首页--工业技术论文--无线电电子学、电信技术论文--基本电子电路论文--放大技术、放大器论文--放大器论文--放大器:按作用分论文

先进数字预失真理论及应用

摘要第5-6页
ABSTRACT第6-7页
主要符号对照表第14-15页
第一章 绪论第15-23页
    1.1 研究背景第15-21页
        1.1.1 移动通信技术演进方向第15页
        1.1.2 功率放大器与发射机第15-19页
        1.1.3 传统数字预失真技术面临的挑战第19-20页
        1.1.4 数字预失真技术研究现状第20-21页
    1.2 本文主要工作及内容安排第21-23页
第二章 功率放大器的行为建模与数字预失真第23-53页
    2.1 功放的非线性失真与记忆效应第23-25页
        2.1.1 静态非线性失真第23-24页
        2.1.2 动态非线性失真第24-25页
    2.2 功放的行为建模第25-39页
        2.2.1 Volterra级数模型第25-28页
        2.2.2 多盒模型第28-30页
        2.2.3 分段函数模型第30-36页
        2.2.4 神经网络模型第36-39页
    2.3 DPD学习结构第39-42页
        2.3.1 间接学习第39-40页
        2.3.2 直接学习第40-41页
        2.3.3 间接学习与直接学习的对比第41-42页
    2.4 DPD模型的参数辨识方法第42-51页
        2.4.1 LS/NLMS/RLS算法第42-45页
        2.4.2 随机梯度算法第45-46页
        2.4.3 二阶Newton算法第46-48页
        2.4.4 反向传播算法第48-51页
    2.5 本章小结与讨论第51-53页
第三章 基于单比特采样的DPD系统研究第53-77页
    3.1 一种基于直接学习结构的单比特DPD系统第54-68页
        3.1.1 理论分析第54-56页
        3.1.2 单比特DPD系统结构第56页
        3.1.3 基于单比特数据的频域时间对齐算法第56-61页
        3.1.4 单比特DPD系统迭代步长的优化第61-62页
        3.1.5 总体复杂度对比第62-63页
        3.1.6 实验验证第63-68页
    3.2 一种前向建模辅助下的单比特DPD系统第68-75页
        3.2.1 实数等效模型第69-70页
        3.2.2 系统结构第70页
        3.2.3 目标函数的构建第70-73页
        3.2.4 DPD模型参数提取步骤第73-74页
        3.2.5 实验验证第74-75页
    3.3 本章小结与讨论第75-77页
第四章 基于频谱外推的DPD系统研究第77-93页
    4.1 基于频谱外推的DPD系统理论分析第77-83页
        4.1.1 问题描述第78-79页
        4.1.2 频谱外推算子的求解第79-80页
        4.1.3 基于频谱外推的DPD系统参数提取算法第80-83页
    4.2 改进的频谱外推DPD算法第83-87页
        4.2.1 数值稳定性研究第83-84页
        4.2.2 频谱外推算子的分段FFT实现第84-85页
        4.2.3 实验验证第85-87页
    4.3 一种基于随机解调的DPD系统第87-91页
        4.3.1 随机解调技术原理第88-89页
        4.3.2 基于随机解调技术的DPD参数提取算法第89-90页
        4.3.3 仿真验证第90-91页
    4.4 本章小结与讨论第91-93页
第五章 DPD系统中的关键问题研究第93-109页
    5.1 DPD系统中功率对齐问题研究第93-99页
        5.1.1 问题描述第93-96页
        5.1.2 一步提取最优归一化增益第96-98页
        5.1.3 实验验证第98-99页
    5.2 DPD系统中频率相关I/Q非平衡问题研究第99-108页
        5.2.1 频率相关I/Q非平衡的等效基带模型第100-102页
        5.2.2 存在QDMI时的DPD模型参数精确提取方法第102-104页
        5.2.3 同时存在QMI与QDMI时的DPD模型参数精确提取方法第104-105页
        5.2.4 实验验证第105-108页
    5.3 本章小结与讨论第108-109页
第六章 总结与展望第109-111页
参考文献第111-117页
致谢第117-119页
在读期间发表的学术论文与取得的研究成果第119-121页

论文共121页,点击 下载论文
上一篇:基于深度学习表征的图像检索技术
下一篇:稀疏目标的MIMO雷达成像技术研究