卫星通信功率放大器的预失真模型研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-16页 |
| 1.1 论文研究背景及研究现状 | 第12-13页 |
| 1.2 论文的研究意义及目的 | 第13页 |
| 1.3 论文内容及结构安排 | 第13-16页 |
| 2 功率放大器的非线性特性及线性化方法 | 第16-29页 |
| 2.1 功率放大器的非线性特性 | 第16-20页 |
| 2.1.1 谐波失真 | 第16页 |
| 2.1.2 互调失真 | 第16-18页 |
| 2.1.3 AM/AM和AM/PM特性 | 第18页 |
| 2.1.4 记忆效应 | 第18-20页 |
| 2.2 功率放大器的技术指标 | 第20-23页 |
| 2.2.1 1dB压缩点 | 第20页 |
| 2.2.2 三阶截断点IP3 | 第20-21页 |
| 2.2.3 邻道功率比(ACPR) | 第21-22页 |
| 2.2.4 误差矢量幅度(EVM) | 第22-23页 |
| 2.2.5 归一化均方误差(NMSE) | 第23页 |
| 2.3 功率放大器线性化技术 | 第23-28页 |
| 2.3.1 功率回退技术 | 第24页 |
| 2.3.2 前馈线性化技术 | 第24-25页 |
| 2.3.3 负反馈线性化技术 | 第25-26页 |
| 2.3.4 非线性器件线性化技术 | 第26页 |
| 2.3.5 预失真技术 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 预失真器模型及预失真方法研究 | 第29-47页 |
| 3.1 无记忆的模型 | 第29-30页 |
| 3.2 有记忆的模型 | 第30-34页 |
| 3.2.1 Volterra级数模型 | 第30-31页 |
| 3.2.2 记忆多项式模型 | 第31-32页 |
| 3.2.3 多盒模型 | 第32-34页 |
| 3.3 神经网络类的有记忆模型 | 第34-41页 |
| 3.3.1 BP神经网络 | 第34-38页 |
| 3.3.2 RBF神经网络 | 第38-41页 |
| 3.4 数字预失真模型识别 | 第41-44页 |
| 3.4.1 直接学习结构 | 第42-43页 |
| 3.4.2 间接学习结构 | 第43-44页 |
| 3.5 自适应算法 | 第44-46页 |
| 3.5.1 LMS算法 | 第44-45页 |
| 3.5.2 RLS算法 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 预失真器模型建立与仿真分析 | 第47-69页 |
| 4.1 功率放大器的非线性特性 | 第47-49页 |
| 4.2 Volterra级数预失真系统仿真 | 第49-54页 |
| 4.2.1 Volterra功放模型的建立 | 第49-51页 |
| 4.2.2 Volterra预失真系统 | 第51-54页 |
| 4.3 记忆多项式预失真系统仿真 | 第54-59页 |
| 4.3.1 记忆多项式功放模型的建立 | 第54-55页 |
| 4.3.2 记忆多项式预失真系统 | 第55-58页 |
| 4.3.3 仿真结果分析 | 第58-59页 |
| 4.4 RBF神经网络预测模型仿真 | 第59-62页 |
| 4.5 复值非线性激励函数 | 第62-64页 |
| 4.6 双单变量自适应滤波方法 | 第64-68页 |
| 4.6.1 双单变量自适应滤波原理 | 第64-65页 |
| 4.6.2 基于BPNN的实虚部分离模型仿真 | 第65-68页 |
| 4.7 本章小结 | 第68-69页 |
| 5 复值预失真模型研究 | 第69-86页 |
| 5.1 复值滤波器 | 第69-71页 |
| 5.1.1 前向自适应滤波器 | 第69-70页 |
| 5.1.2 递归感知滤波器 | 第70-71页 |
| 5.2 递归神经网络 | 第71-73页 |
| 5.3 FCRNN性能分析 | 第73-75页 |
| 5.4 改进后的短时记忆递归神经网络 | 第75-77页 |
| 5.5 STMRNN性能分析 | 第77-79页 |
| 5.6 改进后的全反馈短时记忆递归神经网络 | 第79-81页 |
| 5.7 AFSMRNN性能分析 | 第81-84页 |
| 5.8 本章小结 | 第84-86页 |
| 6 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第92-96页 |
| 学位论文数据集 | 第96页 |
