Dynamic behavioral modeling of RF power amplifiers based on decomposed piecewise machine learning technique
Dynamic behavioral modeling of RF power amplifiers based on decomposed piecewise machine learning technique
复制标题
基于分解分段机器学习技术的射频功率放大器动态行为建模
DOI：
10.1017/s1759078720001208
复制
发表时间：
2020-08
影响因子：
1.4
通讯作者：
Jun Liu
中科院分区：
文献类型：
--
作者：
Jialin Cai;Justin B. King;Chao Yu;Baicao Pan;Lingling Sun;Jun Liu
摘要 多器件射频功率放大器 (PA) 通常表现出强烈的非线性行为以及长期记忆效应，导致模型开发周期极具挑战性。本文提出了一种新的动态行为建模技术，该技术基于实值分解分段方法和机器学习领域的概念相结合。提供了所提出的建模技术的基础理论以及详细的建模过程。实验结果表明，与单晶体管和多晶体管 PA 的标准 SVR 模型相比，所提出的分解分段支持向量回归 (SVR) 模型可带来显着的性能改进。使用不同的模型阈值来测试两种 PA 类型的建议模型性能。对于仅使用一个分区进行建模的单晶体管 PA，与标准 SVR 模型相比，归一化均方误差 (NMSE) 降低了约 10 dB。对于同一 PA，当使用两个分区时，降低幅度可提高至 14 dB。当应用于多设备Doherty PA时，模型和测量数据之间的NMSE为-50 dB，与标准SVR模型相比提高了10 dB以上。
Abstract Multi-device radio frequency power amplifiers (PAs) often exhibit strongly non-linear behavior in combination with long-term memory effects, leading to an extremely challenging model development cycle. This paper presents a new, dynamic, behavioral modeling technique, based on a combination of the real-valued decomposed piecewise method and concepts from the field of machine learning. The underlying theory of the proposed modeling technique is provided, along with a detailed modeling procedure. Experimental results show that the proposed decomposed piecewise support vector regression (SVR) model leads to significant performance improvements when compared with standard SVR models for both single transistor and multi-transistor PAs. Different model thresholds are used to test the proposed model performance for both PA types. For the single-transistor PA, modeled using only one partition, an approximately 10 dB normalized mean square error (NMSE) reduction is seen when compared with the standard SVR model. For the same PA, when utilizing two partitions, the reduction improves to 14 dB. When applied to a multi-device Doherty PA, the NMSE between model and measurement data is −50 dB, representing more than 10 dB improvement compared with the standard SVR model.
登录
查看更多内容
基于时滞支持向量回归的射频功率放大器动态行为建模
DOI：
10.1109/tmtt.2018.2884414
发表时间：
2019-02-01
影响因子：
4.3
作者：
Cai, Jialin;Yu, Chao;King, Justin B.
通讯作者：
King, Justin B.
DOI：
--
发表时间：
2014-09
期刊：
--
影响因子：
--
作者：
S. Cripps
通讯作者：
S. Cripps
DOI：
10.1002/9781119004424
发表时间：
2015-05
期刊：
--
影响因子：
--
作者：
F. Ghannouchi;O. Hammi;M. Helaoui
通讯作者：
F. Ghannouchi;O. Hammi;M. Helaoui
DOI：
10.1109/apmc.2015.7413559
发表时间：
2015-12
期刊：
2015 Asia-Pacific Microwave Conference (APMC)
影响因子：
--
作者：
Chunlei Zhang;Jingqi Wang;Wen Wu
通讯作者：
Chunlei Zhang;Jingqi Wang;Wen Wu
DOI：
10.1109/icsee.2016.7806082
发表时间：
2016-11
期刊：
2016 IEEE International Conference on the Science of Electrical Engineering (ICSEE)
影响因子：
--
作者：
Tomer Gidoni;E. Socher;E. Cohen
通讯作者：
Tomer Gidoni;E. Socher;E. Cohen