广义记忆型神经网络射频功放数字预失真器

提出了一种基于广义记忆型神经网络(GMNN)的数字预失真器非线性模型,以更好地抑制由于射频功放动态非线性导致的带内失真以及带外频谱扩展等问题。通过引入时间上的超前项,使得功放模型的记忆效应建模能力得以扩展,通过添加高阶非线性级数,使得功放非线性建模精度进一步提高。文中使用带宽为20 MHz 的4载波WCDMA 信号作为测试信号,对一个中心频率为460 MHz 的60W Doherty 射频功放进行数字预失真线性化实验。实验结果表明,广义记忆型神经网络数字预失真器的带外抑制可达19 dB,能更有效地抑制射频功放的带外频谱扩展,相比于其他几种预失真器展现出更好的线性化效果,验证了广义记忆型神经网络数字预失真器的有效性。     

基于改进型径向基函数神经网络的功放线性化

提出了一种基于改进型径向基函数神经网络(MRBFNN)的数字预失真线性化模型,用于更为精确地矫正宽带射频功率放大器的动态非线性。该神经网络模型的输入层使用传统的延时抽头以补偿功放的线性记忆效应,同时对每个抽头进行级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真。文中使用WCDMA 三载波信号对一个460MHz 的Doherty 功率放大器进行数字预失真线性化实验。实验结果表明,与传统数字预失真线性化模型相比,基于改进型径向基神经网络的数字预失真线性化模型能更好地抑制宽带功放动态非线性引起的带外频谱再生,其三阶互调(IMD3)失真最多可以抑制23dB,大大提高了功放的线性度,验证了所提出的数字预失真线性化模型的有效性。     

基于神经网络的数字预失真模型验证

功放的非线性会导致信号的失真和频谱再生，因此数字预失真被认为是解决功放非线性的一个方法，但是由于信号的带宽越来越宽，且系统越来越复杂，这些传统的预失真方法已经无法满足需要，因此神经网络开始被应用于数字预失真。本文对LSTM,GRU,BiGRU网络建立数字预失真平台，使用1.9GHz的功放对5G-NR信号进行实验。实验结果表明：LSTM,GRU,BiGRU这三个模型都可以应用于线性化，并且ACLR最高可达17dB,因此这三个模型均可用于功放的非线性改善。     

基于增强型LSTM神经网络的5G射频功放线性化

本文提出了一种基于增强型LSTM神经网络(A-LSTM)的数字预失真线性化模型,以更好的补偿5G宽带射频功放的动态非线性特性。模型的输入层在引入延迟抽头模拟功放线性记忆效应的基础上,对每一个延迟抽头进行非线性级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真导致的带内失真以及带外频谱扩展等问题。为验证模型的有效性,本文采用100MHz的5GNR信号作为测试信号,对一个中心频率为2.6GHz的5G射频功放进行数字预失真线性化实验。实验结果表明,基于增强型LSTM神经网络数字预失真器的带外抑制可达16dB,相比于其他几种预失真器展现出更好的线性化效果,验证了基于增强型LSTM神经网络数字预失真器的有效性。     

功放数字预失真技术现状及未来发展

功放是无线通信发射机的重要组成部分,随着无线通信的不断发展,对宽带线性功放的要求也越来越高。然而,功放的非线性特性和记忆效应会导致信号严重失真。为了减小带内失真和邻道干扰,数字预失真成为功放线性化技术中最有发展潜力的技术。介绍了功放模型,数字预失真的学习结构、数字预失真器参数的辨识算法等研究现状,探讨了数字预失真的发展趋势,为今后数字预失真技术的研究提供参考。     

基带预失真线性化技术在DAB系统中的应用

通过典型的功放无记忆模型分析了功放的非线性对DAB信号所造成的失真及基带预失真技术的作用机理。介绍一种基于该机理的硬件实现，通过在数字基带对信号进行预失真处理，补偿后端的射频功放所产生的非线性幅度失真和相位失真，从而有效地改善了DAB射频功放的线性度。     

一种基于记忆多项式射频功放的直接MP模型预失真方案

针对短波射频功放的非线性失真及记忆效应失真问题,提出了一种直接学习结构的MP模型预失真方案,采用Filtered-X LMS(NFXLMS)算法对建立的预失真模型进行训练辨识。仿真分析,针对MP模型高功率放大器,预失真后的三阶互调分量改善了52.2dB,五阶互调分量改善了48.85dB,与现有的IIR Wiener预失真器相比较,进一步提高了功放输出的线性度。同时,在DSP+FPGA平台上对MP模型预失真算法进行实测,结果表明,该预失真器能有效改善实际功放的非线性失真,具有较好的线性化效果。     

Wiener功率放大器的一种简化预失真方法

根据Hammerstein模型的一种最优两步辨识算法的思路,针对预失真技术的特点对Hammerstein模型进行了两次转换,建立了一种等效的但形式简单的记忆非线性预失真器模型——非线性抽头延时多项式模型,从而简化了Wiener功放的预失真。仿真结果表明,利用所提出的记忆预失真器模型能使用较少的参数,快速、简便地实现记忆放大器的预失真,而且具有满意的线性化性能。     

基于二次样条函数的功放数字预失真算法

功放的非线性特性极易产生频谱扩展,这种扩展会对临近信道产生干扰。现在基于样条的预失真算法几乎都使用的三次样条,也就是样条的多项式函数阶数最多只有三次。文章提出了一种新的基于二次样条的功放数字预失真算法。二次样条函数的平滑特性可以很好地逼近功放的非线性模型,有效克服功放非线性效应对频谱产生的影响。仿真和实现的结果表明,这种新的算法性能既优于传统的基于最小均方的数字预失真算法,也优于现在一般的三次样条预失真算法。     

用于5G RF PA 线性化的多频段通用数字预失真器

文中提出了一种基于独热编码与长短时期记忆 (LSTM) 神经网络的多频段通用数字预失真非线性 模型,它可以有效地对工作在多个频段的宽带射频功放进行线性化。在训练集中引入表示不同频率信号的不同独 热编码,训练后的神经网络非线性模型可以在不改变网络结构和模型参数的情况下对不同频段的功率放大器进行 预失真线性化。为了验证该方法的有效性,建立了两个分别工作于2. 6 GHz 和4. 9 GHz 的射频功放实验平台,在这 两个频段预失真非线性建模的归一化均方误差(NMSE)均可达到-40 dB,然后使用100 MHz 带宽5G NR 信号,分别 对这两个射频功放进行预失真线性化实验验证。实验结果表明,该多频段通用数字预失真器可以将这两个功放的 邻信道泄漏比(ACLR)在中心频率下偏100 MHz 处分别改善19. 42 dB 和17. 91 dB,在中心频率上偏100 MHz 处分 别改善15. 73 dB 和15. 17 dB,验证了所提非线性模型的有效性。     

电信运营商企业级数据模型设计与应用

首先从纯理论角度介绍了数据模型的概念模型、逻辑模型和物理模型;然后介绍了运营商的数据模型架构、企业级模型的定位和作用以及系统级模型的定位和作用;最后从用户需求、工程立项、开发设计及上线实施4个环节详细阐述了企业级模型的应用。     

LDMOSFET电热耦合解析模型

建立了包含电热耦合相互作用的大信号非线性射频LDMOSFET解析模型—Agereelectro-thermal transistor(AET)模型,包括:模型的拓扑图、等热和脉冲器件测试表征系统、模型参数的提取过程。在Agilent的电子设计工具软件ADS中植入和实现了该模型,并将其应用于实际射频功率放大器的设计,通过测量验证了该模型的正确。     

互联网流量与两个相关模型

由于互联网具有多构性、突发连续性和自相似性等特征,使得用传统模型进行的排队分析、性能估计与实际网络有较大差距。本文介绍了两种互联网流量模型:AR IMA模型,FAR IMA模型,讨论了它们的适用范围、模型数学定义,描述了参数定阶推导等相关问题。     

光因特网互联模型研究与演进

光因特网是能提供高带宽的下一代因特网,对其互联模型的研究是目前光因特网研究中的一个热点.文章分析了互联模型由重叠模型向对等模型演进的基本趋势,并在对比固有的3种互联模型--对等模型、重叠模型及增强模型的基础上,提出了一种新的演化模型--混合模型,这种模型能够支持对等模型与重叠模型的共存,文章对其实现的原理与机制进行了论述.     

面向密集城区网络的覆盖预测模型的应用研究

在目前密集城区CDMA无线网络日趋复杂的情况下,如何使覆盖预测与网络实际充分拟合,发挥射频仿真工具在网络优化中的作用,是一个十分值得探讨的课题。本文从密集城区的CDMA无线网络入手,分别选取了统计型模型的Okumura-Hata模型和确定性模型的3D射线跟踪模型进行研究,分析了两种模型在密集城区场景下的差异,最终在实践的基础上提出了面向密集城区的覆盖预测模型的选取方案。     

基于全局背景模型和辅助模型的说话人确认系统的研究

大多数说话人确认系统都设置一个背景模型用于描述假冒者的特性。文中提出一种新的说话人确认背景模型,对所有说话人采用同一全局背景模型（UBM）,并为每个说话人建立一个竞争者模型（cohort model）和一个疏远者模型（c-cohort model）。在全局背景模型不能做出准确判断的情况下,启用竞争者模型或疏远者模型再次进行判决。该模型充分利用了相近者模型和疏远者模型的特性。实验表明新的背景模型使系统性能有明显的提高。     

一个适用于数值计算的金属色散模型分析研究

金属色散模型对数值模拟金属光学特性起至关重 要的作用。本文简单分析常见色散模 型与复杂色散 模型之间的关系,并利用MATLAB非线性拟合方法对Au、Ag常见的色散模型进行了分析,给出 在 180～2000nm波段内拟合结果。结果表明,Deb ye模型不适用于金属材料,Lorentz模型适合描述长波段金 属介电特性,Drude模型在600～2000nm可以描 述金属介电特性,而简单明确的Drude-Lor entz模型在180～2000nm波段能很好的拟合金 属介电特性。所得结果利用Mie散射理论得到验证。     

高速电路设计与库模型应用的研究

通过对TSMC 0．18μm CMOS工艺库模型的分析，电路仿真结果比较以及实际限幅放大器电路流片测试结果的验证比较，提出在深亚微米工艺中，大信号高速电路的设计适宜选用混合信号管进行。     

基于概率主题模型的文档聚类

 为了实现普通文本语料库和数字图书语料库的有效聚类,分别提出基于传统LDA(Latent Dirichlet Allocation)模型和TC_LDA模型的聚类算法.TC_LDA模型在LDA模型基础上进行扩展,通过对图书文档的目录和正文信息联合进行主题建模.和传统方法不同,基于主题模型的聚类算法能将具备同一主题的文档聚为一类.实验结果表明从主题分析角度出发实现的聚类算法优于传统的聚类算法.     

一种提取 Statz MESFET 非线性电容模型参数的方法

文章提出一种Ｓｔａｔｚ ＧａＡｓ ＭＥＳＦＥＴ非线性电容模型参数的简单方法。它基于逐点拟合和综合拟合法,并以小信号模型数据分布在电容电压特性曲线的三个区为判据,判定提取的电容模型参数的正确性。计算表明,对偏置的电容Ｃｇｘ和Ｃｇｄ数据情况,提取Ｓｔａｔｚ非线性电容模型参数较适用。