基于自適應(yīng)學(xué)習(xí)率附加動(dòng)量項(xiàng)的改進(jìn)BP算法的Doherty功率放大器設(shè)計(jì).pdf

1、本文主要介紹采用BP神經(jīng)網(wǎng)絡(luò)的方法來設(shè)計(jì)Doherty功率放大器非線性模型。文中是從功率效率、輸入功率與輸出功率的關(guān)系兩個(gè)方面來對(duì)Doherty功率放大器進(jìn)行設(shè)計(jì)。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單，可操作性強(qiáng)，可以逼近任意的非線性映射關(guān)系，能夠有效地解決非線性目標(biāo)函數(shù)的逼近問題，在放大器建模方面得到了廣泛應(yīng)用。對(duì)于通常所說的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型，它把一組輸入樣本與輸出樣本之間的問題轉(zhuǎn)變成一個(gè)非線性的優(yōu)化問題，但是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)有著自身的缺陷，在功

2、放設(shè)計(jì)應(yīng)用中，網(wǎng)絡(luò)輸出的功率效率與輸出功率無法達(dá)到實(shí)際功放的要求。針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的不足，本文采用附加動(dòng)量項(xiàng)與自適應(yīng)學(xué)習(xí)率相結(jié)合的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)方法來完成功率放大器的非線性模型設(shè)計(jì)。
　　為構(gòu)建更為準(zhǔn)確神經(jīng)網(wǎng)絡(luò)模型，需要對(duì)改進(jìn)的BP算法選擇合適的參數(shù)，即要選擇出合適的動(dòng)量因子與學(xué)習(xí)率。學(xué)習(xí)率取值過大會(huì)引起網(wǎng)絡(luò)震蕩不穩(wěn)定，取值過小雖然可以避免不穩(wěn)定，但是增加了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間。通過對(duì)網(wǎng)絡(luò)的反復(fù)訓(xùn)練，我們發(fā)現(xiàn)當(dāng)動(dòng)量因子取值為0

3、.9是可以有效地減緩網(wǎng)絡(luò)的震蕩趨勢(shì)，同時(shí)采用自適應(yīng)學(xué)習(xí)率的改進(jìn)BP算法，當(dāng)網(wǎng)絡(luò)訓(xùn)練在過程中誤差增大時(shí)減小學(xué)習(xí)率，當(dāng)誤差減小時(shí)增加學(xué)習(xí)率，利用其可以實(shí)時(shí)的調(diào)節(jié)學(xué)習(xí)率大小的優(yōu)點(diǎn)，有效地加快了網(wǎng)絡(luò)的收斂時(shí)間。
　　神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)均來自Doherty功率放大器的單音信號(hào)。將改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)方法與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)方法的誤差收斂結(jié)果作比較，就收斂速度來講，通過收斂曲線可以明顯的看出改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)方法要比傳統(tǒng)方法快得多；將兩