基于動態模糊神經網絡的功放數字預失真裝置及方法
【專利摘要】本發明公開了一種基于動態模糊神經網絡的功放數字預失真裝置，包括數字預失真器，對輸入數字基帶信號進行動態模糊神經網絡預失真處理，功率放大器輸出模擬基帶信號經衰減耦合器功率耦合、寬帶正交解調器正交解調、模數轉換器模數轉換后生成輸出數字基帶信號；輸入數字基帶信號和輸出數字基帶信號同步輸入預失真器訓練模塊，預失真器訓練模塊利用在線自組織學習算法進行參數訓練后獲得動態模糊神經網絡模型參數，并發送給數字預失真器；本發明還提供一種功放數字預失真方法。本發明結合了模糊系統和神經網絡的優點，能夠根據非線性系統的復雜度動態的調整，實現簡單，能很好的補償功率放大器的非線性特性和記憶效應。
【專利說明】基于動態模糊神經網絡的功放數字預失真裝置及方法
【技術領域】
[0001]本發明涉及通信【技術領域】，尤其涉及一種基于動態模糊神經網絡的功放數字預失真裝置及方法。
【背景技術】
[0002]隨著第3代無線移動通信系統的廣泛應用和第4代無線移動通信系統的發展，其數據業務量激增，頻譜資源日益稀缺，并且這些通信系統多采用了高峰均比的寬帶信號，當這些寬帶信號激勵射頻功率放大器的時候，功放呈現出比較復雜非線性特性并且伴隨著記憶效應。近年來，功率放大器線性化技術的研究和應用越來越廣泛，常用的線性化技術有前饋法、反饋法、功率合成法和數字預失真等。功放線性化技術可以彌補功放的非線性特性，改善通信質量，其中，基于功率放大器行為模型的數字預失真技術，備受研究人員的關注，已經成為線性化技術研究的熱點和難點。
[0003]在射頻功率放大器行為建模和數字預失真中，研究人員廣泛采用了各種各樣的Volterra級數模型和神經網絡模型等。但現有的預失真方案模型存在結構固定，不能夠動態調整，自適應算法存在過擬合，實現起來比較復雜等問題。
【發明內容】
[0004]為了克服現有技術中存在的不足，本發明提供一種基于動態模糊神經網絡的功放數字預失真裝置及方法，結合了模糊系統和神經網絡的優點，能夠根據非線性系統的復雜度動態的調整，實現簡單，能很好的補償功率放大器的非線性特性和記憶效應。
[0005]為實現上述目的，本發明采取如下技術方案:
[0006]一種基于動態模糊神經網絡的功放數字預失真裝置，包括數字預失真器、數模轉換器、寬帶正交調制器、功率放大器、衰減耦合器、寬帶正交解調器、模數轉換器和預失真器訓練模塊；
[0007]數字預失真器輸入端外接輸入數字基帶信號，所述輸入數字基帶信號經數字預失真器動態模糊神經網絡預失真處理、數模轉換器數模轉換、寬帶正交調制器正交調制后輸入功率放大器，所述功率放大器輸出功放輸出模擬基帶信號；
[0008]功放輸出模擬基帶信號經衰減耦合器功率耦合、寬帶正交解調器正交解調、模數轉換器模數轉換后生成輸出數字基帶信號；
[0009]輸入數字基帶信號和輸出數字基帶信號同步輸入預失真器訓練模塊，所述預失真器訓練模塊利用在線自組織學習算法對輸入數字基帶信號和輸出數字基帶信號進行參數訓練后獲得動態模糊神經網絡模型參數，并發送給數字預失真器。
[0010]本發明還提供一種基于動態模糊神經網絡的功放數字預失真方法，包括如下步驟:
[0011](I)對輸入數字基帶信號χ (η)進行動態模糊神經網絡預失真處理；
[0012](2)對預失真處理后的輸入數字基帶信號χ (η)進行數模轉換、正交調制后輸入功率放大器，功率放大器輸出功放輸出模擬基帶信號；
[0013](3)功放輸出模擬基帶信號經功率耦合、正交解調、模數轉換后得到輸出數字基帶信號Z(H);
[0014](4)將輸入數字基帶信號X (η)和輸出數字基帶信號ζ (η)同步輸入預失真器訓練模塊；
[0015](5)預失真器訓練模塊利用在線自組織學習算法對輸入數字基帶信號x(n)和輸出數字基帶信號ζ (η)進行參數訓練，動態確定步驟(1)所需動態模糊神經網絡參數。
[0016]更進一步的，步驟(1)中采用兩個動態模糊神經網絡來補償功率放大器的幅度和相位的失真，每一個動態模糊神經網絡的輸入均為輸入數字基帶信號X (η)的幅度值r (η)和輸入數字基帶信號X (η)通過延時單元的幅度值r (n-1) ,...,r (n_L)，其中L為延時單元的個數，每一個動態模糊神經網絡共有5層:
[0017](I)輸入層
[0018]輸入數字基帶信號X (η)的幅度值r (η)和輸入數字基帶信號χ (η)通過延時單元的幅度值r (n-1)，...，r (n-L)，其中L為延時單元的個數；
[0019](2)成員函數層
[0020]成員函數層的每一節點代表一個高斯函數，
【權利要求】
1.一種基于動態模糊神經網絡的功放數字預失真裝置，其特征在于:該裝置包括數字預失真器、數模轉換器、寬帶正交調制器、功率放大器、衰減耦合器、寬帶正交解調器、模數轉換器和預失真器訓練模塊； 所述數字預失真器輸入端外接輸入數字基帶信號，所述輸入數字基帶信號經數字預失真器動態模糊神經網絡預失真處理、數模轉換器數模轉換、寬帶正交調制器正交調制后輸入功率放大器，所述功率放大器輸出功放輸出模擬基帶信號； 所述功放輸出模擬基帶信號經衰減耦合器功率耦合、寬帶正交解調器正交解調、模數轉換器模數轉換后生成輸出數字基帶信號； 所述輸入數字基帶信號和輸出數字基帶信號同步輸入預失真器訓練模塊，所述預失真器訓練模塊利用在線自組織學習算法對輸入數字基帶信號和輸出數字基帶信號進行參數訓練后獲得動態模糊神經網絡模型參數，并發送給數字預失真器。
2.一種基于動態模糊神經網絡的功放數字預失真方法，其特征在于包括如下步驟: (1)對輸入數字基帶信號X(η)進行動態模糊神經網絡預失真處理； (2)對預失真處理后的輸入數字基帶信號X(η)進行數模轉換、正交調制后輸入功率放大器，功率放大器輸出功放輸出模擬基帶信號； (3)功放輸出模擬基帶信號經功率耦合、正交解調、模數轉換后得到輸出數字基帶信號ζ (η)； (4)將輸入數字基帶信號χ(η)和輸出數字基帶信號ζ(η)同步輸入預失真器訓練模塊； (5)預失真器訓練模塊利用在線自組織學習算法對輸入數字基帶信號χ(η)和輸出數字基帶信號ζ (η)進行參數訓練，動態確定步驟(1)所需動態模糊神經網絡參數。
3.根據權利要求2所述的一種基于動態模糊神經網絡的功放數字預失真方法，其特征在于:步驟(1)中采用兩個動態模糊神經網絡來補償功率放大器的幅度和相位的失真，每一個動態模糊神經網絡的輸入均為輸入數字基帶信號X (η)的幅度值r (η)和輸入數字基帶信號X (η)通過延時單元的幅度值r(n-l),..., r (n-L),其中L為延時單元的個數,每一個動態模糊神經網絡共有5層: (1)輸入層 輸入數字基帶信號x(n)的幅度值r(n)和輸入數字基帶信號χ(η)通過延時單元的幅度值r(n-l),...，r(n-L),其中L為延時單元的個數； (2)成員函數層 成員函數層的每一節點代表一個高斯函數，
^l{k) ^mpic(T1-Cij)2 Ia2j)
Ti = T (n-1+1) 其中i = 1，2，…，L+l, j = I, 2，…，u, μ 代表第j個A的成員函數，Cij和σ」是該成員函數的中心和寬度，u表示成員函數的個數； (3)模糊規則層 每一個節點代表一個可能的模糊IF規則，第j個規則輸出如下:
【文檔編號】H04L25/49GK103731105SQ201410004226
【公開日】2014年4月16日 申請日期:2014年1月3日 優先權日:2014年1月3日
【發明者】翟建鋒, 張雷, 朱曉維 申請人:東南大學