典型文献
基于图卷积神经网络的射频功放数字预失真模型
文献摘要：
本文提出了一种基于图卷积神经网络的射频功放数字预失真模型,可以有效地对宽带射频功放进行非线性补偿.通过时序处理模块和ISTM层提取输入数据中的时域特征;同时对经过时序处理模块后的输入数据进行相关性分析等操作,并通过图卷积层提取数据的频域特征,最后通过全连接层得到最后的预失真信号.为了验证该方法的有效性,使用60MHz带宽的5G NR信号对中心频率1.9GHz的50W Doherty功放进行预失真线性化测试.预失真非线性建模的归一化均方误差(NMSE)可达到-35dB,实验结果表明经过基于图卷积神经网络的数字预失真模型的功放与没有经过预失真模型的功放相比,邻信道泄漏比(ACLR)改善超过15dB,同时带内的3dB失真也得到了有效改善,验证了所提出非线性模型的有效性.
文献关键词：
5G;功率放大器;数字预失真;图卷积
中图分类号：
作者姓名：
马施榆;解程杰
作者机构：
宁波大学信息科学与工程学院 浙江 宁波 315211
文献出处：
引用格式：
[1]马施榆;解程杰-.基于图卷积神经网络的射频功放数字预失真模型)[J].数据通信,2022(06):12-15
A类：
35dB
B类：
图卷积神经网络,射频功放,数字预失真,宽带射频,放进,非线性补偿,ISTM,输入数据,时域特征,卷积层,提取数据,频域特征,全连接层,失真信号,60MHz,NR,对中心,中心频率,9GHz,50W,Doherty,线性化,非线性建模,归一化均方误差,NMSE,明经,信道,ACLR,15dB,3dB,非线性模型,功率放大器
AB值：
0.337061
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
