TA的每日心情 | 奋斗 2024-7-1 22:21 |
|---|
签到天数: 2014 天 [LV.Master]伴坛终老
- 自我介绍
- 数学中国站长
 群组: 数学建模培训课堂1 群组: 数学中国美赛辅助报名 群组: Matlab讨论组 群组: 2013认证赛A题讨论群组 群组: 2013认证赛C题讨论群组 |
摘 要7 G. B+ Q+ S$ W# [1 a
针对问题一中求解输入输出信号之间的非线性功放特性函数问题, 采用了不同的多
9 L+ J1 h, d. r: Q5 S5 p; d1 n项式函数, 运用最小二乘法或正则化后的最小二乘法进行拟合求解. 并用参数NMSE 来1 q. d% X; o$ b% {. c
评价所建模型的准确度. 结果发现在逼近函数选为函数基的情况下, 采用正则化后的最
0 H2 R( H3 G3 b5 ]小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.
" r H6 i8 H9 ?# F# C: r同时考虑计算量和模型准确度, 在由多项式变形函数逼近功放的模型基础上, 来进/ G% |! m" b% ?+ {: x" a2 x. q& ~. C* n
行预失真模型的建立. 根据题中给出的原则和约束, 可知预失真模型的表达式与功放模6 C7 S! @- _ M- Z* P$ y8 L4 ~2 W
型的表达式是类似的, 从而可建立相应的预失真模型.:
" H- L7 a% R; G% S! P5 Q v E0 X3 k-1
: e" B- H- f! T+ Y$ G- M1
9 k8 j$ m& w' b( ) ( ) ( )
# m- f5 Z9 D" M- v, sK# S& M6 L# ?1 z7 c: y6 i; y
k1 i' j+ ~% E, S% M
k6 u8 E% j8 k5 [9 g* r
k
: l: n; i/ j+ _8 a2 V, o! _: Wz t h x t x t
$ U& W3 D+ s& h- u6 i& L=
- @( H% n2 x% B+ y* c: t+ p= Σ0 z/ n1 O! \# J7 j/ Q& w
K=4 时, 整体模型的放大倍数g=1.8693, 参数NMSE=-32.5819, EVM=2.3491; K=5 时,
9 d; {( G9 }0 R* Zg=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7 时, g=1.8326, 参数NMSE=-46.0624,
+ f, F; h( _& REVM=0.4976.
4 i3 U4 x0 ^" _* c( D针对问题二, 直接将功放的输入输出与题目中所提的“和记忆多项式”模型进行拟合,
c1 \/ C7 p; O9 y0 l运用正则化后的最小二乘法进行求解, 这很好的保证了模型的可解性. 本题只考虑功放0 C9 ^: [; S2 z& N3 _9 S- V$ v! u
模型次数为5 的情形. 当记忆深度为7 时, 得NMSE=-45.8394; 当记忆深度为3 时, 得; I+ k: Z+ v" b8 E) e$ B3 A
NMSE=-44.5315. 预失真模型的建立与问题一类似, 文中以框图的方式建立了预失真处8 ` [! X/ F G& @8 k& P" d+ L
理的模型实现示意图, 并对次数为5、记忆深度为3 的情形, 求解出整体模型的放大倍数
' O% U4 p" l! H5 u. T+ b7 o Qg=9.4908, 参数NMSE=-37.8368, EVM=0.0128.
5 A- n8 @7 D! r, u/ R* D针对问题三, 将所给的离散的、有限的输入输出数据作为随机过程的样本函数,通过" M: T& r6 t) K1 K
其傅立叶变换得到功率谱参度函数. 文中分别给出了输入信号、无预失真补偿的功率放" m: b- E1 B0 S# ?/ [
大器输出信号、采用预失真补偿的功率放大器输出信号的功率谱参度图形. 可解出它们! a+ o5 t) C; l5 |. y8 k+ D
的ACPR 分别为-155.6610、-74.3340、-104.4904, 最后对结果进行分析评价, 得出采用: @) W, _$ ~) ^, ~6 R. J' ?. i
2
4 A" v1 C" X" l/ o预失真补偿的功率放大器的输出信号效果比无预失真补偿的效果好.
/ G+ S7 T" p* U6 E! a5 X. [- r关键字:最小二乘法、Tikhonov 正则化、Fourier 变换 P: I* P$ x' u) j
, P* j6 P2 O" ~0 m8 i |
zan
|