研究目的
开发一种基于时延支持向量回归的射频功率放大器动态行为建模技术,以解决非线性和记忆效应问题,在精度和效率上优于传统方法。
研究成果
所提出的时延支持向量回归(SVR)模型为具有非线性和记忆效应的射频功率放大器(PA)提供了高效精确的行为建模,在性能上优于沃尔泰拉、分段线性以及基于人工神经网络的传统方法。该模型展现出良好的外推能力,并可通过网格搜索快速优化。
研究不足
该模型可能需要在更宽的功率范围内进行外推时进一步优化,在网格搜索过程中可能会计算密集。GaN器件中的陷阱效应增加了建模复杂性。
1:实验设计与方法选择:
该方法采用时间延迟支持向量回归(SVR)技术对射频功率放大器(PA)进行行为建模,并融入机器学习原理。通过网格搜索技术实现超参数优化。
2:样本选择与数据来源:
使用WCDMA和LTE信号驱动的三种PA(LDMOS PA、单管GaN PA、Doherty GaN PA)的输入输出数据进行训练与验证。
3:实验设备与材料清单:
PA包括自主设计的LDMOS PA、GaN晶体管(Wolfspeed公司的CGH40010F)及自主设计的GaN Doherty PA。测试平台搭建参照文献[14],采样率分别为368.64 MS/s和400 MS/s。
4:64 MS/s和400 MS/s。
实验流程与操作步骤:
4. 实验流程与操作步骤:数据采集包含输入输出样本测量、时间对齐、归一化处理,并采用R语言进行模型训练与验证。通过网格搜索优化超参数(ε、C、γ)。
5:数据分析方法:
采用均方根误差(RMSE)和归一化均方误差(NMSE)指标评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容