射频功放的行为模型研究

论文摘要

随着现代无线通信的迅速发展,为缩短射频微波领域的产品设计周期和提高其精度,对通信系统最重要的器件-功率放大器的系统级仿真提出了更高的要求,尤其随着微波电路仿真技术与数字预失真技术的发展,研究射频功率放大器的行为模型对提高仿真系统的性能有着重要的意义。基于国家自然科学基金“宽带射频功率放大器非线性及行为模型的研究”,本文对功率放大器行为模型的研究是利用ADS软件仿真的采样数据和Matlab软件进行研究,主要内容有:介绍了功率放大器的特性和最常见的功放行为模型,并仿真验证了其中的复系数多项式模型、Saleh模型、记忆多项式模型、Volterra模型以及RBF神经网络模型。对基于Volterra级数的模型进行了改进,包括简化了原Saleh模型的参数求解过程的基于Saleh函数的模型和简化了Volterra模型系数和提高其精度的Volterra-Laguerre模型。在BP神经网络模型的基础上,提出了提高其精度的记忆BP神经网络模型与PSOBP神经网络模型。另外研究并建模了PSO优化模型参数的ε?支持向量回归机预测模型。为了更好的描述实际的射频功放,建立了功放的动态行为模型,仿真表明改进后的模型具有更稳定的精度和良好的自适应能力。最后分析了如何通过实验测量的方法来验证行为模型的实际性能以及行为模型的实际构建与应用。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景及来源
• 1.2 功率放大器建模技术的研究进展
• 1.3 论文的主要研究工作
• 2 功放的非线性特性与常见行为模型
• 2.1 功率放大器的非线性特性
• 2.1.1 非线性理论
• 2.1.2 非线性失真
• 2.1.3 记忆效应
• 2.2 功放的常见行为模型
• 2.2.1 无记忆模型
• 2.2.2 Wiener 模型
• 2.2.3 Hammerstein 模型
• 2.2.4 并联多级Wiener 模型
• 2.2.5 并联Hammerstein 模型
• 2.2.6 记忆多项式模型
• 2.2.7 Volterra 模型
• 2.2.8 RBF 神经网络模型
• 2.3 本章小结
• 3 基于Volterra 级数的改进功放行为模型
• 3.1 功放行为模型的建立过程
• 3.2 基于Saleh 函数的行为模型
• 3.2.1 模型的结构
• 3.2.2 模型的仿真
• 3.2.3 结果分析与讨论
• 3.3 Volterra-Laguerre 模型
• 3.3.1 模型的结构
• 3.3.2 模型的仿真
• 3.3.3 结果分析与讨论
• 3.4 本章小结
• BP 神经网络模型与支持向量机模型'>4 PSO_BP 神经网络模型与支持向量机模型
• 4.1 无记忆与记忆BP 神经网络模型
• 4.2 粒子群优化算法
• BP 神经网络模型'>4.3 PSO_BP 神经网络模型
• 4.3.1 模型的结构
• 4.3.2 三种模型的仿真
• 4.3.3 结果分析与讨论
• 4.4 支持向量回归机
• 4.4.1 支持向量机理论
• 4.4.2 ε-支持向量回归机
• 4.4.3 核函数及其参数选择
• 4.5 射频功放ε-支持向量回归机预测模型
• 4.5.1 粒子群算法优化支持向量机参数
• 4.5.2 模型的仿真
• 4.5.3 模型的分析与讨论
• 4.6 本章小结
• 5 射频功放的动态行为模型及实验测量与应用
• 5.1 动态时延估计
• 5.2 动态参数提取
• 5.3 实例研究：动态记忆多项式行为模型
• 5.3.1 模型的构建过程
• 5.3.2 模型的仿真与分析
• 5.4 行为模型的实验测量与应用
• 5.4.1 行为模型的实验测量
• 5.4.2 行为模型的应用
• 5.5 本章小结
• 结论
• 参考文献
• 作者简历
• 学位论文数据集