摘要
本发明公开了一种基于深度学习的自适应功放线性化方法及设备,包括:获取待处理输入信号;采用训练好的混合网络模型对所述待处理输入信号进行处理,得到处理后的预失真信号;其中,训练好的混合网络模型以预设类别的数据作为训练数据集,对训练数据集中的样本进行选择,对被选择的样本和未被选择的样本赋予不同的权重,对初始的混合网络模型训练,并且在训练的不同阶段中,动态调整训练数据集中样本的权重,预设类别的数据包括输入信号、包络相关项、输入信号的超前项和时延项、包络相关项的超前项和时延项;将处理后的预失真信号输入至功率放大器进行放大,得到线性化后的输出信号。本发明能够提高功率放大器的线性度。
技术关键词
混合网络模型
功放线性化方法
样本
信号
局部空间特征
时序特征
数据
包络
积层
功率放大器线性化
直方图
时延
滤波
融合特征
通信接口
批量
动态
存储器
系统为您推荐了相关专利信息
故障诊断模型
辨识方法
振动特征
特征提取网络
音频特征提取
行星齿轮系统
数字孪生模型
行星齿轮箱
更新方法
仿真信号
深度迁移学习
深度学习模型
卷积神经网络模块
故障类别
双向长短期记忆网络
数据传输环境
相位编码特征
信号特征
生成虚拟SIM卡
多路径