基于时延支持向量回归的射频功率放大器动态行为建模

摘要： 本文提出了一种基于时延支持向量回归（SVR）方法的新型动态行为建模技术。作为先进的机器学习算法，SVR方法综合考虑器件非线性和记忆效应，为射频功率放大器（PA）的行为建模提供了有效方案。该技术阐述了基本建模原理并详述了模型提取流程。与传统人工神经网络（ANN）需耗时确定最佳模型配置不同，SVR通过网格搜索技术可快速获得最优模型。文中还给出了针对射频PA的最优SVR模型选择实例——与默认SVR模型相比，所选模型性能显著提升。实验采用LDMOS PA、单管氮化镓（GaN）PA及Doherty GaN PA进行验证，证明新建模方法具有高效精准的预测能力。相较于传统Volterra模型、标准分段线性模型及基于ANN的模型，本SVR模型在合理复杂度下实现了更优性能。此外研究表明，该模型能准确预测PA在不同于建模输入功率电平下的工作行为。