TA的每日心情 | 奋斗 2021-5-1 20:26 |
---|
签到天数: 2013 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1 A0 c/ L: i' @6 h. A# H0 g1 o
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' g X. D' [' r$ X/ C# n
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) d1 }) w. U" k
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
9 M0 c% i, f4 t, g4 i小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.- n8 J6 c, Z( y# r/ E
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
' ^" z4 t& P/ {( f9 q# I, E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+ ~5 o( h3 Z) H4 j
型的表达式是类似的, 从而可建立相应的预失真模型.:- A% d6 r/ {. A+ N, `
-1$ Q4 t) o7 G* N% W. \. P3 T
1
u& d; _( v3 x) I/ T( ) ( ) ( )
$ m% G( G* v3 ~ E5 ^K
% v& h8 L+ m$ ]3 b+ zk
* ]# A5 l0 g' L$ c) ?k/ Q5 `3 l2 ?3 m
k
! J1 q* H* F8 o8 Zz t h x t x t
' M/ g) E k; r( x! F3 t4 X=2 p1 z0 T+ u l2 U. c* b
= Σ3 Z$ F, j$ u/ |0 E( o# d+ h$ v8 A3 e+ N
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,- _; P9 m+ U+ n- [9 D4 ?
g=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7 时, g=1.8326, 参数NMSE=-46.0624, P; [3 h5 S1 X5 T
EVM=0.4976.
9 n6 `: n, G+ d4 H' ~8 |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,6 ?, v( e9 `+ e8 P4 D$ k- x7 W2 t
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
. _% v2 T, l4 o2 R: a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* Q/ {3 Q! {# |: S, O! s/ w) M
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
1 O- U, \# u6 \ B c6 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
5 x9 O# e) _; V+ a' k; f' ?g=9.4908, 参数NMSE=-37.8368, EVM=0.0128.# j& L- g0 {1 O) t2 X5 f
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& F& n1 N6 Y* q( }. a% w
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4 G: X, c0 j; Y! c/ G- O
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, v5 g. N7 w; M
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
) r/ z: L$ n6 m4 ~2
4 d6 V( N; u; Z) f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.: S, [7 E8 D ?" p4 X. I
关键字:最小二乘法、Tikhonov 正则化、Fourier 变换 M! q9 E) ]% G% K# [
& V. {) H/ w: x3 K t |
zan
|