly, time-delay of cross terms and output feedback were added in the input. Parameters （ weigths and centers） of the proposed model were extracted using the Orthogonal Least Square （OLS） algorithm. Then Doherty PA was trained and validated successfully by 15 MHz three-carrier Wideband Code Division Multiple Access （WCDMA） signal, and the Normalized Mean Square Error （NMSE） can reach -45 dB. Finally, the inverse class F power amplifier was used to test the universality of the model. The simulation results show that the model can more truly fit characteristics of power amplifier.

关 键 词：功率放大器 正交最小二乘法 径向基函数网络 归-化均方误差 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]