[发明专利]一种基于生成对抗神经网络的功率放大器行为建模方法

权利要求书

1.一种基于生成对抗神经网络的功率放大器行为建模方法，其特征在于：所述该方法包括如下步骤：

S1：采集功率放大器的输入信号数据向量X_in＝[x_in(1),x_in(2),…,x_in(N)]和输出信号数据向量y_out＝[y_out(1),y_out(2),…,y_out(N)]，其中，N为数据长度；

S2：对输入信号数据向量X_in和输出信号数据向量y_out进行归一化处理：得到归一化输入信号数据向量和输出信号数据向量

S3：构建生成对抗神经网络模型，并初始化生成对抗神经网络模型，其中生成对抗神经网路模型包括生成器、判别器；

S4：设置生成对抗神经网络模型中的权系数矩阵、训练最大迭代次数num_epochs、学习率η、误差阈值；

S5：将输入信号数据向量输入生成器并生成数据y_t，将数据y_t和功率放大器的输出数据向量输入到判别器中提取特征信息；

S6：分别计算生成器模块和判别器模块的目标误差损失函数；

S7：用Adam优化算法训练生成对抗神经网络；

S8：迭代次数加1，即t＝t+1；

S9：判断是否满足：目标误差损失函数不大于误差阀值或者迭代次数大于迭代次数num_epochs，

S10：若不满足，则根据权值矩阵的变化量更新权值系数，返回步骤S5；

S11：若满足，则停止迭代，保存权值系数，得到功率放大器行为模型。

2.根据权利要求1所述的基于生成对抗神经网络的功率放大器行为建模方法，其特征在于：步骤S2，所述归一化的计算公式如下：

式中，i＝1,2,3…,N；max(·)表示求向量中最大值的运算。

3.根据权利要求1所述的基于生成对抗神经网络的功率放大器行为建模方法，其特征在于：所述生成器包括第一输入层、循环神经隐含层、全连接隐含层、第一输出层；所述判别器包括第二输入层、三个卷积层、两个全连接层、第二输出层。