田　娜　南敬昌　高明明

(辽宁工程技术大学电子与信息工程学院　辽宁 葫芦岛 125105)



基于粗糙集理论的PSO-IOIF-Elman神经网络建模

田娜南敬昌高明明

(辽宁工程技术大学电子与信息工程学院辽宁 葫芦岛 125105)

摘要针对系统级仿真中功放建模的优缺点，结合粗糙集理论提出一种简化粒子群(PSO)算法优化改进OIF-Elman神经网络(PSO-IOIF-Elman)功放行为模型。该模型同时考虑小信号和大信号对功放记忆非线性的影响，结合AM-AM和AM-PM失真把OIF-Elman神经网络的自反馈系数用归一化后的输入输出电压表示。采用简化PSO优化算法,避免陷入局部最优，用粗糙集理论对模型预测值进行修正与补偿，提高预测精度。通过Matlab仿真比较，该模型训练误差减小9.53%，收敛速度提高11.31%，进而验证了建模方法的有效性和可靠性。

关键词功放记忆非线性行为模型IOIF-Elman神经网络简化粒子群算法粗糙集理论

0引言

随着无线射频通信技术和计算机技术的快速发展，射频电路的应用越来越广泛，功率放大器(PA)是几乎所有的通信系统中必不可少的设备，吸引了大量研究者的关注。尽管近年来PA的设计已经发展得很先进，但仍存在非线性和效率问题[1,2]。非恒包络调制信号(如OFDM、WCDMA)的广泛使用增加了建模的复杂性，使得对功放非线性的要求越来越高[3]，所以建立精确的功放动态模型对于系统及仿真至关重要。

关于射频功放的行为模型一般分为两种，一种是Saleh模型、多项式模型[4]等无记忆行为模型，已经很成熟并且广泛使用了很多年，但对如今无线通信系统已不再适用。……