【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】发明申请 【申请人】东南大学 【申请人类型】学校 【申请人地址】210096 江苏省南京市四牌楼2号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】玄武区 【申请号】CN201010501606.5 【申请日】2010-09-29 【申请年份】2010 【公开公告号】CN101997492A 【公开公告日】2011-03-30 【公开公告年份】2011 【发明人】周健义; 晋石磊; 洪伟 【主权项内容】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。。 【当前权利人】东南大学 【当前专利权人地址】江苏省南京市四牌楼2号 【统一社会信用代码】12100000466006770Q 【被引证次数】16 【被他引次数】16.0 【家族被引证次数】16

未经允许不得转载：http://www.zhongzhencnc.com/1785410092.html