[发明专利]基于OP-ELM的射频功率放大器的行为建模方法在审
申请号: | 201811366103.4 | 申请日: | 2018-11-16 |
公开(公告)号: | CN109697302A | 公开(公告)日: | 2019-04-30 |
发明(设计)人: | 马建国;邢光宇;傅海鹏;周绍华;张新 | 申请(专利权)人: | 天津大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/04;G06N3/08 |
代理公司: | 天津市三利专利商标代理有限公司 12107 | 代理人: | 徐金生 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 射频功率放大器 神经元 行为建模 隐藏层 修剪 算法模型 行为模型 排序 建模结果 射频功放 测试数据 计算测试 输出变量 输出结果 输入变量 网络结构 训练数据 评估 算法 验证 神经 外部 | ||
本发明公开基于OP‑ELM的射频功率放大器的行为建模方法,包括步骤:确定射频功率放大器的行为模型的输入变量和相应的输出变量;将训练数据导入ELM算法模型当中,对ELM算法模型训练;对ELM算法模型网络结构中的隐藏层神经元按对建模结果影响进行评估排序,修剪掉排序在后的预定隐藏层神经元,形成修剪好的OP‑ELM射频功放行为模型;将测试数据导入修剪好的OP‑ELM射频功放行为模型中,计算测试误差RMSE,比较OP‑ELM模型输出结果,验证行为建模结果。本发明利用OP‑ELM算法通过对隐藏层神经元重要性的评估和排序进而修剪掉其中对建模结果重要性低的神经元,达到科学地减少隐藏层神经个数的目的,从而实现简便快速准确地对射频功率放大器进行外部行为建模。
技术领域
本发明涉及通信技术领域,特别是涉及一种基于OP-ELM的射频功率放大器的行为建模方法。
背景技术
随着移动通信技术的发展,从第二代GSM到第四代LTE通信技术乃至当今的5G万物互联革命,为了实现提高通信速率的目的,调制信号的带宽和功率峰均比都会显著增高。这些都使得对通信系统中起着重要作用的射频功率放大器的要求愈加严苛。射频功率放大器自身的非线性和频率相关性等都将会对最终的通信效果产生影响。因此,准确了解射频功率放大器的输入输出特性,即行为模型就变得愈发重要。
目前,针对射频功率放大器的行为建模技术多种多样,其中神经网络类的建模方法是学界的主流。最近,一种叫极限学习机(extreme learning machine,ELM)的单隐藏层神经元神经网络的学习算法,能够在取得同等建模精度的情况下,凭借着其极其快速的网络训练速度的优势,也被引入到了射频功率放大器的行为建模当中。但是,在使用ELM算法进行功放建模等实际应用中,往往为了提高建模精度,要增加单隐藏层神经网络中隐藏层神经元,导致网络结构的不紧凑。
因此,最佳剪裁极限学习机(Optimally Pruned Extreme Learning Machine,OP-ELM)作为一种ELM的改进算法被提出是为了有效地解决最早是应对解决ELM算法在一些实际应用中出现的网络结构中隐藏层神经元过多的问题而被提出的。在OP-ELM算法中,借助多响应稀疏回归(multi-response sparse regression,MRSR)方法对ELM算法网络结构中隐藏层神经元在建模中的作用进行有效的评估,判断出每个隐藏层神经元的对建模结果的重要性。然后去除那些重要性低的隐藏层神经元,以达到减少隐藏层神经元个数以及使网络结构紧凑的目的。
因此,借鉴该最佳剪裁极限学习机(Optimally Pruned Extreme LearningMachine,OP-ELM),以提出射频功率放大器的行为建模方法,具有必要性。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种基于OP-ELM的射频功率放大器的行为建模方法,是通过借助OP-ELM算法中的最佳修剪的过程,使得OP-ELM较现有ELM算法更好地适用于射频功率放大器的行为建模方法。
为实现本发明的目的所采用的技术方案是:
基于OP-ELM的射频功率放大器的行为建模方法,包括步骤:
确定射频功率放大器的行为模型的输入变量和相应的输出变量;
将训练数据导入ELM算法模型当中,对ELM算法模型训练;
对ELM算法模型网络结构中的隐藏层神经元按对建模结果影响进行评估排序,修剪掉排序在后的预定隐藏层神经元,形成修剪好的OP-ELM射频功放行为模型;
将测试数据导入修剪好的OP-ELM射频功放行为模型中,计算测试误差RMSE,比较OP-ELM模型输出结果,验证行为建模结果。
所述输入变量为输入功率,输入信号频率,所述输入变量为输出功率,PAE效率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811366103.4/2.html,转载请声明来源钻瓜专利网。