论文部分内容阅读
提出了一种新型的实复值混合时延神经网络,用于建模和线性化宽带射频功放.该神经网络包含输入信号的广义记忆效应、复值输入信号和复值输入信号模值的分数阶次,因而其建模精度显著提高.对实复值混合时延神经网络在不同扩展常数、记忆深度、神经元数和阶数时的归一化均方误差(NMSE)进行了比较研究,以建立一个能够有效建模宽带功放强非线性的基带模型—最优时延神经网络(TDNN).采用51dBm宽带功放和25MHz带宽的混合测试信号用于模型的有效性验证.测试结果表明,实复值混合时延神经网络相比记忆多项式模型和实值时延神经网络