基于滤波信号分段的柯尔莫哥洛夫-阿诺德网络用于射频功率放大器宽带数字预失真
《IEEE Transactions on Machine Learning in Communications and Networking》:Complex-Valued Kolmogorov-Arnold Network with Filtered Signal Segmentation for Digital Predistortion of Broadband Transmitters
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Transactions on Machine Learning in Communications and Networking 4.9
编辑推荐:
本文提出了一种基于滤波信号分段的柯尔莫哥洛夫-阿诺德网络(KAN),称为FISSKAN,用于射频(RF)功率放大器(PA)的宽带数字预失真(DPD)。传统的分段DPD模型通常依赖原始输入幅度进行区域划分,但由于前端滤波和群延迟效应的影响,这可能无法与宽带功率放大器中的有效非线
本文提出了一种基于滤波信号分段的柯尔莫哥洛夫-阿诺德网络(KAN),称为FISSKAN,用于射频(RF)功率放大器(PA)的宽带数字预失真(DPD)。传统的分段DPD模型通常依赖原始输入幅度进行区域划分,但由于前端滤波和群延迟效应的影响,这可能无法与宽带功率放大器中的有效非线性激励保持一致。为克服这一局限性,FISSKAN引入了可学习的复数输入滤波器以生成具有记忆感知的分段变量,从而实现对功率放大器工作状态的更具物理一致性的表征。同时,开发了一种受KAN启发的复数行为模型,用于低通等效功率放大器系统,以显式捕获幅度-幅度(AM-AM)失真、幅度-相位(AM-PM)失真和记忆效应。单变量非线性函数通过B样条进行参数化,提供平滑的局部近似和高效的实现。此外,还开发了一种基于记忆多项式的初始化方法,以改善收敛性和优化稳定性。在两个Doherty功率放大器上,使用100 MHz、200 MHz和400 MHz正交频分复用(OFDM)信号进行的实验表明,FISSKAN在所有测试带宽下均能始终如一地实现更优的线性化性能。特别是,对于最具挑战性的400 MHz OFDM场景,在功率放大器输出功率为43 dBm且功率附加效率(PAE)为42%的条件下,FISSKAN实现了?37.94 dB的归一化均方误差(NMSE)和?46.01/?47.58 dBc的邻道功率比(ACPR)。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号