[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

摘要

本发明公开了一种基于生成对抗神经网络的功率放大器行为建模方法，包括如下步骤：采集功率放大器的输入信号X_in和输出信号y_out，并归一化处理，分别得到和构建包括生成器、判别器的生成对抗神经网络模型，并初始化；设置生成对抗神经网络模型的权系数矩阵、最大迭代次数num_epochs、学习率η、误差阈值；将输入生成器并生成数据y_t，将y_t和功输入判别器提取特征信息；分别计算生成器模块和判别器模块的目标误差损失函数；用Adam优化算法训练生成对抗神经网络；迭代次数加1；判断是否满足：目标误差损失函数不大于误差阀值或迭代次数大于迭代次数num_epochs，否，则根据权值矩阵的变化量更新权值系数，返回上述步骤；是，则停止迭代，保存权值系数，得到功率放大器行为模型。

主权项

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：/nS1：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；/nS2：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/nS3：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；/nS4：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；/nS5：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；/nS6：分别计算生成器模块和判别器模块的目标误差损失函数；/nS7：用Adam优化算法训练生成对抗神经网络；/nS8：迭代次数加1，即t＝t+1；/nS9：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，/nS10：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；/nS11：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。/n