论文部分内容阅读
针对功放线性化算法中常用的Hammerstein模型,本文提出了一种基于信号高阶统计量的两步辨识方法,分别提取其线性记忆模块及无记忆非线性模块的参数.首先利用输出信号的高阶累积量的特殊切片,构建Hankel矩阵并将模型记忆深度的确定转换为矩阵的求秩问题,并同时提取线性记忆模块的参数,理论推导表明,模型的非线性效应并不影响线性效应的辨识;提出了一种迭代算法以提取无记忆非线性模型的参数,结果表明,若无记忆非线性模块传函为奇函数时,利用具有对称分布的独立同分布信号(U.D)作为激励,仅需一次迭代即可以求得非线性系数的全局最优值.仿真结果验证了该方法的可行性和高效性.