| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·RF 功放建模技术研究发展状况 | 第12-13页 |
| ·RF 功放线性化技术研究发展状况 | 第13页 |
| ·本论文主要工作 | 第13-15页 |
| 第二章 RF 功率放大器非线性特性以及记忆效应分析 | 第15-25页 |
| ·RF 功率放大器的非线性特性分析 | 第15-17页 |
| ·谐波失真 | 第15-16页 |
| ·互调失真 | 第16-17页 |
| ·AM/AM 和 AM/PM 特性 | 第17页 |
| ·功率放大器的线性度指标 | 第17-20页 |
| ·1dB 压缩点 | 第17-18页 |
| ·三阶截断点（IP3） | 第18-19页 |
| ·相邻信道功率比（ACPR） | 第19-20页 |
| ·功率放大器的记忆效应 | 第20-23页 |
| ·记忆效应的定义与识别 | 第20页 |
| ·记忆效应产生的原因 | 第20-23页 |
| ·记忆效应的消除 | 第23页 |
| ·电记忆效应的消除 | 第23页 |
| ·热记忆效应的消除 | 第23页 |
| ·小结 | 第23-25页 |
| 第三章 神经网络的基本理论 | 第25-43页 |
| ·神经网络的发展历史 | 第25-26页 |
| ·生物神经元与人工神经网络模型 | 第26-28页 |
| ·生物神经网络 | 第26页 |
| ·人工神经网络模型 | 第26-28页 |
| ·BP 神经网络的基本原理 | 第28-35页 |
| ·BP 网络的基本结构 | 第28-29页 |
| ·BP 网络学习算法和学习过程 | 第29-33页 |
| ·BP 网络的激励函数 | 第33-34页 |
| ·BP 网络的优缺点 | 第34-35页 |
| ·模糊神经网络基本原理 | 第35-42页 |
| ·模糊集合的基本理论 | 第35-40页 |
| ·自适应模糊推理系统 ANFIS 的结构和算法 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第四章 RF 功放的神经网络行为模型及其线性化技术 | 第43-53页 |
| ·RF 功率放大器行为模型概述 | 第43-44页 |
| ·RF 功放无记忆模型 | 第44页 |
| ·Saleh 模型 | 第44页 |
| ·无记忆多项式模型 | 第44页 |
| ·RF 功放有记忆模型 | 第44-48页 |
| ·Volterra 级数模型 | 第44-45页 |
| ·Winner 和 Hammerstein 模型 | 第45-47页 |
| ·神经网络模型 | 第47-48页 |
| ·RF 功放的线性化技术 | 第48-52页 |
| ·负反馈线性化技术 | 第48-49页 |
| ·前馈线性化技术 | 第49-50页 |
| ·LINC 线性化技术 | 第50-51页 |
| ·预失真技术 | 第51-52页 |
| ·主要线性化技术的性能比较 | 第52页 |
| ·小结 | 第52-53页 |
| 第五章 神经网络的有记忆功放行为模型 | 第53-64页 |
| ·ANFIS 的有记忆功放模型 | 第53-58页 |
| ·ANFIS 功放行为模型的建模步骤 | 第53页 |
| ·自适应模糊神经网络（ANFIS）功放建模 | 第53-55页 |
| ·ANFIS 模型验证 | 第55-58页 |
| ·改进 BP 网络（IBPNN）的有记忆功放模型 | 第58-64页 |
| ·IBPNN 的有记忆功放模型设计 | 第58-61页 |
| ·IBPNN 的有记忆功放模型验证 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·课题主要工作总结 | 第64-65页 |
| ·后期工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 在学期间的研究成果及发表的学术论文 | 第72页 |