论文研究-基于神经网络的射频功放行为模型研究.pdf

所需积分/C币:16 2019-07-22 19:17:00 543KB .PDF
12
收藏 收藏
举报

为了设计和优化高线性功率放大器,在系统级仿真中,构建功率放大器精确的行为模型是极为重要的。在ADS中基于飞思卡尔半导体芯片MRF5P21180进行功放电路设计,运用BP和RBF以及在这两种网络的基础上所提出的级联模型BP-RBF对从设计的功放中提取出的电压数据进行MATLAB拟合仿真,通过电压均方根误差(RMSE)大小的比较进行模型精确性的验证、训练次数多少及收敛时间长短进行模型训练速度的对比,最终得出BP-RBF较其他两种模型有更好的拟合功能,对于射频功放行为模型的研究具有重要的参考价值。
第3期 任建伟,等:基于神经网络的射频功放行为模型研究 ·847 BP模型的拟合仿真 各项具体仿真数据如表1所示。显然该误差能保持在一个很 本文建立BP模型时输入层选择三个节点,输出层一个节小的数值范围内;收敛时间能维持在一个短的时间内。 点,隐含层五个节点,隐含层传递函数选择 tansig函数,输出层 表1三种模型电压幅度的 MATLAB仿真结果 传递函数选择pin函数。一般神经网络用于功放建模时 lEis RBE BP-RBE 需先进行训练,训练后的稳定网络再进一步进行数据测试进而 0.0022 0.00I 得到期望的输出。其中测试和训练的数据分别是功放电路 onvergence lie/s 0.94 1.96 1.19 400组电压值的奇数组和偶数组。用BP模型对电压幅度的拟 合仿真结果如图6所示。 4结束语 +为真实值,o为预测值,*为误差 ag(Fund_in)" 功率放大器行为模型是用来模拟真实放大器的特性,它在 B/ loo Imag(Fund_out) 2魔大 通信子系统和功放线性化系统的仿真中起着重要作用。通过 对数据的拟合比较发现,由于 BP-RBF神经网络具有通用最优 20 逼近功能优秀的离散数据内插特性,以及计算量较小、训练速 10020406080100120140160180200 图5基于MRF5P21180功放图6基于BP模的F5P2118 度快的优点,使得 BP-RBF神经网络模型更适用于功放行为模 电路的输入/输出电压 电压幅度拟合 型的建立,使模型性能更优、精确度更高、训练速度更快。进而 由仿真图可知,功放的实际电压输出与所建模型的输出应用于功放线性化系统,能达到提高⊥作效率、缩短开发周期、 基本相符,误差较小能平均稳定在0.0022。 改善通信质量的目的 3.2基于RBF模型的拟合仿真 参考文献 在建立RBF网络时使用 newrbe和newb来建立网络,当 1]宋汉斌,陈晩光.基于 Doherty技术的IF高效率大功率放大电路 的设计与分析[J].电路与糸统学报,2008,13(6):96-101 训练和测试的数据误差为零时,选择前者进行训练测试;当训「21张雷,周健义,赵嘉宁,等,一种射频功放记忆效应政善及模型简 练和測试的数据误差不为零时,选择后者训练测试。数据根据 化方法[J].傚波学报,2009,25(2):65-68 自身特点及其网络结构进行合适的调整。本文用于RBF模型3]丈渤,杨知行,港长勇,等,高功率放大器线性化技术研究[].微 的数据与BP模型所用数据一样,均用训练好的数据对网络性 波学报,2007,23(1):62-70 能进行预测,从而判断RBF模型拟合数据的效果。运用RBF [4] PEDRO J C, MASS S A. A comparative overview of microwave and wireless power-amplifier behaveioral modeling approaches J1. IEEE 模型进行电压嗝度拟合仿真结果如图7所示。 Trans on Microwave Theory and Techniques 53(4) 由图7可知,功放的实际电压输出与所建模型的输出误差 1150-1163 稍大些,整体上稳定在0.0070左右。 [5]南敬昌.宽带功率放大器非线性、行为模型与数字预失真系统研 究[D].北京:北京邮电大学,20 3.3基于BP-RBF模型的拟合仿真 I6 ZHU An-ding, WREN M, BRAZIL T J. An efficient volterra-based BP-RBF模型中的BP和RBF具体参数按照3.1和3.2节 behavioral model for wideband RF power amplifiers C ]//Proc of 进行设置,用设置后的级联结构对同样的一组电压数据进行拟 IEEE MTTS International Microwave Symposium Digest. 2003: 78 790 合,结果如图8所示。 1 DING Lei, ZHOU G T. MORGAN DR, et al. A robust digital base 为真实值,o为预测值,*为误差+为真实值,o为预测值,*为误差 band predistorter constructed using memory polynomials J. IEEE Trans on Communications, 2004. 52(1): 159-165 [8] ZHU An-ding, BRAZIL TJ. Behavioral modeling of RF power ampli- fiers based on pruned volterra series[ J]. IEEE Microwave Wireless Components Letters, 2004, 14(12): 563-565 I9 LIU Tai-jun, BOUMAIZA S, GHANNOUCHI F M. Dynamic beha 562046810010[016018o200 vioral modeling of 3G power amplifiers using real-valued timedelay 图?基于RBF的MF5P21180图8基于 BP-RBF模型伯F5P 的电压幅度拟合 neural networke[ J]. IEEE Trans on Microwave Theory and 21180电压幅度拟合 Techniques,2004,52(3):1025-1033 级联后的 BP-RBF模型不但克服了BP网络训练效率低101 ISAKSSON M, WISELL D, RONNOW D. Wid-eband dynamic m 的缺点,而且充分利用了RBF网络训练速度快和不会陷入局 deling of power amplifiers using radial-basis function neurl netw orks 部极小点的优点,使得整个 BP-RBF网络在仿真过程中既具有 [J. IEEE Trans on Microwave Theory and Techniques, 2005 BP模型精确的拟合性,又具有较快的学习速度。经过多次仿115 AKSSON M, WISELL D, RONNOW D. Nonlinear behavioral mod 真,如图8所示得出均方误差稳定在0.0011左右。 eling of power amplifiers using radialbasis function neural networks 3.4拟合仿真结果比较分析 I C//Proc of IEEE MTT-S International Symposium on Microwave Digest.2005:1967-1970 通过图6~8的对比可以得出训练后的BP-RBF模型在本[12]王志涛,李淑英,智勇.基于BP如RBF神经网络压气机特性由 文所介绍的三个模型中有最好的拟合效果,能更精确地模拟所 线拟合方法的研究「J.汽轮杌技术,2009,51(2):94-99. 建立的功放,BP模型优于RBF。文中主要是通过放大器实际 [13]孔范增,季仲梅,王建辉,等.基于BP神经网络的视频H.22 议标志符动态提取算法[J.计算机应用研究,2010,27(6) 输出与这三种神经刈络模型输出之问的误差均值大小进行评 2113-2115 价,以检验所建立模型的性能,其次通过三种模型对电压数据[14]于海雁基亍RBF神经网络的射频功放器件大信号建模方法研 的训练次数多少以及收敛时间的长短来衡量网络的训练速度 究「J.哈尔滨工业大学,2004,16(4):89-92

...展开详情
试读 3P 论文研究-基于神经网络的射频功放行为模型研究.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
weixin_39841848 你的留言是对我莫大的支持
2019-07-22
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

    成功上传501个资源即可获取
关注 私信
上传资源赚积分or赚钱
最新推荐
论文研究-基于神经网络的射频功放行为模型研究.pdf 16积分/C币 立即下载
1/3
论文研究-基于神经网络的射频功放行为模型研究.pdf第1页

试读结束, 可继续阅读

16积分/C币 立即下载 >