[发明专利]射频放大器预失真处理方法及其系统

权利要求书

1.一种射频放大器预失真处理方法，其特征在于，包括以下步骤：

通过复数类神经网络算法，构建射频放大器的类神经网络模型；其中，所述类神经网络模型由复数幂函数构成，所述复数幂函数的各阶系数对应所述射频放大器的各阶谐波的失真系数；

将工作在非线性状态下的射频放大器的输出和输入作为所述类神经网络模型的学习样本，通过误差梯度逐步逼近零的方法，获得所述复数幂函数的各阶系数；

利用所述各阶系数确定的类神经网络模型，对工作在非线性状态下的所述射频放大器进行预失真处理。

2.如权利要求1所述的射频放大器预失真处理方法，其特征在于，将工作在非线性状态下的射频放大器的输出和输入作为所述类神经网络模型的学习样本，通过误差梯度逐步逼近零的方法，获得所述复数幂函数的各阶系数的步骤包括：

生成所述复数幂函数的各阶系数的初始值，所述类神经网络模型的学习率，以及误差阈值；

将工作在非线性状态下的射频放大器的输出和输入作为所述类神经网络模型的学习样本批量输入所述类神经网络模型；

计算所述类神经网络模型的学习样本的输出以及所述类神经网络模型的实际输出的误差值；

判断所述误差值是否低于所述误差阈值，如果是，则获取对应的所述各阶系数作为所述类神经网络模型的复数幂函数的各阶系数；否则，根据误差趋势，修改所述各阶系数后重新计算所述类神经网络模型的输出以及误差，直到所述误差值低于所述误差阈值后，获取对应的所述各阶系数作为所述类神经网络模型的复数幂函数的各阶系数。

3.如权利要求2所述的射频放大器预失真处理方法，其特征在于：

将工作在非线性状态下的射频放大器的输出作为所述类神经网络模型的输入，将所述类神经网络模型的输出与所述射频放大器的输入比较，获取第一误差值；

根据所述第一误差值的变化趋势，修改所述复数幂函数的各阶系数，使所述第一误差值逐渐逼近于零；

当所述第一误差值低于所述误差阈值时，获取对应的所述各阶系数作为执行射频放大器预失真处理的类神经网络模型所对应的复数幂函数的各阶系数。

4.如权利要求2所述的射频放大器预失真处理方法，其特征在于：

将工作在非线性状态下的射频放大器的输入作为所述类神经网络模型的输入，将所述类神经网络模型的输出与所述射频放大器的输出比较，获取第二误差值；

根据所述第二误差值的变化趋势，修改所述复数幂函数的各阶系数，使所述第二误差值逐渐逼近于零；

当所述第二误差值低于所述误差阈值时，获取对应的所述各阶系数作为执行射频放大器非线性模拟的类神经网络模型所对应的复数幂函数的各阶系数。