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! x: d" y( J+ U1 ^+ o( k# ?
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
0 b$ s% j$ r' ]3 o) g3 P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
9 y. M, D# D' r0 w: }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! C w) _+ H, x0 j+ i5 ?5 f
小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.6 d1 D* c3 `# ?" _7 k8 u! ^
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5 o2 D5 H) \% C6 t% Q- H
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
/ x6 [; L, a# Z# N" {- s, \型的表达式是类似的, 从而可建立相应的预失真模型.:
1 e" b R3 _, K6 J, a/ }-1
) s, p/ b/ _" c3 \* g) G18 a. L! O/ i: ], O& L$ p& A
( ) ( ) ( ) f$ ]6 D2 Y7 i: c4 G
K5 b% K2 `/ T6 \% K
k
- o/ G6 J0 d) }) `k1 `3 D1 l- m/ z& w+ z3 w0 u
k3 I6 @. B3 A$ C5 G( J; a# O# C
z t h x t x t! C9 _# P3 M; D) K+ M# i
=$ m$ Z7 X, x( m% g. \. }1 g/ R% X
= Σ
# ]( h9 X" W0 ]6 t2 i1 fK=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,7 s6 C) P0 V1 n' s, ^2 r5 T
g=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7 时, g=1.8326, 参数NMSE=-46.0624, ^- ^1 e1 [2 c+ B2 A2 _" \
EVM=0.4976.
- l0 E+ T5 u; q- O& p a! i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,
z$ p& r, v$ p2 o1 \! Q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
$ B, ~9 ^4 E! \/ e- ~& _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
* w1 n& W- j7 j# {: ~; O. LNMSE=-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
' U' t, n2 b2 w8 M- k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) t, @: c \" s
g=9.4908, 参数NMSE=-37.8368, EVM=0.0128.4 F' x) Z. ?" Z0 P
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
0 ?* U* T4 ` H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
8 ~$ A: @+ `7 h7 n- |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
+ U: O) L+ _' ?, I3 q& w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
9 s! K$ N& @8 u. j/ y0 y* A, d2) ]# V+ z1 Q( \ m+ e( B& Q( M
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.
9 G8 b; w" v$ `. [0 P4 Y关键字:最小二乘法、Tikhonov 正则化、Fourier 变换; t" I, C: j" X: q* d- x' n
5 m% ?9 d4 p1 k2 Y z/ Z
|
zan
|