[发明专利]一种基于编码-解码神经网络模型的功率放大器行为建模方法有效
| 申请号： | 201810095930.8 | 申请日： | 2018-01-31 |
| 公开（公告）号： | CN108256257B | 公开（公告）日： | 2021-04-06 |
| 发明（设计）人： | 邵杰;赵一鹤;张善章;张颐婷;刘姝 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06F30/367 | 分类号： | G06F30/367;G06N3/04;G06F111/10 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 王安琪 |
| 地址： | 211106 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于编码‑解码神经网络模型的功率放大器行为建模方法，该方法利用的编码‑解码神经网络模型对于序列具有良好的描述能力且模型收敛速度快，同时在模型内部使用长短时记忆单元，利用长短时记忆单元的输出不仅与即时输入有关、也与历史输入有关的特点，用来描述功率放大器的记忆效应；该方法能够很好地描述功率放大器的非线性特性和记忆效应，具有较快的模型收敛速度和较高的精度。 | ||
| 搜索关键词： | 一种 基于 编码 解码 神经网络 模型 功率放大器 行为 建模 方法 | ||
【主权项】：
1.一种基于编码‑解码神经网络模型的功率放大器行为建模方法，其特征在于，包括如下步骤：(1)采集功率放大器的输入信号数据向量xin＝[xin(1),xin(2),,xin(N)]和输出信号数据向量yout＝[yout(1),yout(2),,yout(N)]，其中，N为数据长度；(2)将输入和输出数据进行归一化；得到归一化输入信号数据向量![]()
![]()
和归一化输出信号数据向量![]()
(3)初始化编码‑解码神经网络模型；编码‑解码神经网络模型的模型结构有四层：输入层、编码层、解码层和输出层；(4)利用编码‑解码神经网络模型对行为模型进行建模；(5)通过步骤D得到的权系数，计算编码‑解码神经网络模型最终的输出ym。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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南京航空航天大学，未经南京航空航天大学许可，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/patent/201810095930.8/，转载请声明来源钻瓜专利网。
