非线性射频功率放大器行为模型的分析与比较

为了设计和优化高线性功率放大器和通信子系统,系统级仿真中,构建功率放大器精确的行为模型是必要的.这篇文章阐述了功率放大器行为模犁的概念与类犁,详细给出了各种行为模型的算法,分析和比较了这些行为模型的适用情况和性能,同时提出了两种改进模型.通过分析和比较得出:当指定输入信号的类型、带宽和工作频率时,根据模型性能及其复杂度,能够选择一种合适的行为模型来表示功率放大器的特性;最后给出了射频功率放人器行为模型选择的原则.     

一种K波段小型化MIMO天线设计北大核心CSCD

针对K波段微带天线具有体积小、方向性好等优势,设计了一款小型化多输入多输出(Multiple-Input Multiple-Output,MIMO)天线。通过对辐射贴片切角、接地板刻蚀缺陷地结构,保证天线小型化的同时拓宽带宽;通过在接地板加载多开口槽矩形寄生单元,降低中低频处耦合,刻蚀互补开口谐振环(Complementary Split-Ring Resonator,CSRR),在固定频点处产生谐振,隔离度有效提高。利用三维电磁仿真软件和矢量网络分析仪分别对该天线进行仿真与实测,结果表明:天线整体尺寸极小,仅为15 mm×24 mm×0.8 mm,天线在17~27.2 GHz(相对带宽达到46.2%)工作频段内S_(11)≤-10 dB,S_(21)≤-18.3 dB,包络相关系数ECC小于0.001。天线特性良好,可广泛应用于无线通信、射频识别及民用雷达等领域。     

一种小型化的高隔离度UWB-MIMO天线

提出了一种紧凑、高性能、形状新颖的具有高隔离度的超宽带多输入多输出(ultra-wideband multiple-input multiple-output, UWB-MIMO)天线.天线由两个圆形辐射元件组成,享有共同的类F形接地平面,尺寸为30 mm×18 mm.在天线的接地平面中引入类F形短截线,在MIMO天线元件之间产生高度隔离.所设计的UWB-MIMO天线具有极低耦合(S₂₁<-22 dB)、低包络相关系数(ECC<0.003)、高分集增益(DG>9.98 dB),适用于便携式通信设备.     

改进的动态记忆多项式功放模型及预失真应用

针对无线通信系统中射频功放的强非线性、强记忆效应特征,提出一种改进的多支路组合模型——改进的动态记忆多项式(G-DMP)模型。该模型以动态记忆多项式模型为基础,引入记忆时刻输入信号包络对当前输入信号的影响项和当前输入信号包络对记忆时刻输入信号的影响项,更灵活地对功放强记忆效应建模。同时采用改进的RLS_LMS联合算法对G-DMP模型进行自适应预失真系统仿真。结果表明:G-DMP模型比DMP模型精度优于0.5dB时,系数减少14.29%,邻信道功率比(ACPR)改善了4dB,由此可知,G-DMP模型能获得更好的建模精度和线性化效果。     

L波段小信号放大器ADS设计与仿真

对小信号晶体管放大器的设计步骤、设计理论进行了阐述,利用ADS软件通过实例详细地设计了L波段小信号放大器,并给出了仿真结果.仿真结果表明,放大器匹配电路设计完全满足性能指标要求.本文提出的利用ADS软件对L波段的LNA和小信号功率放大器的设计方法可以加速放大器产品化进程,具有重要的实用价值.这种放大器主要应用于微波中继、数字音频卫星直播、全球定位系统等无线系统中.     

基于后退式索引二进制树形搜索的RFID防碰撞算法

在分析目前针对标签防碰撞问题采用的防碰撞算法优缺点的基础上,利用后退式索引二进制树形搜索算法的基本原理,设计了一种RFID标签防碰撞算法.该算法充分利用碰撞节点的信息,采取调整策略,能有效减少数据的传送量,快速高效地识别RFID标签.对该算法进行了仿真分析,结果表明,该算法的执行效率达到50％以上.     

基于IALO-HBP神经网络的超宽带滤波器逆向建模方法

针对双陷波超宽带滤波器使用后向传输（BP）神经网络逆向建模存在精度较低、收敛慢、稳定性不强等问题,提出一种用改进的蚁狮算法（IALO）结合Huber函数优化BP神经网络逆向建模的方法。该方法通过将边界收缩因子连续化,引入动态更新系数以及加入柯西变异来实现对蚁狮算法的改进,并用改进的蚁狮算法优化正向模型的权值,加快建模速度,然后使用Huber函数作为神经网络的评价函数,提高了模型的精度和稳定度。将此方法用于双陷波超宽带滤波器中,实验结果表明,对比BP逆向建模方法,此方法求得的长度、宽度和频率均方误差分别减小了97.44%、99.43%和96.15%,平均运行时间缩短了66.01%,解决了逆向建模的多解问题,提高了设计滤波器的速度和精度。     

稀疏的归一化功放模型及预失真应用*

针对射频功放的非线性特性进行了研究,提出一种新的稀疏化的Volterra级数模型。该模型基于压缩感知算法,将稀疏系统的辨识等效为信号的重构问题,利用正则正交匹配（ROMP）算法对核系数进行稀疏化并选择出活跃的核系数。将提出的模型与记忆多项式（MP）模型、通用记忆多项式（GMP）模型进行比较,较MP模型的建模精度提升10.7dB,模型系数减少25%,较GMP模型的建模精度提升3.9dB,但模型系数减少84.58%。仿真结果表明：提出的方法实现良好的预失真线性化性能,极大地降低模型系数,优于传统的功放行为模型。由此验证对功放的线性化技术发展具有参考价值。     

Doherty功放的贝叶斯正则化神经网络逆向建模研究

针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L1/2范数的贝叶斯正则化神经网络逆向建模方法,L1/2正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网络的输出更加平滑,提高网络的稳定性和泛化能力。将此方法应用到Doherty功率放大器的设计中,在已知Doherty主功放效率、输出匹配端的S11和S21的情况下,分别仿真得出相对应的输出功率和f,可以简化设计过程。实验结果表明,此逆向模型求得的输出功率、与S11相对的f、与S21相对的f比直接逆向建模方法的均方误差分别减少了8.83%、9.30%和9.00%,运行时间分别减少了99.34%、99.40%和99.23%,解决了设计中的多解问题,可用于设计射频微波器件。     

改进并行粒子群算法优化RBF神经网络建模

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法（Improved Parallel Particle Swarm Optimization,IPPSO）。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。