WCDMA系统中基于小波网络的数字预失真技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景与意义 | 第11-13页 |
| ·线性化技术发展及现状 | 第13-15页 |
| ·本文的研究内容及主要工作 | 第15-17页 |
| 第2章 功率放大器的非线性特性与行为模型 | 第17-31页 |
| ·功率放大器的非线性特性 | 第17-20页 |
| ·谐波失真 | 第17-18页 |
| ·互调失真 | 第18-19页 |
| ·交调失真 | 第19页 |
| ·AM/AM和AM/PM失真 | 第19-20页 |
| ·功率放大器非线性的影响 | 第20-22页 |
| ·带内失真 | 第20-21页 |
| ·带外失真 | 第21-22页 |
| ·功率放大器的记忆效应 | 第22-23页 |
| ·功放的非线性技术指标 | 第23-25页 |
| ·1dB压缩点 | 第23-24页 |
| ·三阶互调系数和三阶截断点 | 第24页 |
| ·邻信道泄露功率比 | 第24-25页 |
| ·误差矢量幅度 | 第25页 |
| ·功率放大器的行为模型 | 第25-31页 |
| ·无记忆模型 | 第26-28页 |
| ·有记忆模型 | 第28-31页 |
| 第3章 功放的线性化技术与数字预失真 | 第31-43页 |
| ·功放的线性化技术 | 第31-36页 |
| ·功率回退技术 | 第31页 |
| ·负反馈技术 | 第31-33页 |
| ·前馈技术 | 第33页 |
| ·LINC技术 | 第33-34页 |
| ·预失真技术 | 第34-36页 |
| ·功放线性化技术的对比 | 第36页 |
| ·数字预失真技术 | 第36-43页 |
| ·自适应数字预失真技术原理 | 第36-38页 |
| ·预失真系统学习结构 | 第38-39页 |
| ·数字预失真技术分类 | 第39-43页 |
| 第4章 人工神经网络与小波分析理论 | 第43-59页 |
| ·人工神经网络 | 第43-54页 |
| ·人工神经网络概述 | 第43-44页 |
| ·人工神经元模型 | 第44-45页 |
| ·神经网络的拓扑结构 | 第45-46页 |
| ·神经网络的学习 | 第46-49页 |
| ·BP神经网络 | 第49-54页 |
| ·小波分析 | 第54-59页 |
| ·连续小波变换 | 第55-57页 |
| ·离散小波变换 | 第57-58页 |
| ·几种常用的小波 | 第58-59页 |
| 第5章 基于小波网络的数字预失真算法设计与仿真 | 第59-77页 |
| ·小波神经网络 | 第59-64页 |
| ·小波神经网络分类 | 第59-60页 |
| ·小波神经网络学习算法 | 第60-63页 |
| ·小波网络与BP网络的比较 | 第63-64页 |
| ·基于小波网络的数字预失真算法设计 | 第64-67页 |
| ·问题描述 | 第64页 |
| ·小波神经网络设计 | 第64-67页 |
| ·算法仿真及性能分析 | 第67-77页 |
| ·训练样本提取 | 第67-70页 |
| ·仿真过程及结果分析 | 第70-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表论文情况 | 第85页 |
