典型文献
基于深度时序卷积网络的功率放大器行为建模方法
文献摘要：
功率放大器作为辐射源发射机的核心部件,其工作行为具有高非线性、强记忆性等特点,导致功率放大器的行为建模难度颇高.针对该问题,文中提出了一种基于深度时序卷积网络的功率放大器行为建模方法.该方法采用的神经网络模型由多个多维时序卷积块构成,每个时序卷积块由数个用于增加网络感受野的因果膨胀卷积以及用于提高梯度反馈效率的残差结构组成.模型通过并行卷积操作,克服了传统卷积网络无法处理可变长序列的弊端,在保留功率放大器记忆特性的同时,提高了行为建模的效率.针对实测数据的行为建模结果表明,相比于现有的Volterra级数以及循环神经网络建模方法,文中提出的方法可显著提升行为建模精度,且在行为建模效率方面,相较于循环神经网络建模方法,将实现时间降低了一个数量级.
文献关键词：
辐射源;功率放大器;行为建模;时序卷积网络;残差结构;因果卷积;膨胀卷积;深度网络
中图分类号：
作者姓名：
周凡;赵轩;邵杰
作者机构：
南京航空航天大学 电子信息工程学院,江苏 南京211106
文献出处：
引用格式：
[1]周凡;赵轩;邵杰-.基于深度时序卷积网络的功率放大器行为建模方法)[J].电子科技,2022(08):7-13
A类：
因果膨胀卷积
B类：
时序卷积网络,功率放大器,行为建模,辐射源,发射机,核心部件,工作行为,高非线性,强记,记忆性,数个,感受野,残差结构,结构组成,行卷,卷积操作,变长,记忆特性,Volterra,循环神经网络,网络建模,建模精度,建模效率,数量级,因果卷积,深度网络
AB值：
0.254696
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。
