[發明專利]一種基于生成對抗神經網絡的功率放大器行為建模方法在審
| 申請號： | 201910620052.1 | 申請日： | 2019-07-10 |
| 公開（公告）號： | CN110472280A | 公開（公告）日： | 2019-11-19 |
| 發明（設計）人： | 馬伙財;王美林;劉太君;王楊帥;黃鈞 | 申請（專利權）人： | 廣東工業大學 |
| 主分類號： | G06F17/50 | 分類號： | G06F17/50;H03F3/20;G06N3/04 |
| 代理公司： | 44102 廣州粵高專利商標代理有限公司 | 代理人： | 林麗明<國際申請>=<國際公布>=<進入 |
| 地址： | 510006 廣東省*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 迭代 功率放大器 對抗 神經網絡模型 目標誤差 權值系數 神經網絡 損失函數 判別器 生成器 變化量更新 歸一化處理 權系數矩陣 生成器模塊 權值矩陣 生成數據 輸出信號 輸入判別 提取特征 行為建模 行為模型 優化算法 初始化 構建 采集 保存 返回 學習 | ||
1.一種基于生成對抗神經網絡的功率放大器行為建模方法，其特征在于：所述該方法包括如下步驟：
S1：采集功率放大器的輸入信號數據向量Xin＝[xin(1),xin(2),…,xin(N)]和輸出信號數據向量yout＝[yout(1),yout(2),…,yout(N)]，其中，N為數據長度；
S2：對輸入信號數據向量Xin和輸出信號數據向量yout進行歸一化處理：得到歸一化輸入信號數據向量和輸出信號數據向量
S3：構建生成對抗神經網絡模型，并初始化生成對抗神經網絡模型，其中生成對抗神經網路模型包括生成器、判別器；
S4：設置生成對抗神經網絡模型中的權系數矩陣、訓練最大迭代次數num_epochs、學習率η、誤差閾值；
S5：將輸入信號數據向量輸入生成器并生成數據yt，將數據yt和功率放大器的輸出數據向量輸入到判別器中提取特征信息；
S6：分別計算生成器模塊和判別器模塊的目標誤差損失函數；
S7：用Adam優化算法訓練生成對抗神經網絡；
S8：迭代次數加1，即t＝t+1；
S9：判斷是否滿足：目標誤差損失函數不大于誤差閥值或者迭代次數大于迭代次數num_epochs，
S10：若不滿足，則根據權值矩陣的變化量更新權值系數，返回步驟S5；
S11：若滿足，則停止迭代，保存權值系數，得到功率放大器行為模型。
2.根據權利要求1所述的基于生成對抗神經網絡的功率放大器行為建模方法，其特征在于：步驟S2，所述歸一化的計算公式如下：
式中，i＝1,2,3…,N；max(·)表示求向量中最大值的運算。
3.根據權利要求1所述的基于生成對抗神經網絡的功率放大器行為建模方法，其特征在于：所述生成器包括第一輸入層、循環神經隱含層、全連接隱含層、第一輸出層；所述判別器包括第二輸入層、三個卷積層、兩個全連接層、第二輸出層。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東工業大學，未經廣東工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910620052.1/1.html，轉載請聲明來源鉆瓜專利網。
