作者：林文韬 刘太君 叶焱 李玲 许高明数字预失真功率放大器神经网络记忆效应径向基线性化
摘要：提出了一种基于改进型径向基函数神经网络(MRBFNN)的数字预失真线性化模型,用于更为精确地矫正宽带射频功率放大器的动态非线性。该神经网络模型的输入层使用传统的延时抽头以补偿功放的线性记忆效应,同时对每个抽头进行级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真。文中使用WCDMA三载波信号对一个460MHz的Doherty功率放大器进行数字预失真线性化实验。实验结果表明,与传统数字预失真线性化模型相比,基于改进型径向基神经网络的数字预失真线性化模型能更好地抑制宽带功放动态非线性引起的带外频谱再生,其三阶互调(IMD3)失真最多可以抑制23d B,大大提高了功放的线性度,验证了所提出的数字预失真线性化模型的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
