论文部分内容阅读
文章主要讨论了如何利用神经网络对宽带功放进行动态非线性行为建模的问题.首先简述了功放的动态非线性特性及行为建模的方法.然后回顾了基于实数时延前馈神经网络、径向基函数神经网络等浅层神经网络构建的功放动态非线性行为模型.在此基础上,针对5G/6G宽带功放具有更强的记忆效应的问题,重点分析了如何使用长短期记忆(LSTM)神经网络对功放的动态非线性进行精确的行为建模.最后展望了构建具有普适性的功放非线性行为模型将是5G/6G通信时代功放非线性建模的一个重要发展方向.