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。高功率放大器(HPA)是通信系统发射机的主要部件。在实际应用中,为了增加效率,一般让HPA工作在接近饱和点,因而会引起信号非线性失真。联合幅度和相位变化的线性调制技术(如:π/4-DQPSK和M-QAM)是提高无线频谱利用率的有效方式,