[發明專利]一種基于廣義多項式和神經網絡的非線性預失真方法

有效

• 申請號: 202110784659.0
• 申請日: 2021-07-12
• 公開（公告）號: CN113411056B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 杜林松;劉穎;唐友喜
• 申請（專利權）人: 電子科技大學
• 主分類號: H03F1/32
• 分類號: H03F1/32;G06N3/04
• 代理公司: 成都巾幗知識產權代理有限公司 51260
• 代理人: 邢偉

1.一種基于廣義多項式和神經網絡的非線性預失真方法，其特征在于：包括以下步驟：

S1.構建基于廣義多項式的預失真神經網絡；

S2.在第n時隙，將源輸入信號x(n)輸入預失真神經網絡，然后預失真神經網絡的輸出預失真信號z(n)；

S3.將預失真信號z(n)作為功放輸入信號傳輸給功放，由功放進行處理后得到輸出信號y(n)；

所述步驟S1包括：

S101.構建預失真神經網絡的輸入層；

S102.構建預失真神經網絡的隱藏層；

S103.構建預失真神經網絡的輸出層；

所述步驟S101包括：

將輸入層設計為廣義多項式輸入，輸入信號是復數，不能直接使用神經網絡，因此要將其分成實部和虛部，都是廣義多項式模型，設神經網絡的廣義多項式輸入在第n時隙為向量x(n)，具體形式為：

其中

其中，是指取實部，是指取虛部，向量x(n)的維度為：

O＝2(K_aM_a+K_bM_bQ_b+K_cM_cQ_c)。

2.根據權利要求1所述的一種基于廣義多項式和神經網絡的非線性預失真方法，其特征在于：所述步驟S102包括：

設定網絡隱藏層數為1，每層網絡節點數為J，隱藏層中第j個節點和輸入直接的連接為：

其中是第j個節點和廣義多項式輸入層的連接權重值，而b_j是第j個節點偏置量，合成一個偏置向量b，然后，第j個節點的輸出為：

σ_j(n)＝f_j(N_j(n)) (9)

其中f_j(·)是第j個節點的激活函數。

3.根據權利要求2所述的一種基于廣義多項式和神經網絡的非線性預失真方法，其特征在于：所述步驟S103包括：

由于非線性預失真的輸出是復數，因此預失真神經網絡輸出節點也分為兩個部分，分別表示非線性預失真的I路和Q路，輸出理想值：

其中z(n)通過迭代學習控制法得到，其步驟為：

A1：設定z_k(n)為第k次迭代的輸出，設定迭代次數為K；

A2：初始化z₁(n)＝x(n)；

A3：從k＝1到K，進行如下操作：

A31：將z_k(n)輸入一個真實功放器；

A32：得到真實功放對應的輸出y_k(n)；

A33：更新

A4：循環結束，輸出z(n)＝z_K(n)；

其中，G為功放增益；

而網絡輸出的真實值為：

所有權重值和合成一個權重向量w，為了得到權重向量和偏置向量，建立如下優化問題：

其中，是代價函數，且

其中優化問題(12)通過Levenberg-Marquardt算法來解決，從而得到權重向量和偏置向量的估計值和其算法如下：

設定w_k和b_k為第k次迭代的輸出值；

A1：隨機產生初始權重向量w₁和偏置向量b₁；

A2：如果||w_k-w_k-1||+||b_k-b_k-1||≤ε，則進入A2，否則進入A3；

A21：計算和

A22：更新權重向量和偏置向量w_k+1＝w_k+Δw_k和b_k+1＝b_k+Δb_k，回到A2；

A3：停止更新。