中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
認知無線電系統功率放大器設計建模與預失真 版權信息
- ISBN：9787121440236
- 條形碼：9787121440236 ; 978-7-121-44023-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
認知無線電系統功率放大器設計建模與預失真 內容簡介
本書收錄了著者及所在團隊在認知無線電系統功率放大器設計建模與預失真方面所取得的成果，共4章，主要內容包括：功率放大器的研究與設計、功率放大器非線性分析、預失真技術原理與應用、壓縮感知框架下信號采集與預失真重構。本書介紹了GaN器件的平衡式逆F類功率放大器的研究與設計、Doherty功率放大器設計、并發多波段射頻功率放大器設計、可重構功率放大器仿真設計、功率放大器行為模型建立、功率放大器神經網絡逆向建模方法、數字預失真研究、壓縮感知框架下寬帶功率放大器預失真模型研究，并提出了應用于構建壓縮采樣及稀疏系統辨識理論下的預失真系統設計方法和創新結構，為智能無線電系統的實現奠定了理論基礎和設計思路。讀者能夠通過本書的設計實例了解射頻功率放大器和預失真技術的創新性設計理論及設計方法，學習射頻功率放大器模塊的設計過程、步驟、實驗及仿真測試方法，分析不同射頻功率放大器行為模型的建模方法，進而理解和搭建認知無線電系統功率放大器預失真智能系統，為成為射頻電路和系統工程師積累經驗。本書可作為高等學校電子信息工程、電子科學與技術、通信工程等本科高年級學生和電子信息類相關方向的研究生的學習參考書，也可供射頻電路與系統工程師學習、參考。
認知無線電系統功率放大器設計建模與預失真 目錄
目 錄
第1章 功率放大器的研究與設計 1
1．1 基于GaN器件的平衡式
逆F類功率放大器的
研究與設計 1
1．1．1 平衡式功率放大器的原理 1
1．1．2 平衡式功率放大器 2
1．1．3 3dB定向耦合器 2
1．2 單級逆F類功率放大器的設計 4
1．2．1 逆F類功率放大器的
工作原理 4
1．2．2 輸入匹配電路設計 7
1．3 平衡式逆F類功率放大器 9
1．3．1 平衡式逆F類功率
放大器設計原理 9
1．3．2 平衡式逆F類功率
放大器實物與測試 10
1．4 Doherty功率放大器設計 14
1．4．1 基于諧波抑制與補償線
技術的非對稱Doherty
功率放大器設計 14
1．4．2 基于雙向牽引技術
與諧波抑制的Doherty
功率放大器設計 16
1．5 并發雙波段射頻功率
放大器設計 18
1．5．1 并發雙波段功率
放大器的工作原理 18
1．5．2 并發雙波段功率
放大器匹配電路設計 19
1．5．3 雙波段射頻功率
放大器實物與測試 19
1．6 可重構功率放大器仿真設計 21
1．6．1 可重構多波段功率
放大器的工作原理 21
1．6．2 多波段偏置電路設計 23
1．6．3 多波段功率放大器的
匹配電路設計 27
1．6．4 可重構功率放大器
實物與測試 35
參考文獻 37
第2章 功率放大器非線性分析 41
2．1 功率放大器的非線性 41
2．1．1 諧波失真 41
2．1．2 互調失真 42
2．1．3 AM/AM和AM/PM失真 43
2．2 功率放大器的記憶效應 44
2．2．1 記憶效應產生的原因 44
2．2．2 消除記憶效應的方法 45
2．3 功率放大器非線性
對通信系統的影響 46
2．3．1 鄰信道功率比（ACPR） 46
2．3．2 誤差矢量幅度（EVM） 46
2．4 功率放大器行為模型 47
2．4．1 Saleh模型、Rapp模型
和冪級數模型 47
2．4．2 Volterra級數模型
與記憶多項式模型 48
2．4．3 Hammerstein模型
與Wiener模型 50
2．4．4 神經網絡模型 52
2．5 記憶效應非線性功率放大器
擴展Volterra模型分析與構建 57
2．5．1 Volterra-Chebyshev
模型推導與分析 57
2．5．2 Volterra-Laguerre
模型分析與推導 59
2．5．3 模型仿真實驗 61
2．6 基于Volterra級數模型
改進的自適應
子空間追蹤算法 63
2．6．1 改進稀疏度估計算法 63
2．6．2 自適應子空間追蹤算法 64
2．6．3 仿真分析 65
2．6．4 小結 66
2．7 蟻獅算法優化的BP-RBF
功率放大器行為模型 66
2．7．1 引言 66
2．7．2 蟻獅算法 67
2．7．3 優化的BP-RBF
功率放大器行為模型 67
2．7．4 小結 69
2．8 Doherty功率放大器的
貝葉斯正則化神經網絡
逆向建模 69
2．8．1 引言 69
2．8．2 貝葉斯正則化
神經網絡模型 69
2．8．3 應用貝葉斯正則化
逆向建模方法 71
2．8．4 Doherty功率放大器
逆向建模與仿真 72
2．8．5 小結 73
2．9 可重構功率放大器的新穎
NARX神經網絡逆向建模 73
2．9．1 引言 73
2．9．2 NARX神經網絡模型 73
2．9．3 可重構功率放大器
神經網絡逆向建模
仿真及結果 74
2．9．4 小結 76
2．10 改進蟻群算法的BRBP
神經網絡功率放大器
逆向建模 76
2．10．1 引言 76
2．10．2 改進的蟻群算法 76
2．10．3 BRBP神經網絡功率
放大器模型 77
2．10．4 功率放大器逆向建模
及仿真分析 78
2．10．5 小結 80
參考文獻 80
第3章 預失真技術原理與應用 83
3．1 預失真技術的原理與分類 83
3．1．1 預失真技術的原理 83
3．1．2 預失真技術的分類 84
3．2 數字預失真主流技術 85
3．2．1 查找表與多項式預失真 85
3．2．2 自適應學習結構 86
3．3 功率放大器數字基帶預失真
理論分析和仿真實現 87
3．3．1 數字基帶預失真結構 88
3．3．2 數字預失真器傳輸
函數理論推導 89
3．3．3 數字基帶預失真的
仿真實現 89
3．3．4 分裂增強型Hammerstein
模型的研究分析 91
3．3．5 模型分析 91
3．3．6 功率放大器設計
及參數提取 93
3．3．7 模型仿真實驗 93
3．3．8 新型Hammerstein
動態非線性功率放大器
模型及預失真應用 96
3．3．9 改進的Hammerstein模型 96
3．3．10 模型仿真與驗證 97
3．4 峰均比抑制與預失真在OFDM-ROF系統中的應用 100
3．4．1 OFDM-ROF系統分析 100
3．4．2 OFDM-ROF系統非線性
失真分析 101
3．4．3 聯合仿真系統搭建 102
3．4．4 聯合仿真結果 103
3．5 改進算法的峰均比抑制聯合
預失真技術 105
3．5．1 系統模型 105
3．5．2 數字預失真系統 106
3．5．3 預失真與峰均比
抑制聯合 107
3．5．4 實驗結果與分析 108
3．6 寬帶功率放大器的PGSC
建模和數字預失真研究 111
3．6．1 新型PGSC行為模型分析 112
3．6．2 PGSC模型的辨識 113
3．6．3 測試結果 114
3．7 雙環結構的數字
預失真方法研究 118
3．7．1 雙環結構的預失真結構 118
3．7．2 實驗驗證及結果分析 120
3．8 雙頻功率放大器建模
與預失真研究 121
3．8．1 引言 121
3．8．2 Volterra級數 122
3．8．3 新型欠采樣預
失真模型結構 124
3．8．4 仿真結果與分析 125
3．8．5 小結 126
3．9 LMEC研究及預失真應用 127
3．9．1 LMEC行為模型描述 127
3．9．2 模型識別 129
3．9．3 模型性能評估 129
3．9．4 預失真應用 131
3．10 改進的動態記憶多項式
功率放大器模型及
預失真應用 132
3．10．1 改進的多支路組合
功率放大器行為模型 132
3．10．2 功率放大器模型評估
與驗證 133
3．10．3 預失真應用 133
參考文獻 135
第4章 壓縮感知框架下信號采集
與預失真重構 138
4．1 自適應稀疏重構的雙頻
預失真結構 138
4．1．1 自適應稀疏度重構算法 138
4．1．2 仿真分析 142
4．1．3 小結 143
4．2 基于CS的新型線性化技術 144
4．2．1 壓縮采樣匹配追蹤算法 144
4．2．2 算法仿真分析 146
4．2．3 小結 148
4．3 稀疏的歸一化功率放大器
模型及預失真應用 148
4．3．1 模型描述 149
4．3．2 模型稀疏化及辨識 150
4．3．3 模型性能驗證 151
4．3．4 預失真應用 152
4．4 基于間接學習結構的
自適應預失真研究 154
4．4．1 引言 154
4．4．2 三箱功率放大器
行為模型 154
4．4．3 基于間接學習結構的
GRLS_IVSSLMS
自適應預失真算法 155
4．4．4 仿真結果與分析 157
4．4．5 小結 159
4．5 自適應稀疏重構的雙頻
預失真結構 159
4．5．1 引言 159
4．5．2 CPWL非線性函數模型 160
4．5．3 雙頻功率放大器的
自適應融合
欠采樣預失真 162
4．5．4 仿真結果與分析 163
4．5．5 小結 167
4．6 壓縮感知框架下寬帶功率
放大器預失真模型 167
4．6．1 引言 167
4．6．2 基于壓縮感知的預失真
模型結構 168
4．6．3 基于SFM的MWC結構
的信號采樣 169
4．6．4 仿真結果 172
4．6．5 小結 174
參考文獻 175
第1章 功率放大器的研究與設計 1
1．1 基于GaN器件的平衡式
逆F類功率放大器的
研究與設計 1
1．1．1 平衡式功率放大器的原理 1
1．1．2 平衡式功率放大器 2
1．1．3 3dB定向耦合器 2
1．2 單級逆F類功率放大器的設計 4
1．2．1 逆F類功率放大器的
工作原理 4
1．2．2 輸入匹配電路設計 7
1．3 平衡式逆F類功率放大器 9
1．3．1 平衡式逆F類功率
放大器設計原理 9
1．3．2 平衡式逆F類功率
放大器實物與測試 10
1．4 Doherty功率放大器設計 14
1．4．1 基于諧波抑制與補償線
技術的非對稱Doherty
功率放大器設計 14
1．4．2 基于雙向牽引技術
與諧波抑制的Doherty
功率放大器設計 16
1．5 并發雙波段射頻功率
放大器設計 18
1．5．1 并發雙波段功率
放大器的工作原理 18
1．5．2 并發雙波段功率
放大器匹配電路設計 19
1．5．3 雙波段射頻功率
放大器實物與測試 19
1．6 可重構功率放大器仿真設計 21
1．6．1 可重構多波段功率
放大器的工作原理 21
1．6．2 多波段偏置電路設計 23
1．6．3 多波段功率放大器的
匹配電路設計 27
1．6．4 可重構功率放大器
實物與測試 35
參考文獻 37
第2章 功率放大器非線性分析 41
2．1 功率放大器的非線性 41
2．1．1 諧波失真 41
2．1．2 互調失真 42
2．1．3 AM/AM和AM/PM失真 43
2．2 功率放大器的記憶效應 44
2．2．1 記憶效應產生的原因 44
2．2．2 消除記憶效應的方法 45
2．3 功率放大器非線性
對通信系統的影響 46
2．3．1 鄰信道功率比（ACPR） 46
2．3．2 誤差矢量幅度（EVM） 46
2．4 功率放大器行為模型 47
2．4．1 Saleh模型、Rapp模型
和冪級數模型 47
2．4．2 Volterra級數模型
與記憶多項式模型 48
2．4．3 Hammerstein模型
與Wiener模型 50
2．4．4 神經網絡模型 52
2．5 記憶效應非線性功率放大器
擴展Volterra模型分析與構建 57
2．5．1 Volterra-Chebyshev
模型推導與分析 57
2．5．2 Volterra-Laguerre
模型分析與推導 59
2．5．3 模型仿真實驗 61
2．6 基于Volterra級數模型
改進的自適應
子空間追蹤算法 63
2．6．1 改進稀疏度估計算法 63
2．6．2 自適應子空間追蹤算法 64
2．6．3 仿真分析 65
2．6．4 小結 66
2．7 蟻獅算法優化的BP-RBF
功率放大器行為模型 66
2．7．1 引言 66
2．7．2 蟻獅算法 67
2．7．3 優化的BP-RBF
功率放大器行為模型 67
2．7．4 小結 69
2．8 Doherty功率放大器的
貝葉斯正則化神經網絡
逆向建模 69
2．8．1 引言 69
2．8．2 貝葉斯正則化
神經網絡模型 69
2．8．3 應用貝葉斯正則化
逆向建模方法 71
2．8．4 Doherty功率放大器
逆向建模與仿真 72
2．8．5 小結 73
2．9 可重構功率放大器的新穎
NARX神經網絡逆向建模 73
2．9．1 引言 73
2．9．2 NARX神經網絡模型 73
2．9．3 可重構功率放大器
神經網絡逆向建模
仿真及結果 74
2．9．4 小結 76
2．10 改進蟻群算法的BRBP
神經網絡功率放大器
逆向建模 76
2．10．1 引言 76
2．10．2 改進的蟻群算法 76
2．10．3 BRBP神經網絡功率
放大器模型 77
2．10．4 功率放大器逆向建模
及仿真分析 78
2．10．5 小結 80
參考文獻 80
第3章 預失真技術原理與應用 83
3．1 預失真技術的原理與分類 83
3．1．1 預失真技術的原理 83
3．1．2 預失真技術的分類 84
3．2 數字預失真主流技術 85
3．2．1 查找表與多項式預失真 85
3．2．2 自適應學習結構 86
3．3 功率放大器數字基帶預失真
理論分析和仿真實現 87
3．3．1 數字基帶預失真結構 88
3．3．2 數字預失真器傳輸
函數理論推導 89
3．3．3 數字基帶預失真的
仿真實現 89
3．3．4 分裂增強型Hammerstein
模型的研究分析 91
3．3．5 模型分析 91
3．3．6 功率放大器設計
及參數提取 93
3．3．7 模型仿真實驗 93
3．3．8 新型Hammerstein
動態非線性功率放大器
模型及預失真應用 96
3．3．9 改進的Hammerstein模型 96
3．3．10 模型仿真與驗證 97
3．4 峰均比抑制與預失真在OFDM-ROF系統中的應用 100
3．4．1 OFDM-ROF系統分析 100
3．4．2 OFDM-ROF系統非線性
失真分析 101
3．4．3 聯合仿真系統搭建 102
3．4．4 聯合仿真結果 103
3．5 改進算法的峰均比抑制聯合
預失真技術 105
3．5．1 系統模型 105
3．5．2 數字預失真系統 106
3．5．3 預失真與峰均比
抑制聯合 107
3．5．4 實驗結果與分析 108
3．6 寬帶功率放大器的PGSC
建模和數字預失真研究 111
3．6．1 新型PGSC行為模型分析 112
3．6．2 PGSC模型的辨識 113
3．6．3 測試結果 114
3．7 雙環結構的數字
預失真方法研究 118
3．7．1 雙環結構的預失真結構 118
3．7．2 實驗驗證及結果分析 120
3．8 雙頻功率放大器建模
與預失真研究 121
3．8．1 引言 121
3．8．2 Volterra級數 122
3．8．3 新型欠采樣預
失真模型結構 124
3．8．4 仿真結果與分析 125
3．8．5 小結 126
3．9 LMEC研究及預失真應用 127
3．9．1 LMEC行為模型描述 127
3．9．2 模型識別 129
3．9．3 模型性能評估 129
3．9．4 預失真應用 131
3．10 改進的動態記憶多項式
功率放大器模型及
預失真應用 132
3．10．1 改進的多支路組合
功率放大器行為模型 132
3．10．2 功率放大器模型評估
與驗證 133
3．10．3 預失真應用 133
參考文獻 135
第4章 壓縮感知框架下信號采集
與預失真重構 138
4．1 自適應稀疏重構的雙頻
預失真結構 138
4．1．1 自適應稀疏度重構算法 138
4．1．2 仿真分析 142
4．1．3 小結 143
4．2 基于CS的新型線性化技術 144
4．2．1 壓縮采樣匹配追蹤算法 144
4．2．2 算法仿真分析 146
4．2．3 小結 148
4．3 稀疏的歸一化功率放大器
模型及預失真應用 148
4．3．1 模型描述 149
4．3．2 模型稀疏化及辨識 150
4．3．3 模型性能驗證 151
4．3．4 預失真應用 152
4．4 基于間接學習結構的
自適應預失真研究 154
4．4．1 引言 154
4．4．2 三箱功率放大器
行為模型 154
4．4．3 基于間接學習結構的
GRLS_IVSSLMS
自適應預失真算法 155
4．4．4 仿真結果與分析 157
4．4．5 小結 159
4．5 自適應稀疏重構的雙頻
預失真結構 159
4．5．1 引言 159
4．5．2 CPWL非線性函數模型 160
4．5．3 雙頻功率放大器的
自適應融合
欠采樣預失真 162
4．5．4 仿真結果與分析 163
4．5．5 小結 167
4．6 壓縮感知框架下寬帶功率
放大器預失真模型 167
4．6．1 引言 167
4．6．2 基于壓縮感知的預失真
模型結構 168
4．6．3 基于SFM的MWC結構
的信號采樣 169
4．6．4 仿真結果 172
4．6．5 小結 174
參考文獻 175
展開全部
認知無線電系統功率放大器設計建模與預失真 作者簡介
高明明，女，博士，遼寧工程技術大學，副教授，電子與信息工程學院副院長，大連海事大學博士后，博士生導師，國家自然科學基金青年項目獲得者，電子學會會員，遼寧工程技術大學電子與信息工程學院副院長。研究方向：智能射頻技術，射頻電路與系統，電磁兼容，功率放大器線性化技術，人工智能等。
書友推薦
- >
唐代進士錄
- >
中國歷史的瞬間
- >
名家帶你讀魯迅:故事新編
- >
二體千字文
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:朝花夕拾
- >
推拿
- >
煙與鏡
本類暢銷
