欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202311097713X
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于维度加权K近邻算法的数字预失真方法,其特征在于,包括以下步骤:步骤一,将当前原始信号U’分路为N路当前信号序列;

其中,U’=[U1,U2,…,Un];Ug为U’中的第g维信号元素,g∈[1,n];

对当前原始信号U’进行分路的方法包括:

S101,获取U1~Un中的最大值Umax、最小值Umin,并计算区间划分长度S102,依据ΔU,将总区间[Umin,Umax]均匀划分成N段当前分路区间;

其中,第l段当前分路区间为[Umin+(l-1)ΔU,Umin+lΔU];第l段当前分路区间的中点为S103,计算Ug、Ul的欧几里得距离D(Ug,Ul);

其中,针对Ug,获取D(Ug,U1)~D(Ug,UN)中的最小值Dmin;若Dmin为D(Ug,UL),则将Ug归入第L段当前分路区间;L∈[1,N];

S104,遍历U1~Un,将U1~Un对应归入N段当前分路区间中,形成N路当前信号序列;

其中,第L段当前分路区间按照元素归入的顺序进行排序,形成第L路当前信号序列,共S个元素;

步骤二,将第L路当前信号序列输入训练好的第L个预失真改进模型中,得到第L路当前预失真信号FL;

其中,预失真改进模型采用加入了记忆多项式交叉项的预失真模型;

FL=[f1,f2,…,fS];fs为FL中的第s维信号元素,由Ug经过训练好的第L个预失真改进模型处理得到;s∈[1,S];

步骤三,将N路当前预失真信号合成为总预失真信号X;其中,X=[x1,x2,…,xn];xg为X中的第g维信号元素,xg=fs,r∈[1,n];

步骤四,将总预失真信号X经过目标功率放大器处理,得到当前放大信号Y;

步骤二中,预失真改进模型的训练方法包括:

S201,将样本原始信号W’分路为N路测试信号序列;

将样本原始信号W’乘以目标功率放大器的放大增益G,得到期望放大信号d’;

其中,样本原始信号W’=[W1,W2,…,Wn];Wg为W’中的第g维信号元素;

期望放大信号d’=[d1,d2,…,dn];dg为d’中的第g维信号元素,dg=Wg*G;

S202,依据第L路测试信号序列对第L个原始的预失真改进模型进行若干次迭代;

其中,第i次迭代时,将第L路测试信号序列输入到第L个原始的预失真改进模型中,得到第L路训练信号;第L路训练信号经过目标功率放大器处理,得到第L路测试放大信号再计算第L路的信号差值若低于预设阈值,则保留第i次迭代时第L个原始的预失真改进模型的预失真处理系数为ci,并令为训练好的第L个预失真改进模型所使用的预失真处理系数;

若大于或等于预设阈值,则根据将第L个原始的预失真改进模型的预失真处理系数更新为ci+1,并进行第i+1次迭代。

2.根据权利要求1所述的基于维度加权K近邻算法的数字预失真方法,其特征在于,步骤一中,D(Ug,Ul)的表达式为:其中,ωg表示第g维的加权值。

3.根据权利要求1所述的基于维度加权K近邻算法的数字预失真方法,其特征在于,步骤二中,fs的表达式为:式中,

4.根据权利要求1所述的基于维度加权K近邻算法的数字预失真方法,其特征在于,S201中,对样本原始信号W’进行分路的方法包括:S301,获取W1~Wn中的最大值Wmax、最小值Wmin,并计算区间划分长度S302,依据ΔW,将总区间[Wmin,Wmax]均匀划分成N段测试分路区间;

其中,第l段测试分路区间为[Wmin+(l-1)ΔW,Wmin+lΔW];第l段测试分路区间的中点为S303,计算Wg、Wl的欧几里得距离D(Wg,Wl);

其中,针对Wg,获取D(Wg,W1)~D(Wg,WN)中的最小值Wmin;若Wmin为D(Wg,WL),则将Wg归入第L段分路区间;L∈[1,N];

S304,遍历W1~Wn,将W1~Wn对应归入N段测试分路区间中,形成N路测试信号序列;

其中,第L段测试分路区间按照元素归入的顺序进行排序,形成第L路测试信号序列。

5.根据权利要求4所述的基于维度加权K近邻算法的数字预失真方法,其特征在于,S202,根据将第L个预失真改进模型的预失真处理系数更新为ci+1的方法包括:S301,构建代价函数其中,()*表示复共轭;

S302,令得到smq(L);

其中,smq(L)表示amq的关联式,amq表示第一类预失真处理系数;

取smq(L)为最小值时所对应的amq作为令得到tq(L);

其中,tq(L)表示bq的关联式,bq表示第二类预失真处理系数;

取tq(L)为最小值时所对应的bq作为

将J对c求偏导,转换得到:

式中,μ表示迭代步进值,h0表示增益系数;表示对FL每个元素求共轭再转置。

6.根据权利要求1所述的基于维度加权K近邻算法的数字预失真方法,其特征在于,步骤三包括:获取Ug在U’中的位置、fs在N路当前预失真信号的位置,构建出位置变化的映射关系;

将N路当前预失真信号按照映射关系进行信号位置反向调整,得到总预失真信号X。

7.一种基于维度加权K近邻算法的数字预失真系统,其特征在于,使用了入权利要求1-6中任意一项所述的基于维度加权K近邻算法的数字预失真方法;

所述基于维度加权K近邻算法的数字预失真系统包括:信号分路模块,其用于将当前原始信号U’分路为N路当前信号序列;

预失真处理模块,其用于将第L路当前信号序列输入训练好的第L个预失真改进模型中,得到第L路当前预失真信号FL;

信号合成模块,其用于将N路当前预失真信号合成为总预失真信号X;以及放大器模块,其用于将总预失真信号X经过目标功率放大器处理,得到当前放大信号Y。

8.根据权利要求7所述的基于维度加权K近邻算法的数字预失真系统,其特征在于,所述信号分路模块还用于在模型训练时将样本原始信号W’分路为N路测试信号序列;

所述放大器模块还用于在模型训练的第i次迭代时,将第L路训练信号经过目标功率放大器处理,得到第L路测试放大信号所述预失真处理模块还用于在模型训练的第i次迭代时,将第L路测试信号序列输入第L个预失真改进模型中,得到第L路训练信号;

所述基于维度加权K近邻算法的数字预失真系统还包括模型训练模块;所述模型训练模块包括:信号差值计算模块,其用于在模型训练的第i次迭代时,计算第L路的信号差值以及

模型系数更新模块,其用于在大于或等于预设阈值时,根据更新第L个预失真改进模型的预失真处理系数为ci+1。

9.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行如权利要求1-6中任意一项所述的基于维度加权K近邻算法的数字预失真方法的步骤。