包络线跟踪电源相较于传统恒压供电大大提高了功放效率,但对硬件要求更高且会产生较高的额外时延。针对以上问题本文提出了一种基于BP神经网络的射频信号包络线的数据预测方案,用于提前生成控制开关变换器的基准信号。首先,基带数据经...包络线跟踪电源相较于传统恒压供电大大提高了功放效率,但对硬件要求更高且会产生较高的额外时延。针对以上问题本文提出了一种基于BP神经网络的射频信号包络线的数据预测方案,用于提前生成控制开关变换器的基准信号。首先,基带数据经正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术生成射频信号的包络线数据。其次,将处理好的数据用于训练包络线跟踪电源的预测模型。最后,改变OFDM调制的子载波数以及选取不同正交振幅调制方式(Quadrature Amplitude Modulation,QAM)分别训练网络。在12子载波下,分别选取16QAM~512QAM之间的6种映射方式进行仿真实验:512QAM在最佳隐含层节点16下训练得到的均方根误差值(Root Mean Squared Error,RMSE)为0.3143;在映射方式为16QAM,64QAM映射方式下,分别选取12、28、52子载波进行仿真,52子载波64QAM映射下的RMSE值最大为0.1752。预测结果中RMSE值均较小,满足预测误差的要求,且预测结果图中包络线与实际包络线拟合效果很好。通过对BP网络预测模型与传统调制模型浮点运算次数的计算,求取52子载波映射方式为64QAM的信号包络,计算次数节省率可以达到49.40%。展开更多
文摘包络线跟踪电源相较于传统恒压供电大大提高了功放效率,但对硬件要求更高且会产生较高的额外时延。针对以上问题本文提出了一种基于BP神经网络的射频信号包络线的数据预测方案,用于提前生成控制开关变换器的基准信号。首先,基带数据经正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术生成射频信号的包络线数据。其次,将处理好的数据用于训练包络线跟踪电源的预测模型。最后,改变OFDM调制的子载波数以及选取不同正交振幅调制方式(Quadrature Amplitude Modulation,QAM)分别训练网络。在12子载波下,分别选取16QAM~512QAM之间的6种映射方式进行仿真实验:512QAM在最佳隐含层节点16下训练得到的均方根误差值(Root Mean Squared Error,RMSE)为0.3143;在映射方式为16QAM,64QAM映射方式下,分别选取12、28、52子载波进行仿真,52子载波64QAM映射下的RMSE值最大为0.1752。预测结果中RMSE值均较小,满足预测误差的要求,且预测结果图中包络线与实际包络线拟合效果很好。通过对BP网络预测模型与传统调制模型浮点运算次数的计算,求取52子载波映射方式为64QAM的信号包络,计算次数节省率可以达到49.40%。
