基于神經(jīng)網(wǎng)絡(luò)的無線通信系統(tǒng)射頻發(fā)射機(jī)失真補(bǔ)償方案設(shè)計(jì)

錢興新 石啟航 宋蕊琳

【關(guān)鍵詞】射頻發(fā)射機(jī);神經(jīng)網(wǎng)絡(luò);失真補(bǔ)償;功率放大器非線性

引言

無線通信技術(shù)的快速發(fā)展，對(duì)無線發(fā)射機(jī)線性化和效率等方面的要求變得越來越高，另一方面，無線通信技術(shù)的快速發(fā)展也推動(dòng)了發(fā)射機(jī)線性化技術(shù)的發(fā)展。無線通信系統(tǒng)發(fā)射機(jī)需采用功率放大器，其輸出失真特性十分復(fù)雜，非線性失真嚴(yán)重。同時(shí)，伴隨著載波頻率升高、射頻模擬器件尺寸限制等特點(diǎn)，無線系統(tǒng)通信發(fā)射機(jī)中的I/Q不平衡問題也十分突出。為保證無線通信過程中發(fā)射機(jī)的輸出信號(hào)質(zhì)量，需要在發(fā)射機(jī)這一環(huán)節(jié)對(duì)出現(xiàn)的射頻失真問題進(jìn)行有效的補(bǔ)償。神經(jīng)網(wǎng)絡(luò)可以適應(yīng)發(fā)射機(jī)的任意非線性特性，因此采用神經(jīng)網(wǎng)絡(luò)可以針對(duì)無線發(fā)射機(jī)中的各種射頻失真問題進(jìn)行統(tǒng)一處理。

一、預(yù)失真模型

預(yù)失真線性化技術(shù)的優(yōu)點(diǎn)，在于不存在一些穩(wěn)定性問題，擁有更寬的信號(hào)頻帶，能處理包含多載波的信號(hào)，并且成本較低、工藝簡(jiǎn)單、便于生產(chǎn)、效率較高。

預(yù)失真技術(shù)即通過一個(gè)預(yù)失真元件（Predistorter）來和功放元件（PA）級(jí)聯(lián)，其特性與放率放大器的失真數(shù)量相當(dāng)，功能相反。將這兩個(gè)非線性失真功能相結(jié)合，能做到線性放大無失真。

圖1 預(yù)失真基本原理

二、神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)是一種以對(duì)人類大腦的認(rèn)識(shí)為前提，從信息處理的角度出發(fā)，結(jié)合數(shù)學(xué)和物理方法，對(duì)人類大腦的生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行抽象提取而建立起來的簡(jiǎn)化模型。它是對(duì)人類大腦神經(jīng)系統(tǒng)的表征，一般為多個(gè)簡(jiǎn)單的處理單元彼此之間以某種方式進(jìn)行銜接，從而形成的計(jì)算系統(tǒng)，這類系統(tǒng)的工作原理在于通過響應(yīng)外部輸入信息來進(jìn)行工作[1]。人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別、人工智能、控制工程、優(yōu)化計(jì)算和聯(lián)想記憶及信號(hào)處理中都有很廣泛的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)的基本機(jī)制是模仿大腦的。大腦由神經(jīng)元的連接組成，相應(yīng)的，神經(jīng)網(wǎng)絡(luò)由節(jié)點(diǎn)的連接構(gòu)成;神經(jīng)元的關(guān)聯(lián)是大腦的重要機(jī)制，相應(yīng)的，神經(jīng)網(wǎng)絡(luò)用節(jié)點(diǎn)之間的權(quán)重值模仿神經(jīng)元的關(guān)聯(lián)。即，大腦是神經(jīng)元網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)是節(jié)點(diǎn)網(wǎng)絡(luò)。常用的分層模型如圖2所示。

深度神經(jīng)網(wǎng)絡(luò)包含多個(gè)隱層，每層都可以通過采用監(jiān)督學(xué)習(xí)或非監(jiān)督學(xué)習(xí)來進(jìn)行非線性變換，以實(shí)現(xiàn)對(duì)上層的特征抽象。深度神經(jīng)網(wǎng)絡(luò)利用逐層特征組合，并配合海量的訓(xùn)練數(shù)據(jù)，學(xué)習(xí)更加有用的特征，從而提升分類或預(yù)測(cè)的準(zhǔn)確性，即：大量訓(xùn)練數(shù)據(jù)+ 特征學(xué)習(xí)→數(shù)據(jù)推斷[2]。

神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)主要有兩種，即前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。前饋型網(wǎng)絡(luò)沒有向上一次的反饋，其節(jié)點(diǎn)包括輸入節(jié)點(diǎn)和計(jì)算節(jié)點(diǎn)。而反饋型網(wǎng)絡(luò)的所有節(jié)點(diǎn)都是計(jì)算節(jié)點(diǎn)。

圖2 神經(jīng)網(wǎng)絡(luò)的分層模型

三、反向傳播網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）

在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，最常用的是反向傳播網(wǎng)絡(luò)，即Back-Propagation神經(jīng)網(wǎng)絡(luò)，一種多層前饋型網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的主要優(yōu)點(diǎn)是：只要有足夠多的隱層和隱節(jié)點(diǎn)，BP神經(jīng)網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系;BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近的方法，因而它具有較好的泛化能力。

BP算法的基本思想是：用輸出層的誤差調(diào)整輸出層權(quán)矩陣，并用此誤差估計(jì)輸出層的直接前導(dǎo)層的誤差，再用輸出層前導(dǎo)層誤差估計(jì)更前一層的誤差。每一層都通過這樣的遞歸得到誤差估計(jì)值，并用這些估計(jì)實(shí)現(xiàn)對(duì)權(quán)矩陣的修改，形成將輸出端表現(xiàn)出的誤差沿著與輸入信號(hào)相反的方向逐級(jí)向輸入端傳遞的過程。