基于注意力引导的高效 5G 功率放大器数字预失真
信号处理
2020-03-31 v1
摘要
我们研究通过数字预失真（DPD）利用神经网络（NN）辅助技术来补偿 5G 功率放大器（PA）的非线性行为与记忆效应。传统上，最普遍的补偿技术使用记忆多项式模型（MPM）计算补偿单元。已有多种神经网络方案被证明可改善此性能。然而，迄今为止它们大多带来令实际实现望而却步的训练或推理成本。在本文中，我们提出一种构建于受神经注意力支配的实用 MPM 公式之上的 DPD 架构。我们的方法使一组 MPM DPD 组件各自学会针对数据空间的不同区域，并组合其输出以获得更优的整体补偿。我们的方法以最小复杂度产生与更高容量 NN 模型相似的性能。最后，我们将我们的方法视为一个可扩展至多种局部补偿器类型的框架。
引用
@article{arxiv.2003.13361,
title = {Efficient attention guided 5G power amplifier digital predistortion},
author = {Alexandru Cioba and Alvin Chua and Da-shan Shiu and Ting-Hsun Kuo and Chia-Sheng Peng},
journal= {arXiv preprint arXiv:2003.13361},
year = {2020}
}