[发明专利]基于实数延时神经网络的同步双频功率放大器建模方法有效
| 申请号： | 201110020093.0 | 申请日： | 2011-01-18 |
| 公开（公告）号： | CN102081751A | 公开（公告）日： | 2011-06-01 |
| 发明（设计）人： | 黄梓宏;陈文华;冯正和 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 苏培华 |
| 地址： | 100084*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 实数 延时 神经网络 同步 双频 功率放大器 建模 方法 | ||
1.一种基于实数延时神经网络的同步双频功率放大器建模方法，其特征在于，包括以下步骤：
步骤101，建立同步双频功率放大器的实数延时神经网络模型；
步骤102，将两路宽带多载波信号作为同步双频功率放大器的基带输入信号；
步骤103，采集同步双频功率放大器的输入和输出数据；
步骤104，确定实数延时神经网络模型参数，并训练模型。
2.如权利要求1所述的方法，其特征在于，所述在采集功率放大器的输入和输出数据后，还包括：
同步输入和输出数据。
3.如权利要求2所述的方法，其特征在于，所述同步输入和输出数据采用将功率放大器的基带I/Q信号做复相关来进行。
4.如权利要求1所述的方法，其特征在于，所述确定的实数延时神经网络模型参数包括实数延时神经网络模型的记忆深度和隐层单元个数。
5.如权利要求4所述的方法，其特征在于，所述实数延时神经网络模型的记忆深度的数值按照自然数从小到大的顺序选择。
6.如权利要求4所述的方法，其特征在于，所述隐层单元个数m与输入单元数n的关系为：m＝2n+1。
7.如权利要求1所述的方法，其特征在于，所述方法还包括检验模型，所述检验模型的过程为：
将用于检验的输入数据作为神经网络模型的输入；
采集神经网络模型的输出数据；
将神经网络模型的输出数据和实际测量输出数据在时域上进行对比；
将神经网络模型的输出数据和实际测量输出数据做傅里叶变换，在频域上进行对比。
8.如权利要求7所述的方法，其特征在于，所述检验模型还包括：
根据对比的结果来判断神经网络模型的误差是否达到指标，若是，则结束；反之，则重新确定模型参数，并训练模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201110020093.0/1.html，转载请声明来源钻瓜专利网。
- 上一篇：带偏置电路的高分辨率模拟量光纤转换方法及转换器
- 下一篇：一种LED显示屏
