改进型RBF神经网络对ROF前传系统非线性行为建模

光载无线电(Radio-over-Fiber, ROF)前传系统在C-RAN基础上简化了基站RRH架构,但是ROF前传系统下行链路包含功放等非线性器件,依然面临非线性失真.先通过行为模型建模得到整个系统的非线性特性是对整个系统构建预失真器极为重要的步骤.针对ROF前传系统下行链路行为模型建模分析,以径向基函数神经网络为基础,提出了改进型复数径向基函数神经网络模型(Improved Complex RBF Neural Network,ICRBFNN),以4 MHz带宽的LTE信号作为测试信号,并与传统的功放模型广义记忆多项式(General Memory Polynomial, GMP)、改进型广义分数阶记忆多项式(Augmented General Fractional order Memory Polynomial,AGFMP)、实数时延神经网络(Real-Value Time-Delay Neural Network, RVTDNN)、实数时延径向基函数神经网络(Real-Valued Time-Delay Radial Basis Function, RVTDRBF)等功放行为模型作对比来验证模型的有效性.仿真实验结果表明,ICRBFNN相比传统功放模型取得了3 dB以上的建模精度提升.