[發明專利]一種基于神經網絡的數字預失真訓練數據篩選方法及裝置

在審

• 申請號: 202110779569.2
• 申請日: 2021-07-09
• 公開（公告）號: CN113468814A
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 李俊;鄒志輝
• 申請（專利權）人: 成都德芯數字科技股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/367;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 史翠

本申請公開了一種基于神經網絡的數字預失真訓練數據篩選方法，通過在對初始信號數據進行放大處理，得到處理后的信號數據后，在處理后的信號數據中采樣得到離散信號數據，保證其中至少包括第一預設數目幅度超出預設的第一閾值的高幅度離散數據，以這樣采樣得到的離散信號數據和離散信號數據經過目標功率放大器的反饋信號數據為預失真訓練數據，確保了對高幅度數據的覆蓋率，有效提高了訓練后得到的預失真訓練器對失真最嚴重的高幅度部分的信號數據的學習效果，從而獲得更好的預失真效果。本申請還公開了一種基于神經網絡的數字預失真訓練數據篩選裝置、設備及計算機可讀存儲介質，具有上述有益效果。

技術領域

本申請涉及自適應數字預失真技術領域，特別是涉及一種基于神經網絡的數字預失真訓練數據篩選方法、裝置、設備及計算機可讀存儲介質。

背景技術

隨著現代無線通信技術的快速發展，頻譜資源日趨緊張，各種高頻譜利用率的調制技術和多載波數字傳輸技術等被廣泛采用。然而高效數字調制方式產生的非恒定包絡信號都具有較高的峰均比，經功放放大后易產生帶內失真和帶外頻譜擴展，嚴重影響了通信系統性能。自適應數字預失真技術由此而生。在各種正交頻分復用(Orthogonal FrequencyDivision Multiplexing，OFDM)通信系統中，功率放大器(power amplifier，PA，簡稱功放)具有非線性效應，建立非線性功放模型并應用于預失真技術來提高功放的線性度，對實際應用意義重大。圖1為預失真器與功放的連接示意圖；圖2為預失真技術的基本原理圖。如圖1所示，預失真技術就是利用數字信號處理技術來補償無線通信系統中由功放引起的信號失真，其基本原理是在信號經過功放之前，先用一個稱之為預失真器的模塊對其進行預處理，由于預失真器有著和功放相反的特性，信號經過預失真器后再通過功放，最后輸出的信號是線性放大的。在各種預失真器模型中，神經網絡模型以其自適應和逆控制等優勢，近年來被應用于功放的預失真器設計。

基于神經網絡的數字預失真訓練中關鍵的一環是獲取合適的樣本數據。通常是自功放的實際應用環境中截取一段數據進行訓練，具體來說是通過觸發的方式截取一段包含高幅度數據的信號數據進行訓練，以盡可能提取到失真較大的信號數據，對該段數據進行神經網絡訓練，可以對功放的非線性特性進行估計和擬合，得到與之匹配的補償神經網絡參數，也即預失真神經網絡參數。

然而，目前的常規數據提取方法雖然提取到了高幅度的信號數據，但由于正交頻分復用信號高峰均比的特性，提取出來的數據幅度分布有其固有分布特點，通常為中間幅度的信號數據所占比例較大，幅度較低部分的信號數據和高幅度部分的信號數據所占比例均很小。以這樣分布的信號數據進行訓練，會造成中間幅度部分信號數據的計算權重過大，匹配度較好，高幅度部分信號數據由于比例過小，在計算中所占的權重過低，因此最終此部分信號數據的匹配度并不好。但根據功放的非線性效應，往往高幅度部分的信號數據才是失真最嚴重的。這導致現有的基于神經網絡的數字預失真訓練得到的預失真器無法提供良好的預失真效果。

發明內容

本申請的目的是提供一種基于神經網絡的數字預失真訓練數據篩選方法、裝置、設備及計算機可讀存儲介質，用于提高基于神經網絡的數字預失真訓練的訓練效果，以使得到的預失真器具有更好的預失真效果。

為解決上述技術問題，本申請提供一種基于神經網絡的數字預失真訓練數據篩選方法，包括：

獲取初始信號數據；

對所述初始信號數據進行信號放大處理，得到處理后的信號數據；

在所述處理后的信號數據中采樣得到離散信號數據；

以所述離散信號數據和所述離散信號數據經過目標功率放大器的反饋信號數據為預失真訓練數據；

其中，所述離散信號數據中至少包括第一預設數目幅度超出預設的第一閾值的高幅度離散數據。

可選的，對所述初始信號數據進行信號放大處理，得到處理后的信號數據，具體為：