[发明专利]一种基于随机森林算法的数字预失真系统及方法

权利要求书

1.一种基于随机森林算法的数字预失真系统，其特征在于，该系统包括基于随机森林算法的数字预失真模型、数模转换器、发射机链路和功率放大器；数字基带输入信号通过基于随机森林算法的数字预失真模型产生预失真信号，然后经数模转换器、发射机链路、功率放大器，最终产生线性放大的射频输出信号；再经反馈回路接收，通过模数转换器转换为输出数字信号，与数字基带输入信号基本一致；其中，基于随机森林算法的数字预失真模型包括实部数字预失真模型和虚部数字预失真模型。

2.根据权利要求1所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述预失真信号是由数字基带输入信号通过实部数字预失真模型和虚部数字预失真模型后的两个结果合成得到。

3.根据权利要求1所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述基于随机森林算法的数字预失真模型的提取过程为：首先将输入信号输入功率放大器，捕获输出信号；然后将功率放大器的输入信号和输出信号分别作为数字预失真模型建模的输出信号和输入信号，采用随机森林算法构建数字预失真模型的行为模型。

4.根据权利要求3所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述数字预失真模型的行为模型包括实部数字预失真模型和虚部数字预失真模型，分别根据式(1)、(2)得到：

式中，M表示记忆深度，为建模输出信号的第n个样本，n的取值范围由具体的采样时间决定；为建模输入信号的第n样本，和则分别为一阶记忆项和二阶记忆项；Re{}代表信号的实部，Im{}代表信号的虚部；f_R为输出信号实部与输入信号间的映射关系，f_I为输出信号虚部与输入信号间的映射关系。

5.根据权利要求1所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述随机森林算法是一种并行式集成学习方法，从给定的训练集数据中有放回地采样k个训练样本，重复采样T次，得到T组k个样本的采样集，然后基于每个样本集训练出一个基学习器，再以简单平均法对T个基学习器的预测输出进行结合得到最终的预测输出。

6.根据权利要求5所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述基学习器为决策树模型，递归地调用划分特征空间的过程，将每个子空间再各自划分为两个子空间，直至满足停止条件；通过不断分裂子树的方式将输入信号的特征空间划分为若干个子空间，并给定每个子空间一个特定的输出。

7.根据权利要求6所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述划分特征空间的过程为：采用最小二乘法选择切分变量j和切分点s，通过求解式(3-a)、式(3-b)、式(3-c)得到：

R₁(j,s)＝{x_i|x_i^(j)≤s}，R₂(j,s)＝{x_i|x_i^(j)s} (3-b)

其中，j为信号的输入属性，即当前输入信号或之前M个输入信号的实部和虚部，在划分特征空间时作为切分变量；x_i为第i个输入向量,y_i为与输入向量x_i对应的输出的实部或虚部；R_m为第m个划分空间，m为子空间编号，每个空间仅能向下划分两个子空间，因此m仅能取1或2；为子空间m的预测输出，N_m为划分到子空间m中的所有输入向量的个数；

然后遍历切分变量j，对固定的切分变量j扫描切分点s，找到使式(3-a)达到最小值的对(j,s)，用选定的对(j,s)划分空间，并决定预测的输出值。

8.根据权利要求6或7所述的一种基于随机森林算法的数字预失真系统，其特征在于，所述停止条件为：再进行一次划分时，式(3-a)的最小值大于划分前。

9.一种如权利要求1所述的基于随机森林算法的数字预失真系统的数字预失真方法，其特征在于，包括以下步骤：

S1：将输入信号通过功率放大器产生输出信号，从而获得待线性化的功率放大器的实际输入信号和输出信号，并将输入信号数据、输出信号数据分为训练集和验证集；

S2：设置随机森林算法中基学习器的数量，采用训练集数据提取数字预失真模型；

S3：保存训练得到的数字预失真模型，利用验证集数据验证数字预失真模型的建模精度，完成基于随机森林算法的数字预失真模型的建立；

S4：搭建基于随机森林算法的数字预失真系统；

S5：将数字基带输入信号输入基于随机森林算法的数字预失真系统，得到与原始输入信号呈线性放大关系的输出信号。