| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究工作的背景与意义 | 第9-12页 |
| 1.2 数字预失真技术原理 | 第12-13页 |
| 1.3 CFR技术总结 | 第13-16页 |
| 1.3.1 限幅滤波 | 第14-15页 |
| 1.3.2 选择映射法 | 第15-16页 |
| 1.4 数字预失真技术发展现状 | 第16页 |
| 1.5 论文的主要工作 | 第16-17页 |
| 第二章 功率放大器的非线性特性 | 第17-28页 |
| 2.1 无线通信标准演进 | 第17页 |
| 2.2 功率放大器特性 | 第17-24页 |
| 2.2.1 功率放大器的分类与效率 | 第18页 |
| 2.2.2 单音测试和非线性测量 | 第18-21页 |
| 2.2.3 双音测试和非线性测量 | 第21-23页 |
| 2.2.4 数字调制信号测试和非线性测量 | 第23-24页 |
| 2.3 功率放大器记忆效应 | 第24-27页 |
| 2.3.1 记忆效应的表征 | 第24-25页 |
| 2.3.2 记忆效应的来源 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 神经网络模型及预失真系统仿真 | 第28-54页 |
| 3.1 功率放大器行为模型 | 第28-35页 |
| 3.1.1 无记忆模型 | 第30-31页 |
| 3.1.1.1 Saleh模型 | 第30-31页 |
| 3.1.1.2 无记忆多项式模型 | 第31页 |
| 3.1.2 记忆模型 | 第31-35页 |
| 3.1.2.1 多盒模型 | 第31-32页 |
| 3.1.2.2 记忆多项式模型 | 第32-33页 |
| 3.1.2.3 神经网络模型 | 第33-35页 |
| 3.2 行为模型参数提取算法 | 第35-41页 |
| 3.2.1 RLS算法 | 第36-37页 |
| 3.2.2 BP及LMBP算法 | 第37-41页 |
| 3.2.2.1 BP算法 | 第37-40页 |
| 3.2.2.2 LMBP算法 | 第40-41页 |
| 3.3 行为模型仿真 | 第41-51页 |
| 3.3.1 功率放大器输入输出数据采样 | 第41-43页 |
| 3.3.2 时延估计和调整 | 第43-44页 |
| 3.3.3 行为模型仿真结果 | 第44-51页 |
| 3.4 数字预失真系统仿真 | 第51-53页 |
| 3.4.1 学习结构 | 第51-52页 |
| 3.4.2 神经网络数字预失真系统仿真结果 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 数字预失真系统硬件实现 | 第54-70页 |
| 4.1 WIMAX信号和WCDMA信号的FPGA实现 | 第54-60页 |
| 4.1.1 WiMAX信号的FPGA实现 | 第55-58页 |
| 4.1.2 WCDMA信号的FPGA实现 | 第58-60页 |
| 4.2 PC-CFR的FPGA实现 | 第60-64页 |
| 4.3 神经网络预失真器的FPGA实现 | 第64-67页 |
| 4.3.1 直流滤波 | 第64-66页 |
| 4.3.2 神经网络预失真器 | 第66-67页 |
| 4.4 时延估计和时延校正的DSP实现 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 数字预失真系统离线测试 | 第70-72页 |
| 第六章 全文总结与展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |