[发明专利]一种功率放大器的模拟方法及功率放大器模拟装置

说明书

技术领域

本发明涉及一种功率放大器的模拟方法及功率放大器模拟装置，利用计算机模拟实际功率放大器的输入输出关系。

背景技术

随着无线通信技术的迅速发展，迫切需求无线移动通信容量和速率的提高，如此对功率放大器（PA，Power Amplifier）的线性度提出了更高的要求。例如，当前PA线性化技术的主流技术之一的预失真技术，其主要原理是通过在PA之前引入一个与PA特性相反的模块——预失真器(PD，Predistorter)，使得整个系统(PD十PA)的输入和输出呈线性关系，从而实现了对PA的线性化。对功率放大器的非线性和记忆性的预测程度决定了预失真器的性能优劣，因此如何建立精确的功率放大器模型具有重大的研究意义。

在描述非线性元件的行为模型时，非线性元件通常被视为一个完全由外部响应描述的“黑盒子”，BP神经网络具有逼近任意分线性函数的特性，并被许多研究者运用以描述功率放大器输入和输出的关系。但是传统的神经网络算法采用梯度下降的训练方法，使得建模过程收敛速度缓慢，并容易收敛于局部最小值，因此限制了其实际中的应用。

发明内容

本发明所要解决的技术问题在于克服现有基于BP神经网络的功率放大器模拟方法训练过程收敛速度较慢以及易收敛于局部最小值的不足，提供一种具有较快训练收敛速度的功率放大器的模拟方法及功率放大器模拟装置。

本发明具体采用以下技术方案解决上述技术问题：

一种功率放大器的模拟方法，利用改进的BP神经网络模拟实际功率放大器，先以实际功率放大器的输入、输出作为训练样本对改进的BP神经网络进行训练，训练好的改进的BP神经网络即可实现功率放大器的模拟；所述改进的BP神经网络的隐含层的输出函数为：

yh(t)=21+e-2z(t)-1]]>

其中，x_i(t)表示第t次迭代时第i个输入层神经元的输入数据，n表示输入层神经元个数，ω_ij表示第i个输入节点到第j个隐含层神经元的权值，thh_j(t)表示第t次迭代时隐含层第j个神经元的阈值；

所述改进的BP神经网络的输出层的传输函数为线性函数：

y_o(t)=x_h2o(t)

其中，tho_k(t)表示第t次迭代时输出层第k个神经元的阈值；

误差e的计算公式如下：

e(t)=12(y(t)-d(t))2]]>

其中，d表示实际测量的输出，t表示迭代次数；

权值和阈值的更新模型如下：

ω_ji(t+1)=ω_ji(t)+Δω_ji(t)

ω_kj(t+1)=ω_kj(t)+Δω_kj(t)

thh(t+1)=thh(t)+Δthh(t)

tho(t+1)=tho(t)+Δtho(t)