典型文献
基于增强型LSTM神经网络的5G射频功放线性化
文献摘要：
本文提出了一种基于增强型LSTM神经网络(A-LSTM)的数字预失真线性化模型,以更好的补偿5G宽带射频功放的动态非线性特性.模型的输入层在引入延迟抽头模拟功放线性记忆效应的基础上,对每一个延迟抽头进行非线性级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真导致的带内失真以及带外频谱扩展等问题.为验证模型的有效性,本文采用100MHz的5GNR信号作为测试信号,对一个中心频率为2.6GHz的5G射频功放进行数字预失真线性化实验.实验结果表明,基于增强型LSTM神经网络数字预失真器的带外抑制可达16dB,相比于其他几种预失真器展现出更好的线性化效果,验证了基于增强型LSTM神经网络数字预失真器的有效性.
文献关键词：
5G;功率放大器;数字预失真;增强型LSTM(A-LSTM)
中图分类号：
作者姓名：
方俊
作者机构：
宁波大学信息科学与工程学院,宁波315211
文献出处：
引用格式：
[1]方俊-.基于增强型LSTM神经网络的5G射频功放线性化)[J].无线通信技术,2022(02):23-26
A类：
16dB
B类：
增强型,射频功放,放线,线性化模型,宽带射频,动态非线性,非线性特性,输入层,抽头,线性记忆,记忆效应,级数展开,非线性失真,外频,频谱扩展,验证模型,100MHz,5GNR,一个中心,中心频率,6GHz,放进,化实验,数字预失真器,带外抑制,功率放大器
AB值：
0.287007
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。
