基于神经网络的射频功放非线性模型研究
| 引言 | 第1-9页 |
| 1 绪论 | 第9-13页 |
| ·选题背景和意义 | 第9-10页 |
| ·研究现状及发展趋势 | 第10-11页 |
| ·本文的主要内容安排及创新点 | 第11-13页 |
| 2 功率放大器非线性特性分析 | 第13-16页 |
| ·功率放大器的非线性特性 | 第13-14页 |
| ·功放的无记忆行为模型 | 第14-15页 |
| ·Saleh模型 | 第14-15页 |
| ·Rapp模型 | 第15页 |
| ·本章小结 | 第15-16页 |
| 3 功率放大器的记忆效应及记忆型行为模型 | 第16-25页 |
| ·记忆效应分类 | 第16页 |
| ·电记忆效应 | 第16页 |
| ·电热记忆效应 | 第16页 |
| ·记忆效应分析 | 第16-17页 |
| ·功放的记忆型行为模型 | 第17-23页 |
| ·Wiener模型 | 第17-18页 |
| ·Hammerstein模型 | 第18-19页 |
| ·Wiener-Hammerstein模型 | 第19-20页 |
| ·Volterra级数模型 | 第20-21页 |
| ·记忆多项式模型 | 第21-22页 |
| ·并联Wiener模型 | 第22-23页 |
| ·并联Hammerstein模型 | 第23页 |
| ·本章小结 | 第23-25页 |
| 4 神经网络非线性行为模型 | 第25-36页 |
| ·神经网络概述 | 第25-27页 |
| ·神经网络结构 | 第25-26页 |
| ·神经网络特点 | 第26页 |
| ·神经网络的学习方式 | 第26-27页 |
| ·神经网络网络结构分类 | 第27-29页 |
| ·神经网络的行为模型 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 5 单波段功放的神经网络非线性建模 | 第36-56页 |
| ·径向基函数神经网络 | 第36-37页 |
| ·径向基函数学习方法 | 第37-40页 |
| ·K-均值聚类算法 | 第37-38页 |
| ·梯度训练法 | 第38-39页 |
| ·正交最小二乘法 | 第39-40页 |
| ·径向基函数神经网络建模 | 第40-43页 |
| ·拓扑结构 | 第41-42页 |
| ·AM/AM及AM/PM特性曲线 | 第42-43页 |
| ·交叉实数时延径向基函数神经网络建模 | 第43-49页 |
| ·拓扑结构 | 第43-45页 |
| ·模型参数训练 | 第45-46页 |
| ·模型验证与结论分析 | 第46-49页 |
| ·递归型径向基函数神经网络建模 | 第49-55页 |
| ·拓扑结构 | 第49-51页 |
| ·模型参数训练 | 第51-54页 |
| ·模型验证及结论分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 6 双波段功放的神经网络非线性建模 | 第56-66页 |
| ·双波段功放的非线性特性 | 第56-58页 |
| ·双波段信号的同步问题 | 第58-59页 |
| ·拓扑结构 | 第59-62页 |
| ·模型验证与结论分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 7 结论与展望 | 第66-67页 |
| ·工作总结 | 第66页 |
| ·工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 论文摘要 | 第73-74页 |
| Abstract of Thesis | 第74-75页 |
