基于遗传神经网络的射频功放行为模型研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 功放行为模型研究内容与现状 | 第11-17页 |
| 1.2.1 行为模型数学基础 | 第11-14页 |
| 1.2.2 功放行为模型的建立过程 | 第14-16页 |
| 1.2.3 功放行为模型的研究现状 | 第16-17页 |
| 1.3 本文的主要贡献 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-19页 |
| 第二章 射频功放的失真特性及行为模型 | 第19-36页 |
| 2.1 功放行为模型传输信号特性 | 第19-20页 |
| 2.2 射频功率放大器的失真特性 | 第20-27页 |
| 2.2.1 AM/AM与AM/PM特性 | 第20-21页 |
| 2.2.2 谐波失真与交调失真特性 | 第21-25页 |
| 2.2.2.1 谐波失真特性 | 第21页 |
| 2.2.2.2 交调失真特性 | 第21-24页 |
| 2.2.2.3 交调失真度的表征 | 第24-25页 |
| 2.2.3 记忆效应 | 第25-27页 |
| 2.3 功放行为模型 | 第27-35页 |
| 2.3.1 无记忆射频功放行为模型 | 第28-29页 |
| 2.3.2 有记忆射频功放行为模型 | 第29-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 遗传神经网络功放行为模型 | 第36-55页 |
| 3.1 遗传神经网络 | 第36-42页 |
| 3.1.1 人工神经网络简介 | 第36-38页 |
| 3.1.2 遗传算法 | 第38-41页 |
| 3.1.2.1 遗传算法及其特点概述 | 第38-39页 |
| 3.1.2.2 基本遗传算法 | 第39-41页 |
| 3.1.3 遗传神经网络 | 第41-42页 |
| 3.1.3.1 遗传算法与神经网络的结合 | 第41-42页 |
| 3.1.3.2 遗传神经网络 | 第42页 |
| 3.2 模型输入的预处理 | 第42-44页 |
| 3.2.1 输入输出信号对齐 | 第42-43页 |
| 3.2.2 输入输出信号归一化 | 第43-44页 |
| 3.3 实值时延神经网络功放行为模型 | 第44-49页 |
| 3.3.1 模型概述 | 第44-45页 |
| 3.3.2 实值时延神经网络功放行为模型建立 | 第45-46页 |
| 3.3.3 模型参数的提取 | 第46-49页 |
| 3.4 遗传神经网络功放行为模型 | 第49-52页 |
| 3.4.1 模型概述 | 第49页 |
| 3.4.2 遗传神经网络射频功放行为模型建立 | 第49-50页 |
| 3.4.3 模型参数的提取 | 第50-52页 |
| 3.5 改进型遗传神经网络功放行为模型 | 第52-54页 |
| 3.5.1 模型概述 | 第52页 |
| 3.5.2 改进型遗传神经网络功放行为模型建立 | 第52-53页 |
| 3.5.3 模型参数的提取 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 遗传神经网络行为模型的评估及分析 | 第55-72页 |
| 4.1 评估平台与指标 | 第55-59页 |
| 4.1.1 评估平台 | 第55-58页 |
| 4.1.2 评估指标 | 第58-59页 |
| 4.2 模型影响因子分析 | 第59-61页 |
| 4.2.1、记忆深度与非线性阶次对模型的影响 | 第59-60页 |
| 4.2.2、样本大小对模型性能的影响 | 第60-61页 |
| 4.3 模型性能的比较分析 | 第61-71页 |
| 4.3.1、模型精度与复杂度分析 | 第61-62页 |
| 4.3.2、模型拟合能力分析 | 第62-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 全文总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72页 |
| 5.2 后续工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |
