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+ l5 j% N/ a& S |" }* I
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
/ H# N1 Z+ N# ]! |! w; `7 Q! x8 z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
+ a9 s% S! `+ X! Y3 ^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6 {' g7 A3 i2 o: T7 y' B' Y# d8 @
小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.
# E5 J- O" C/ \: O5 p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 _+ F0 M7 l$ x) H" d& i& n, R
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
+ s9 [- F" M% N+ k8 L型的表达式是类似的, 从而可建立相应的预失真模型.:, a) B3 J- K g& g& G" [9 Z- @
-1; T: a1 n/ w+ ~; u' A# e
1
) t' H2 W( V# G3 U8 ?6 w( [+ n4 n( ) ( ) ( )
. c: w2 ~7 H9 ^& I# s+ BK4 T9 C! t4 o& a1 N! n, h
k
6 {* R; G. e/ z% F# N: c5 ^5 xk
( w* [2 g. T& s$ i% t8 ^k2 x' Q6 c! ~" r0 P% a8 ~- g
z t h x t x t
7 Y, W& [3 E- s2 P3 z1 o3 X# R=8 |( [# h( F: Z& v) f& B3 W
= Σ% ]2 ^% z& A7 t8 P
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,
" a/ S( L- |* J0 ?" R& Dg=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7 时, g=1.8326, 参数NMSE=-46.0624,
% L, G/ G' u4 q4 ZEVM=0.4976.
- |3 e7 l* C/ y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,* N( c5 C, b- C, i+ B( P# ]1 x
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8 N' v# e$ T9 ~. F' I/ `/ o
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5 p( N2 F. i: Y! M, ?; N
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! T3 Q5 u3 \) u: j' }' _
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8 \1 L7 R/ @- l3 X4 _$ a- k i0 t" E
g=9.4908, 参数NMSE=-37.8368, EVM=0.0128.5 T9 Y/ ]6 \. _- T% Y( W
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' N, x; R# R, [" n1 V; r/ p3 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# o. U, A, t; O3 p
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* g6 i! P, v T9 L1 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7 J4 I: o3 Z+ q/ I& X' K
26 R: L9 t0 S3 E; t' c
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.
* e: M( a! |, V0 B关键字:最小二乘法、Tikhonov 正则化、Fourier 变换
# d2 n2 h. |% S: a' Z( D
7 j- u/ j( A. _- x. e1 A |
zan
|