基于图卷积神经网络的射频功放数字预失真模型

摘要：

本文提出了一种基于图卷积神经网络的射频功放数字预失真模型,可以有效地对宽带射频功放进行非线性补偿.通过时序处理模块和ISTM层提取输入数据中的时域特征;同时对经过时序处理模块后的输入数据进行相关性分析等操作,并通过图卷积层提取数据的频域特征,最后通过全连接层得到最后的预失真信号.为了验证该方法的有效性,使用60MHz带宽的5G NR信号对中心频率1.9GHz的50W Doherty功放进行预失真线性化测试.预失真非线性建模的归一化均方误差(NMSE)可达到-35dB,实验结果表明经过基于图卷积神经网络的数字预失真模型的功放与没有经过预失真模型的功放相比,邻信道泄漏比(ACLR)改善超过15dB,同时带内的3dB失真也得到了有效改善,验证了所提出非线性模型的有效性.

关键词：5G、功率放大器、数字预失真、图卷积

分类号：TN722.75;TN914;TP212.9

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：12-15