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
+ K# v2 b- \" D" Q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
% S! B5 e# K# d; ]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. y9 W! x/ e/ d
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' u! ~' n! I- N ^
小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.
1 U( H- U ]/ `' C! v, P. g% r- D2 @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
; z/ @2 H3 I2 @! N 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
3 V0 `* r+ [( J: b+ W型的表达式是类似的, 从而可建立相应的预失真模型.:# g8 S: {7 X, `: H. f0 S9 B+ q
-1+ v H% D+ h6 A2 D' U
17 n0 |6 O" Q) k! G, m7 C5 b: M" P
( ) ( ) ( )/ R4 T( L2 L" J
K
! a3 L! a1 ~& K: V0 j& Uk
' [; ~# T/ K4 U; \" ]$ Xk o5 \/ T4 C( ?: ]* F( O
k
$ x% [$ \, n, k, [z t h x t x t
$ z T. ~, ?& d+ q" v+ ?3 c=6 c4 z% c, s$ ]* l
= Σ
) K i" ^% p3 j! ^- X0 R: XK=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,
4 M* Y2 o, ~- e# E; p% Q5 hg=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7 时, g=1.8326, 参数NMSE=-46.0624,
$ E5 {) s9 {6 R& n E2 fEVM=0.4976.
, |5 A+ G9 f, P5 ?7 l# \* m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,
8 B% }! C# D/ z9 h+ H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( k" J1 |: l1 Z! K7 G. x
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) F. C, L- Y1 s% d* u& 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9 B" d% j5 o2 H4 U' P
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
U: Y; I( b3 J- W8 hg=9.4908, 参数NMSE=-37.8368, EVM=0.0128.0 E: H$ k, @ L1 F' c: Z$ y5 D) n
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7 |& N& B6 U2 Y+ J# E2 ^- M- i$ h; d
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: ^3 C! x" |. E3 ]1 T' ?/ t% J
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
2 s' @7 X% ?" X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% _3 L7 L5 m$ F1 O* a
22 u* S$ i' L8 R0 U/ k
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.
1 e' }3 Q$ @7 @% o关键字:最小二乘法、Tikhonov 正则化、Fourier 变换3 c7 W ~3 d4 D) G9 {/ e N
6 t- r5 q0 s/ g' r! T
|
zan
|