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
$ ]- R. N) p: x! }$ ?! Z' r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
5 U% }; Y7 n" A9 U2 s( T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' @8 E# i: _. c" H! d# \$ n) t
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
! @4 F7 S% @9 _0 H$ x- Z8 q小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.0 z0 R H% m8 C7 Q( b( W: }/ I
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
s; y1 ~4 n$ V% }2 y" i% 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2 m b+ Q1 d4 J$ U
型的表达式是类似的, 从而可建立相应的预失真模型.:
1 |5 I# v0 B5 {( }: N# T' b" _$ g7 E-1) ?$ S. j0 l, I) Q2 ]
14 q2 l9 F. A' \3 Z" M2 K
( ) ( ) ( )) [9 l: y$ L" z5 x3 I
K
: t0 C+ z7 Y$ \& I$ K1 D7 f! Hk
: i; V$ S# f: J$ r" O) ?. X7 y0 ak# r% u7 w( [2 ? F
k
9 q; C; V6 X) ez t h x t x t7 F' A2 t( g8 R5 F4 x; K6 p
=
1 M$ S0 Y8 o, V2 b= Σ: j% x5 h- m0 r0 z: 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,8 x- G2 x* p4 o8 F2 m% s
g=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7 时, g=1.8326, 参数NMSE=-46.0624,
2 }9 `2 T" }9 _4 W7 gEVM=0.4976.4 S3 k+ v6 `6 A& i4 Z
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," i P/ M' k/ Z4 K. R( h( v7 `3 h3 [6 y
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
* s9 d# w7 R+ U+ u# | w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& r Q& i# @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 E; M9 k% F+ @, y: H! @
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* h5 r3 z6 F* b8 z" J
g=9.4908, 参数NMSE=-37.8368, EVM=0.0128.
8 L0 S! f) @3 [$ g! x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
1 A L' f0 P# c, C9 f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
6 ]* d9 `; d/ c; U& K) G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
3 P5 i: {& k$ Y. X4 ]0 H' p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& x3 N( q, N" s' y
2
8 p. ~6 N3 k8 _; l9 N4 q2 C1 m$ Q H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.
: x) g! L- d5 ^; J+ K: Q, n关键字:最小二乘法、Tikhonov 正则化、Fourier 变换
5 F% x2 [. k5 b$ L4 H/ V$ r6 O$ H" H0 j. L+ q! u
|
zan
|