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:( f& Q6 v* b a9 R
本文以正交基多项式逼近原理、最小二乘拟合等为基础,建立了无记忆功放0 A! O8 }$ s$ ~ w- H
和有记忆功放的数学模型及其各自的预失真模型,并用归一化均方误差(NMSE)4 k. R) U8 `" Z" ^+ m6 L3 o' [7 Q6 l
对所建模型进行了评价,评价结果验证了所建模型的准确性和所用方法的可靠性。) n- Q- x% p6 g; t+ b" U
为了建立无记忆功放模型,本文利用多项式函数来表达功率放大器的非线性/ `9 K2 b7 X- ^& M! T
特征,提出基于样本实际分布的正交基多项式模型,通过最小二乘方法拟合得到
7 ?: [( `3 B' t4 Y7 ~( Y模型的具体参数。结果表明,正交基多项式模型具有最好的NMSE(-157dB),& f- p2 e3 q% M$ E; r' G' j
远优于传统多项式模型和基于均匀分布的正交多项式模型。为避免过拟合,分析; G' h# c3 y% i Z+ X
得到模型的最优阶次为7,此时对应的NMSE 为-68.63dB。
1 R( ^6 O/ |- q: \1 L. B为了建立无记忆功放预失真模型,本文采用间接学习结构对预失真模型进行
2 q( U# W4 z2 P% h3 B) P参数估算。经理论分析得到线性化后最大可能放大倍数为1.8264 倍。利用最小
& l5 N3 S+ l& \) L# W/ ~二乘拟合得到预失真器的正交基多项式模型。为避免过拟合,得到预失真器模型
5 n0 T7 e) F1 K1 H, M) \& s' Q的最优阶次为5,利用此预失真器模型对功放进行补偿后的输出与具有同样放大! T4 b) t8 Y/ F5 _
倍数的理想功放的输出进行比较,得到其NMSE 为-37.08dB。+ U8 K8 P r( n* E% l
为了建立有记忆功放模型,我们采用在和记忆多项式中所计算得到的正交基' Z9 L% j0 \' ~& _9 s% l
进行拟合。利用最小二乘法拟合参数。同样为防止过拟合,经分析得到记忆深度4 S7 C5 l6 M; n: _' ?# Z6 u
为5,最大阶次为4 的多项式模型。此时得到的NMSE 为-45.26dB! H* G' Q4 j! l: ]" R2 Z
有记忆功放预失真模型也利用间接学习结构得到的。通过建立预失真器输出# `, Y* m Q/ s: D" Q
最大幅度与放大倍数的关系曲线,得知最大放大倍数为9.5。利用最小二乘拟合 D& X* E4 ?2 F+ b
得到预失真器的正交基多项式模型。为避免过拟合,得到最优预失真器模型的记. [1 n8 _/ k" u. A
忆深度为5,最大阶次为5。将该模型补偿之后求得的功放输出与放大倍数为9.5
. Q. i# _8 b" q8 D2 l4 `的理想功放的输出进行比较,得其NMSE 为-43.40dB。
; p2 F2 F% U. b( D( j) p- s对于信号的相邻功率信道比(ACPR)及功率谱密度的拓展研究中,经分析, z( D% N( b& u/ T. `% F
- 2 -4 {( F' v, B. t5 o
得知 传输信道为 传输信道为 传输信道为 [0,20MHz,20MHz,20MHz,20MHz,20MHz,20MHz],相邻信道为 相邻信道为 相邻信道为 [20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz20MHz,40MHz]。通过计算有记忆的预 通过计算有记忆的预 通过计算有记忆的预 通过计算有记忆的预 通过计算有记忆的预 失真器 模型 补偿后功放 补偿后功放 的输出 信号的功率谱, 信号的功率谱, 信号的功率谱, 得到 该模型的 ACPRACPR ACPR为-54.34dB54.34dB54.34dB54.34dB54.34dB54.34dB54.34dB。 未经过 预失真 预失真 补偿信号的 补偿信号的 补偿信号的 ACPRACPRACPRACPR为-39.38dB39.38dB39.38dB39.38dB39.38dB39.38dB39.38dB。获得 了-15 dB 的补偿。 的补偿。
# j4 q" m) F4 o" b( b* _1 h( H$ m& D, a本文的 创新点在于 创新点在于 创新点在于 :1、对数据进行 对数据进行 对数据进行 最小二乘 最小二乘 最小二乘 拟合 时,采用基于 采用基于 样本实际分 样本实际分 样本实际分 布的正交多项式基 正交多项式基 正交多项式基 函数,且正交基的建立使得最小二乘算法可 函数,且正交基的建立使得最小二乘算法可 函数,且正交基的建立使得最小二乘算法可 函数,且正交基的建立使得最小二乘算法可 函数,且正交基的建立使得最小二乘算法可 函数,且正交基的建立使得最小二乘算法可 函数,且正交基的建立使得最小二乘算法可 获得高精度 获得高精度 获得高精度 并稳健 的拟合 精度。 精度。 2、在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 在确定所建多项式模型的最优阶数时 ,考虑过拟合问题,进行 考虑过拟合问题,进行 考虑过拟合问题,进行 考虑过拟合问题,进行 考虑过拟合问题,进行 考虑过拟合问题,进行 折中的参数选取,使模型具有 折中的参数选取,使模型具有 折中的参数选取,使模型具有 折中的参数选取,使模型具有 泛化 能力。 能力。
8 _; x2 |2 d9 y# S& E关键词: 功率放大器 功率放大器 预失真 预失真 正交基多项 正交基多项 式 最小二乘 最小二乘拟合 间接学习结构/ W) E; T4 N) n. }
" B: l( b3 ?: h, z5 d$ n |
zan
|