基于动态模糊神经网络的功放数字预失真装置及方法
【专利摘要】本发明公开了一种基于动态模糊神经网络的功放数字预失真装置，包括数字预失真器，对输入数字基带信号进行动态模糊神经网络预失真处理，功率放大器输出模拟基带信号经衰减耦合器功率耦合、宽带正交解调器正交解调、模数转换器模数转换后生成输出数字基带信号；输入数字基带信号和输出数字基带信号同步输入预失真器训练模块，预失真器训练模块利用在线自组织学习算法进行参数训练后获得动态模糊神经网络模型参数，并发送给数字预失真器；本发明还提供一种功放数字预失真方法。本发明结合了模糊系统和神经网络的优点，能够根据非线性系统的复杂度动态的调整，实现简单，能很好的补偿功率放大器的非线性特性和记忆效应。
【专利说明】基于动态模糊神经网络的功放数字预失真装置及方法
【技术领域】
[0001]本发明涉及通信【技术领域】，尤其涉及一种基于动态模糊神经网络的功放数字预失真装置及方法。
【背景技术】
[0002]随着第3代无线移动通信系统的广泛应用和第4代无线移动通信系统的发展，其数据业务量激增，频谱资源日益稀缺，并且这些通信系统多采用了高峰均比的宽带信号，当这些宽带信号激励射频功率放大器的时候，功放呈现出比较复杂非线性特性并且伴随着记忆效应。近年来，功率放大器线性化技术的研究和应用越来越广泛，常用的线性化技术有前馈法、反馈法、功率合成法和数字预失真等。功放线性化技术可以弥补功放的非线性特性，改善通信质量，其中，基于功率放大器行为模型的数字预失真技术，备受研究人员的关注，已经成为线性化技术研究的热点和难点。
[0003]在射频功率放大器行为建模和数字预失真中，研究人员广泛采用了各种各样的Volterra级数模型和神经网络模型等。但现有的预失真方案模型存在结构固定，不能够动态调整，自适应算法存在过拟合，实现起来比较复杂等问题。
【发明内容】
[0004]为了克服现有技术中存在的不足，本发明提供一种基于动态模糊神经网络的功放数字预失真装置及方法，结合了模糊系统和神经网络的优点，能够根据非线性系统的复杂度动态的调整，实现简单，能很好的补偿功率放大器的非线性特性和记忆效应。
[0005]为实现上述目的，本发明采取如下技术方案:
[0006]一种基于动态模糊神经网络的功放数字预失真装置，包括数字预失真器、数模转换器、宽带正交调制器、功率放大器、衰减耦合器、宽带正交解调器、模数转换器和预失真器训练模块；
[0007]数字预失真器输入端外接输入数字基带信号，所述输入数字基带信号经数字预失真器动态模糊神经网络预失真处理、数模转换器数模转换、宽带正交调制器正交调制后输入功率放大器，所述功率放大器输出功放输出模拟基带信号；
[0008]功放输出模拟基带信号经衰减耦合器功率耦合、宽带正交解调器正交解调、模数转换器模数转换后生成输出数字基带信号；
[0009]输入数字基带信号和输出数字基带信号同步输入预失真器训练模块，所述预失真器训练模块利用在线自组织学习算法对输入数字基带信号和输出数字基带信号进行参数训练后获得动态模糊神经网络模型参数，并发送给数字预失真器。
[0010]本发明还提供一种基于动态模糊神经网络的功放数字预失真方法，包括如下步骤:
[0011](I)对输入数字基带信号χ (η)进行动态模糊神经网络预失真处理；
[0012](2)对预失真处理后的输入数字基带信号χ (η)进行数模转换、正交调制后输入功率放大器，功率放大器输出功放输出模拟基带信号；
[0013](3)功放输出模拟基带信号经功率耦合、正交解调、模数转换后得到输出数字基带信号Z(H);
[0014](4)将输入数字基带信号X (η)和输出数字基带信号ζ (η)同步输入预失真器训练模块；
[0015](5)预失真器训练模块利用在线自组织学习算法对输入数字基带信号x(n)和输出数字基带信号ζ (η)进行参数训练，动态确定步骤(1)所需动态模糊神经网络参数。
[0016]更进一步的，步骤(1)中采用两个动态模糊神经网络来补偿功率放大器的幅度和相位的失真，每一个动态模糊神经网络的输入均为输入数字基带信号X (η)的幅度值r (η)和输入数字基带信号X (η)通过延时单元的幅度值r (n-1) ,...,r (n_L)，其中L为延时单元的个数，每一个动态模糊神经网络共有5层:
[0017](I)输入层
[0018]输入数字基带信号X (η)的幅度值r (η)和输入数字基带信号χ (η)通过延时单元的幅度值r (n-1)，...，r (n-L)，其中L为延时单元的个数；
[0019](2)成员函数层
[0020]成员函数层的每一节点代表一个高斯函数，
【权利要求】
1.一种基于动态模糊神经网络的功放数字预失真装置，其特征在于:该装置包括数字预失真器、数模转换器、宽带正交调制器、功率放大器、衰减耦合器、宽带正交解调器、模数转换器和预失真器训练模块； 所述数字预失真器输入端外接输入数字基带信号，所述输入数字基带信号经数字预失真器动态模糊神经网络预失真处理、数模转换器数模转换、宽带正交调制器正交调制后输入功率放大器，所述功率放大器输出功放输出模拟基带信号； 所述功放输出模拟基带信号经衰减耦合器功率耦合、宽带正交解调器正交解调、模数转换器模数转换后生成输出数字基带信号； 所述输入数字基带信号和输出数字基带信号同步输入预失真器训练模块，所述预失真器训练模块利用在线自组织学习算法对输入数字基带信号和输出数字基带信号进行参数训练后获得动态模糊神经网络模型参数，并发送给数字预失真器。
2.一种基于动态模糊神经网络的功放数字预失真方法，其特征在于包括如下步骤: (1)对输入数字基带信号X(η)进行动态模糊神经网络预失真处理； (2)对预失真处理后的输入数字基带信号X(η)进行数模转换、正交调制后输入功率放大器，功率放大器输出功放输出模拟基带信号； (3)功放输出模拟基带信号经功率耦合、正交解调、模数转换后得到输出数字基带信号ζ (η)； (4)将输入数字基带信号χ(η)和输出数字基带信号ζ(η)同步输入预失真器训练模块； (5)预失真器训练模块利用在线自组织学习算法对输入数字基带信号χ(η)和输出数字基带信号ζ (η)进行参数训练，动态确定步骤(1)所需动态模糊神经网络参数。
3.根据权利要求2所述的一种基于动态模糊神经网络的功放数字预失真方法，其特征在于:步骤(1)中采用两个动态模糊神经网络来补偿功率放大器的幅度和相位的失真，每一个动态模糊神经网络的输入均为输入数字基带信号X (η)的幅度值r (η)和输入数字基带信号X (η)通过延时单元的幅度值r(n-l),..., r (n-L),其中L为延时单元的个数,每一个动态模糊神经网络共有5层: (1)输入层 输入数字基带信号x(n)的幅度值r(n)和输入数字基带信号χ(η)通过延时单元的幅度值r(n-l),...，r(n-L),其中L为延时单元的个数； (2)成员函数层 成员函数层的每一节点代表一个高斯函数，
^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个A的成员函数，Cij和σ」是该成员函数的中心和宽度，u表示成员函数的个数； (3)模糊规则层 每一个节点代表一个可能的模糊IF规则，第j个规则输出如下:
【文档编号】H04L25/49GK103731105SQ201410004226
【公开日】2014年4月16日 申请日期:2014年1月3日 优先权日:2014年1月3日
【发明者】翟建锋, 张雷, 朱晓维 申请人:东南大学