基于神经网络的功率放大器的线性化研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题的研究背景和意义 | 第9-10页 |
| ·功率放大器线性化技术发展及研究现状 | 第10-11页 |
| ·本文主要的研究内容和结构安排 | 第11-13页 |
| 第二章 神经网络理论基础 | 第13-18页 |
| ·人工神经网络 | 第13-15页 |
| ·神经网络的发展历史及其应用前景 | 第13-15页 |
| ·网络结构以及工作方式 | 第15页 |
| ·常用的神经网络技术 | 第15-18页 |
| ·BP 网络 | 第15-16页 |
| ·RBF 网络 | 第16-18页 |
| 第三章 RF 功率放大器的线性化研究 | 第18-34页 |
| ·射频功率放大器 | 第18-19页 |
| ·无线通信中的 RF 功率放大器 | 第18-19页 |
| ·功率放大器的分类 | 第19页 |
| ·功率放大器的非线性对通信系统的影响 | 第19-21页 |
| ·功率放大器的非线性 | 第21-25页 |
| ·1dB 压缩点 | 第21-22页 |
| ·功率效率 | 第22页 |
| ·互调失真 | 第22-23页 |
| ·邻信道功率比 | 第23-24页 |
| ·AM-AM 与 AM-PM 转换 | 第24-25页 |
| ·功率放大器线性化技术 | 第25-29页 |
| ·功率回退法 | 第26页 |
| ·前馈法 | 第26-27页 |
| ·负向反馈法 | 第27-28页 |
| ·预失真法 | 第28-29页 |
| ·放大器的记忆模型 | 第29-34页 |
| ·功率放大器的记忆效应及有记忆模型 | 第29-33页 |
| ·神经网络模型 | 第33-34页 |
| 第四章 RF 功率放大器的小波网络模型 | 第34-50页 |
| ·小波网络的基本理论 | 第34-38页 |
| ·小波与小波变换 | 第34页 |
| ·小波神经网络构造 | 第34-37页 |
| ·小波网络与前馈神经网络的关系 | 第37-38页 |
| ·功率放大器的小波网络模型 | 第38-46页 |
| ·放大器建模 | 第38-41页 |
| ·参数的初始化 | 第41-43页 |
| ·参数训练算法 | 第43-46页 |
| ·仿真验证 | 第46-50页 |
| 第五章 结果与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |
