随着无线通信系统的发展,第五代移动通信系统（俗称5G）成为智慧家庭、智慧医疗、智慧城市形成的智能化社会的重要载体。功率放大器作为5G通信系统的关键器件之一,其工作性能直接决定了无线通信系统的指标,尤其是功放与生俱来的非线性会严重降低通信质量。5G通信系统中采用了高调制度的调制信号,这对功放的线性度提出了苛刻要求。此外,为了满足通信速率,5G系统的带宽变得更宽,从而导致功放产生的记忆效应更强、更复杂。所以如何补偿5G功放的非线性及记忆效应是目前无线通信的研究重点和难点。数字预失真技术具有线性化性能强、可重构、自适应等优点,是一种解决功率放大器非线性问题非常有效的手段。因此,本文立足于数字预失真线性化技术（Digital Predistortion,DPD）,针对5G功放进行数字预失真建模及模型优化研究。本文的创新点主要体现在:1)利用自然语言处理中的Attention机制提出了功放模型优化算法;2)将切比雪夫多项式与LSTM网络结合提出5G功放行为模型。本文首先分析了功放的非线性特性,并对现有的线性化技术的特点、应用场景等进行了阐述。随着功放非线性的增强,描述功放的模型复杂度也越来越高,不利于数字预失真技术的应用和成本的控制。因此,本文提出了基于Attention机制的优化算法以减少模型的复杂度。该优化算法主要采用Attention机制获得每个记忆项对输出的权重系数矩阵,通过对权重系数矩阵取对角线平均后得到每个记忆项对输出的贡献值,进而保留高贡献度记忆项、去除低贡献度记忆项,由此实现模型优化。为了验证该方法的适用性,本文采用带宽为15MHz的三载波WCDMA信号和带宽为20 MHz的单载波LTE信号分别测试了两个工作在460MHz和1900 MHz频段的Doherty射频功放。此外,本文使用广义记忆多项式（Generalized Memory Polynomial,GMP）模型来验证所提出方法的有效性。仿真和实验结果表明,优化记忆项前后DPD模型的建模精度和DPD线性化性能几乎相同,表明了本文所提优化算法的有效性。另外,为了矫正5G功放的复杂非线性,本文引入深度学习技术设计了一种基于切比雪夫（Chebyshev）多项式扩展的长短记忆神经网络（Long Short Term Memory,LSTM）网络模型。模型主要包括数据处理层、切比雪夫多项式扩展层、LSTM网络层、全连接层。其中,切比雪夫多项式扩展可以对功放信号的包络特征进行良好的拟合,LSTM网络层对信号时序性可以有很好的体现,能够更有效地描述功放的记忆效应,对模型精度的提高具有重要意义。为了验证该模型的线性化效果,本文采用带宽为20MHz的单载波LTE信号和带宽为100MHz的5GNR信号测试工作频率为28GHz的AB类功放。排除仪器采样带宽的影响,本文提出的模型最高可以对输入为100MHz带宽的5GNR信号、28GHz功放的邻信道功率比（ACPR）改善18d B,验证了本文所提5G功放模型的数字预失真效果。