用于实时数字预失真的模块化一维CNN架构
信号处理
2022-03-11 v1 机器学习
摘要
本研究报道了一种新颖的硬件友好型模块化架构，用于实现一维卷积神经网络（1D-CNN）数字预失真（DPD）技术，以实时线性化射频功率放大器（PA）。我们设计的模块化特性使DPD系统能够适应可变的资源和时序约束。我们的工作还提出了一种协同仿真架构，通过实际功率放大器硬件在环验证DPD性能。使用100 MHz信号的实验结果表明，所提出的1D-CNN在实时DPD应用中相较于其他神经网络架构获得了更优的性能。
引用
@article{arxiv.2111.09637,
title = {A Modular 1D-CNN Architecture for Real-time Digital Pre-distortion},
author = {Udara De Silva and Toshiaki Koike-Akino and Rui Ma and Ao Yamashita and Hideyuki Nakamizo},
journal= {arXiv preprint arXiv:2111.09637},
year = {2022}
}
备注
3 pages, 4 figures, to be published in RWW2022