提出了一种基于广义记忆型神经网络(GMNN)的数字预失真器非线性模型,以更好地抑制由于射频功放动态非线性导致的带内失真以及带外频谱扩展等问题。通过引入时间上的超前项,使得功放模型的记忆效应建模能力得以扩展,通过添加高阶非线性级数,使得功放非线性建模精度进一步提高。文中使用带宽为20 MHz的4载波WCDMA信号作为测试信号,对一个中心频率为460 MHz的60W Doherty射频功放进行数字预失真线性化实验。实验结果表明,广义记忆型神经网络数字预失真器的带外抑制可达19 d B,能更有效地抑制射频功放的带外频谱扩展,相比于其他几种预失真器展现出更好的线性化效果,验证了广义记忆型神经网络数字预失真器的有效性。两箱模型。传统的TDNN模型由于仅引入了时间上的滞后项，因此对包络变化引起的记忆效应无法全面表征，为了能更全面地表征功放的记忆效应，本文在TDNN功放线性化模型的基础上，引入时间上的超前项，提出了广义记忆型神经网络预失真模型。本文接下来的部分将首先介绍广义记忆型神经网络预失真模型，然后讨论预失真器的训练架构，最后对所提出的预失真模型进行计算机仿真，并在实际功放上对模型进行预失真能力的实验验证。放数字预失真器-数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机倒角机1广义记忆型神经网络预失真模型广义记忆型神经网络预失真模型示意图如图1所示，该模型由一个输入层，两个隐含层，一个输出层组成本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name，与TDNN模型不同处是在输入层添加了如图1中虚线框所示的超前模块。图1广义记忆型神经网络预失真模型输入层到隐含层通过级数展开构建高阶非线性级数向量，其表达式］(2)其中K代表高阶交叉的阶数，Iin(n)和Qin(n)分别代表第n时刻输入信号的同相分量与正交分量，N≤n≤D－M－1，D表示原始基带数据的整体长度。Z表示延时，每增加一个Z即延时一个采样点。输入层整体可以其 真线性化效果的重要指标，本文使用邻信道功率比(ACPR)进行衡量，测试信号使用带宽为20MHz的4载波WCDMA信号，经过多次迭代，各模型的预失真后功率谱密度如图6所示，其ACPR如表2所示。由图6和表2可以看出，广义记忆型神经网络的带外抑制效果最好，在频偏为±5MHz时，分别改善了18．2dB和19．51dB，与LUT相比改善了6．3dB和4．18dB。图6不同模型的功率谱密度(彩色图片参见本刊电子版)表2不同模型ACPR比较dBc模型±5MHz±10MHz±15MHz下边带上边带下边带上边带下边带上边带无预失真－234结论本文提出了一种基于广义记忆型神经网络的预失真器，引入时间上的超前项和高阶非线性级数，使得建模精度得到进一步提升。使用带宽为20MHz的4载波WCDMA信号对一个中心频率为460MHz的功放进行数字预失真线性化实验验证，实验结果表明，广义记忆型神经网络比其他几种预失真模型具有更好的线性化效果，带外抑制超过19dB。参考文献〔1〕荀海恩．基于神经网络的功放数字预失真技术的研究［D］．电放数字预失真器-数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机倒角机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name