一种基于机器学习的射频功率放大器行为模型仿真方法

本发明提供一种基于机器学习的射频功率放大器行为模型仿真方法，其采用“主模型+误差模型”的双模型结构，基于实际测试数据驱动的卷积神经网络建模方式，直接从器件的输入输出响应中学习行为特性，不依赖器件内部的物理结构或解析模型，从而显著降低建模复杂度，提高效率。为进一步提升机器学习模型的泛化能力和鲁棒性，引入了增量式训练机制，在每一轮迭代中，根据模型对增量训练集样本的误差表现，从中筛选高可信样本纳入下一轮训练；通过这种“由易到难”的逐步学习策略，有效减少过拟合风险，并提升模型对未知样本的预测能力。