微波非线性散射函数理论分析和基于小波神经网络大信号建模技术的研究

论文摘要

随着现代通信的发展,通信系统朝着大功率驱动和更加复杂调制方案发展。这种大信号状态下的微波器件的非线性特征变得更加明显,这类器件通常工作在非线性区,明显降低了系统的性能。因此大信号状态下微波功率器件的非线性建模成为微波器件设计的主要难题。本文重点研究了一种新的微波非线性表征方法-非线性散射函数。非线性产生的本质就是系统中产生了谐波,而非线性散射函数正是基于这一本质来定义的,因此非线性散射函数能从本质上对非线性网络进行建立大信号模型及进行非线性特征分析。非线性散射函数仅仅与非线性网络的输入信号有关系。因此,大信号模型能建立基于非线性散射函数的黑箱模型。对于非线性散射函数能否精确地描述大信号黑箱模型的非线性特性取决于拟合技术。本文研究了人工神经网络的原理、结构、应用及其分类。神经网络作为本质上的非线性系统,在理论上能以任意精度来逼近非线性函数。其中小波神经网络,兼具了神经网络和小波分析的优点,具有较强的逼近和容错能力。因此,本文采用小波神经网络对大信号模型进行建模、分析。这种建模方法的优点在于模型参数可以直接通过大信号测量得到;其次,模型忽略功率器件的内部原件和结构,通过学习样本数据能很准确地描述器件的非线性特性。通过实验,测试了微波功率晶体管的非线性散射参数,并利用小波网络对此晶体管进行大信号建模。分析其非线性特性,得到了较为准确的拟合和预测数据。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 课题来源及研究的目的及意义
• 1.2.1 课题来源
• 1.2.2 课题的目的及意义
• 1.3 国内外科技发展动态
• 1.3.1 非线性电路建模研究现状
• 1.3.2 人工神经网络及小波网络国内外发展及现状
• 1.4 本文的主要工作
• 第二章 微波非线性分析理论及表征方法
• 2.1 微波非线性系统分析方法
• 2.1.1 幂级数法
• 2.1.2 伏特拉级数法
• 2.1.3 谐波平衡法
• 2.1.4 非线性散射函数法
• 2.2 非线性表征方法
• 2.2.1 单频音测试
• 2.2.2 双频音测试
• 2.2.3 多频音测试
• 2.3 非线性器件建模方法
• 2.3.1 经验模型方法
• 2.3.2 状态方程方法
• 2.3.3 黑箱模型方法
• 2.4 本章小结
• 第三章 非线性散射函数理论
• 3.1 非线性散射函数线性化
• 3.2 非线性散射函数的定义
• 3.3 非线性散射函数的物理含义
• 3.4 非线性散射函数的性质
• 3.5 非线性二端口网络与线性二端口网络的连接
• 3.5.1 级联
• 3.5.2 串联
• 3.5.3 并联
• 3.5.4 两端口非线性网络端接负载
• 3.6 本章小结
• 第四章 小波神经网络基本理论
• 4.1 小波分析理论
• 4.1.1 小波函数及连续小波变换
• 4.1.2 几种常用的小波
• 4.1.3 小波分析理论的应用
• 4.2 人工神经网络
• 4.2.1 人工神经网络的特征
• 4.2.2 神经元结构模型
• 4.2.3 网络结构
• 4.2.4 人工神经网络的训练
• 4.3 小波神经网络
• 4.3.1 小波神经网络的发展
• 4.3.2 小波神经网络的结构
• 4.3.3 小波神经网络的特点
• 4.3.4 小波神经网络的学习算法
• 4.3.5 仿真实例
• 4.4 小波神经网络与常规神经网络的比较
• 4.5 本章小结
• 第五章 小波神经网络对大信号建模应用
• 5.1 基于小波神经网络的非线性电路建模
• 5.1.1 概述
• 5.1.2 非线性散射参数测试及计算
• 5.2 建模中小波神经网络算法实现
• 5.2.1 小波神经网络结构
• 5.2.2 基于BP算法的小波神经网络算法
• 5.3 仿真结果
• 5.4 本章小结
• 结束语
• 致谢
• 参考文献
• 攻读学位期间发表的学术论文