基于 Elman 小波神经网络的 D 类功率放大器建模
神经与进化计算
2013-09-13 v1
摘要
在 D 类功率放大器 (CDPA) 中，电源噪声会与输入信号发生互调，表现为电源引起的互调失真 (PS-IMD)，且由于系统的记忆效应，PS-IMD 存在不对称性。本文提出了一种基于 Elman 小波神经网络 (EWNN) 的新行为模型，用于研究 CDPA 的非线性失真。在 EWNN 模型中，采用 Morlet 小波函数作为激活函数，并在隐藏层进行归一化操作；为避免误差曲线波动，忽略了小波函数中尺度因子和平移因子的修正。当隐藏层包含 30 个神经元时，为达到相同的平方和误差 (SSE) ，EWNN 需要 31 次迭代步，而基本 Elman 神经网络 (BENN) 模型需要 86 步。Volterra-Laguerre 模型有 605 个待估参数，但仍无法达到 EWNN 的量级精度。仿真结果表明，所提出的 EWNN 模型方法比 Volterra-Laguerre 模型具有更少的参数和更高的精度，且其收敛速度远快于 BENN 模型。
引用
@article{arxiv.1309.3214,
title = {Modeling Based on Elman Wavelet Neural Network for Class-D Power Amplifiers},
author = {Li Wang and Jie Shao and Yaqin Zhong and Weisong Zhao and Reza Malekian},
journal= {arXiv preprint arXiv:1309.3214},
year = {2013}
}