基于多路实值时延神经网络的大规模MIMO系统发射机射频失真补偿方案

大规模MIMO(Multiple-Input Multiple-Output)系统具有频谱效率高、系统容量大的优势。然而由于发射机射频元件存在着技术、工艺等方面的限制,大规模MIMO系统不可避免地存在着多种射频失真问题,成为制约系统性能的重要瓶颈。本文针对大规模MIMO系统中的功率放大器(Power Amplifier,PA)非线性、同相/正交(In-phase/Quadrature,I/Q)支路不平衡、射频链路串扰等多种射频失真问题,提出基于多路实值时延神经网络(Real-Valued Timed-Delay Neural Network,RVTDNN)的大规模MIMO系统发射机射频失真补偿方案。该方案使用多个RVTDNN预失真网络对发射信号进行预处理,补偿发射机的射频不理想特性,提高系统性能。此外,本文还提出了基于量子遗传算法的预失真网络超参数优化方案,与传统的基于遗传算法的网络超参数优化方案相比,该方案在种群数较小时可实现超参数优化,从而降低了算法的时间复杂度。