[發(fā)明專利]基于FFT與BP神經(jīng)網(wǎng)絡模型的功率放大器頻域行為建模方法

有效

• 申請?zhí)枺?/td>: 201910323392.8
• 申請日: 2019-04-22
• 公開（公告）號: CN110188382B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設計）人: 邵杰;趙一鶴;周凡
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/367
• 分類號: G06F30/367;G06N3/0499;G06N3/084
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 秦秋星

本發(fā)明的目的在于提供一種基于快速傅立葉變換(FFT)與反向傳播(BP)神經(jīng)網(wǎng)絡的功率放大器頻域行為建模方法，從頻域的角度對功率放大器進行建模，有效地克服普通的功率放大器行為模型頻域精度不高的問題。本方法利用的反向傳播神經(jīng)網(wǎng)絡模型對于非線性數(shù)據(jù)具有良好的描述能力，且模型結構簡單，所需要的參數(shù)個數(shù)少，收斂速度快。本方法能夠很好地描述功率放大器的非線性特性和記憶效應，尤其是其頻域特性，具有較快的模型收斂速度和較高的精度。

技術領域

本發(fā)明涉及非線性系統(tǒng)建模與分析應用領域，尤其涉及一種基于FFT(FastFourier?Transformation，快速傅立葉變換)和BP(Backpropagation?algorithm，反向傳播神經(jīng)網(wǎng)絡)模型的功率放大器頻域行為建模與分析方法。

背景技術

功率放大器是發(fā)射機的重要模塊，是復雜的非線性系統(tǒng)。功率放大器為了追求更高的工作效率，其中的晶體管大多工作在飽和區(qū)甚至接近截止區(qū)，因此功率放大器經(jīng)常會產(chǎn)生嚴重的非線性失真，同時功率放大器受器件的等效電抗影響具有記憶效應。因此，對功率放大器進行建模時，要同時考慮模型的非線性與記憶效應。

功放建模按照方式的不同，可以分為物理和行為建模兩種。相比于在建模之前要求了解電路內(nèi)部結構和元器件特性的物理建模方法相比，行為建模的方式要簡單得多。行為建模就是將功放電路當成一個黑盒模型，只需要采集到其輸入和輸出數(shù)據(jù)，而不需要詳細地了解內(nèi)部的結構就可以建立起描述系統(tǒng)特性的模型。行為模型又可以按照所體現(xiàn)出的系統(tǒng)特性的不同，分為無記憶和有記憶模型兩種。其中，無記憶模型大多應用在建模窄帶信號這種系統(tǒng)記憶效應不強的場合，它結構簡單，易于實現(xiàn)，例如Saleh模型，無記憶多項式模型等。但是隨著系統(tǒng)帶寬的增加，功率放大器的記憶效應明顯，無記憶模型無法很好地描述系統(tǒng)的述記憶效應，所以現(xiàn)在大多采用有記憶功放模型。有記憶模型一般采用Volterra級數(shù)模型和神經(jīng)網(wǎng)絡模型等。Volterra級數(shù)是對泰勒級數(shù)的擴展，該模型適用于弱非線性系統(tǒng)，而且系統(tǒng)的參數(shù)會隨著階次和記憶深度的增加而迅速增加，故計算量和收斂性受到了影響。神經(jīng)網(wǎng)絡能夠逼近任意非線性的函數(shù)，并且具有靈活有效的自組織學習能力，因而被廣泛用于功率放大器系統(tǒng)的行為建模。但是一般的神經(jīng)網(wǎng)絡模型只能夠在一定程度上描述系統(tǒng)的時域特性，而無法很好地描述其頻域特性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種能很好描述功率放大器非線性特性和記憶效應的功率放大器行為建模方法。

本發(fā)明采用的技術方案為：一種基于快速傅立葉變換和反向傳播神經(jīng)網(wǎng)絡模型的功率放大器頻域行為建模方法，包括如下步驟：

步驟A：采集功率放大器的輸入信號數(shù)據(jù)向量x_in＝[x_in(1),x_in(2),…,x_in(N)]和輸出信號數(shù)據(jù)向量y_out＝[y_out(1),y_out(2),…,y_out(N)]，其中，N為數(shù)據(jù)長度。

步驟B：對采集到的輸入和輸出數(shù)據(jù)進行快速傅立葉變換：