基于简化模糊神经网络的增强维纳模型的功放预失真方法

摘要：

基于简化模糊神经网络的增强维纳模型的功放预失真方法，主要包括模糊神经网络子系统和FIR滤波器子系统。模糊神经网络子系统由二阶Sugeno?FIS结构的简化模糊神经网络构成，用于补偿功率放大器幅度和相位失真特性，FIR滤波器子系统由两个平行的有限冲击响应(FIR)滤波器构成，用于补偿功放的记忆效应。结合间接的学习结构，模糊神经网络的参数由最小二乘和反向传播相结合学习算法来识别，线性FIR滤波器系数由最小二乘法确定，该预失真方案，在不增加实现复杂度的同时，结合了简化模糊神经网络结构的灵活稳定的特点，利用了增强型维纳模型的特点，补偿了宽带功率放大器由于宽带匹配不理想带来的频谱再生，能够对宽带深度记忆效应的功率放大器准确建模。

专利类型：发明专利

申请/专利号：CN201010501606.5

申请日期：2010-09-29

公开/公告号：CN101997492A

公开/公告日：2011-03-30

主分类号：H03F1/32(2006.01)I

申请/专利权人:东南大学

发明/设计人:周健义;晋石磊;洪伟

主申请人地址:210096 江苏省南京市四牌楼2号

专利代理机构:南京苏高专利商标事务所(普通合伙) 32204

代理人:柏尚春

国别省市代码:江苏;32

权利要求：

一种基于简化模糊神经网络的增强维纳模型的功放预失真方法，其特征在于该方法具体步骤如下：a)采用宽带调制信号作为功率放大器的基带输入信号，利用高速模数转换器采集功率放大器的输入和输出基带数据，b)利用采集功放的输入和输出数据，建立用于预失真的功放模型，即基于简化模糊神经网络的增强维纳模型，c)训练所述功放模型的参数达到期望的误差，以最终确定功放模型参数，d)建立基于简化模糊神经网络的增强维纳模型的逆模型，f)将基带输入信号通过逆模型，再通过正交调制器、上变频器，经过功率放大器输出。