[發明專利]一種基于支持向量機的功率放大器行為模型的建模方法

在審

• 申請號: 201811404799.5
• 申請日: 2018-11-23
• 公開（公告）號: CN110008487A
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 蔡佳林;李嵬
• 申請（專利權）人: 杭州電子科技大學;中國電子科技集團公司信息科學研究院
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N20/10
• 代理公司: 杭州天昊專利代理事務所(特殊普通合伙) 33283
• 代理人: 董世博

本發明公開了一種基于支持向量機的功率放大器行為模型的建模方法，在非線性狀態下寬帶調制信號的時域輸入輸出特性數據進行采集，然后根據采集的數據，基于支持向量機算法，使用拉格朗日乘數法，以及網格搜索優化算法，求得模型的優化系數，最后得到最優行為模型；突破了現有功放建模技術，能解決現有強非線性、強記憶效應功放模型預測精度低的問題，開發所得功放行為模型具有很好的可行性和準確性。

技術領域

本發明涉及功率放大器建模領域，更具體的說，它涉及一種基于支持向量機的功率放大器行為模型的建模方法。

背景技術

射頻功率放大器是無線通信系統中的關鍵部分，其作用是將已調制的寬帶信號放大到所需要的功率值。當輸入信號幅度較小時，射頻功率放大器的輸入輸出信號間通常呈現良好的線性關系。但在實際應用中，為了提高功率效率，放大器往往需要工作在飽和點附近，此時放大器表現出顯著的非線性。為了準確的分析放大器非線性對通信系統造成的影響，為后續設計提供高效的線性化方案，首先必須建立精確的放大器模型。近年來一些新的功放類型的出現，如F類，逆F類等，使功放工作在更強的非線性區域，這給功放模型的精確開發帶來了新的問題和新挑戰。尤其是多管復合功率放大器，如Doherty功放等，非線性及記憶效應將更加強大，傳統基于多項式等函數的建模方法已經遇到瓶頸，急需新方法來提高建模的精度及建模效率。基于神經網絡方法的模型能逼近任意連續的非線性函數，是建立功率放大器模型的有力工具。但神經網絡存在結構難以確定，收斂速度慢等缺陷，很大程度上制約了建模效果。可見，現有的模型在表征強非線性及記憶效應的功率放大器特性時都有各自的局限性。

因此如果要精確描述功放在寬帶信號激勵時的各種特性，急需一個更加高效精準的建模方法。

發明內容

本發明克服了現有技術的不足，提出一種基于支持向量機的功率放大器行為模型的建模方法，解決現有的功放行為模型對強非線性功放建模精度低的問題，建立能精確預測強非線性功放行為的模型。

本發明的技術方案如下：

一種基于支持向量機的功率放大器行為模型的建模方法，具體包括如下步驟：

101)擬合函數步驟：在寬帶信號激勵下，實際測量得基于支持向量機的功率放大器的輸入波與反射波樣本，輸入波與反射波樣本的集合為n代表樣本總數量，i代表樣本序號，其中x_i∈R^d，y_i∈R，R代表實數集，d代表實數集的維度，以擬合得到輸入波與反射波樣本的線性函數如下：

f(x)＝w^Tx+b 公式(1)

其中w為權系數，b為閾值，x為輸入波，y為反射波樣本，y＝f(x)，T為時間；

102)精度限制步驟：步驟101)中線性函數設置在精度ε下進行無誤差擬合得到如下公式：

其中優化目標最小化為||w||，并引入松弛因子ξ^±，用于允許擬合的誤差，具體公式如下：

其中，C為常數，表示對超出允許誤差的樣本的懲罰程度；

103)引入拉格朗日步驟：引入拉格朗日乘子，其中拉格朗日函數L如下：

其中，η^±和α^±為非負的拉格朗日乘子，對應于上述公式有解，則令對w，b,ξ^±的偏導為零，得到如下公式：

將公式(6)帶入公式(5)中，可得對偶形式公式如下：