基于神经网络的I/Q调制器与功率放大器低复杂度联合损伤抑制
信号处理
2021-04-07 v1
摘要
用于实际直接变频发射机多种硬件损伤抑制的神经网络(NNs)因高计算复杂度而不切实际。我们提出两种在不显著牺牲性能的前提下降低复杂度的方法。我们首先提出一种新颖的注意力残差学习NN，称为注意力残差实值时延神经网络(ARDEN)，其中输入层与输出层之间可训练的逐神经元快捷连接使注意力始终保持激活。此外，我们实现了一种NN剪枝算法，逐步移除各层中权重幅值最小的连接。仿真与实验结果表明，经剪枝的ARDEN在补偿频率相关正交不平衡与功率放大器非线性方面优于其他基于NN与基于Volterra的模型，同时所需复杂度更低或相当。
引用
@article{arxiv.2104.02512,
title = {Low Complexity Joint Impairment Mitigation of I/Q Modulator and PA Using Neural Networks},
author = {Yibo Wu and Ulf Gustavsson and Alexandre Graell i Amat and Henk Wymeersch},
journal= {arXiv preprint arXiv:2104.02512},
year = {2021}
}
备注
9 pages, 8 figures