记忆非线性功率放大器的神经网络预失真

　　数字预失真是克服高功率放大器(HPA)非线性失真最有前途的一项技术。早期对预失真技术的 研究大多局限于无记忆非线性，但对于宽带应用，放大器的记忆特性明显。该文提出了一种新的有记忆非线性功率放大器的神经网络预失真技术，预失真器利用输入 信号的同向和正交分量作为输入，采用带抽头延时的双入双出两层前向神经网络结构，根据非直接学习结构和反向传播算法实现自适应，可同时补偿放大器的记忆失 真和非线性失真。仿真结果表明，建议的方案能有效抑制带外谱扩散，降低误码率，实现有记忆非线性HPA的自适应预失真。

　　射频功率放大器的非线性失真会使其产生新的频率分量，如对于二阶失真会产生二次谐波和双音拍频，对于三阶失真会产生三次谐波和多音拍频。这些新的频率分量如落在通带内，将会对发射的信号造成直接干扰，如果落在通带外将会干扰其他频道的信号。为此要对射频功率放大器的进行线性化处理，这样可以较好地解决信号的频谱再生问题。