[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

摘要

本发明公开了一种功率放大器的模拟方法。该方法利用一种改进的BP神经网络进行功率放大器的模拟，改进的BP神经网络采用Levenberg-Marquardt(LM)学习算法和加入动量因子的训练算法更新模型的权值和阈值，有效加快了模型的建立速度，并能够防止模型陷入局部最小值。本发明还公开了一种功率放大器模拟装置，采用改进的BP神经网络；并进一步利用本发明的功率放大器模拟装置构建并行结构的功率放大器模拟器，使模拟与训练互不干扰，提高了功率放大器模拟器的工作效率。相比现有技术，本发明具有更快的训练收敛速度，实时性更好。

主权项

1.一种功率放大器的模拟方法，其特征在于，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：其中，，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，表示第i个输入节点到第j个隐含层神经元的权值，表示第次迭代时隐含层第个神经元的阈值；所述改进的BP神经网络的输出层的传输函数为线性函数：其中，，表示第次迭代时输出层第个神经元的阈值；误差的计算公式如下：其中，表示实际测量的输出，表示迭代次数；权值和阈值的更新模型如下：表示第i个输入节点到第j个隐含层神经元的权值，表示第j个隐含层神经元到第k个输出层神经元的权值，表示第i个输入节点到第j个隐含层神经元的权值变化量，表示第j个隐含层神经元到第k个输出层神经元的权值变化量，、分别表示隐含层、输出层的阈值，和分别表示隐含层、输出层的阈值变化量；其中权值变化量、阈值变化量分别按照以下公式计算：在迭代过程中，当时，在下次迭代计算时乘以一个的量来加快收敛速度，而的值不变；当时，放弃本次误差函数对权值的调整，并在下次迭代中使乘以一个的量，同时设置下次迭代的动量因子，重新进行迭代运算，直到再次出现时才将设置为原来的非零值。