一种基于神经网络的MIMO系统数字预失真补偿方法、装置、设备和存储介质

文档序号:33732347发布日期:2023-04-06 04:32阅读:来源:国知局

技术特征:

1.一种基于神经网络的mimo系统数字预失真补偿方法、装置、设备和存储介质,其特征在于,该方法包括:

2.如权利要求1所述的方法,其特征在于,所述mimo系统中的串扰为:

3.如权利要求1所述的方法,其特征在于,所述基于注意力机制的cnn-bilstm预失真算法采用的模型架构为:

4.如权利要求3所述的方法,其特征在于,所述基于注意力机制的cnn-bilstm预失真算法中的双向长短期记忆(bilstm)神经网络具体包括:

5.如权利要求3所述的方法,其特征在于,所述基于注意力机制的cnn-bilstm预失真算法中的cnn网络结构采用一维cnn模型(1d cnn)。

6.如权利要求3所述的方法,其特征在于,所述基于注意力机制的cnn-bilstm预失真算法中的attention机制优化算法用来表示特征与输出结果之间的相关性:

7.一种基于神经网络的mimo系统数字预失真补偿装置,其特征在于,包括:

8.如权利要求7中所述的装置,其特征在于,所述混合模型包括:

9.一种基于神经网络的mimo系统数字预失真补偿设备,其特征在于,包括:

10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1至6中任一项所述的神经网络训练和数字预失真补偿方法。


技术总结
本发明公开了一种基于神经网络的MIMO系统数字预失真补偿方法、装置、设备和存储介质。涉及无线通信技术领域,以解决目前的MIMO预失真模型适用范围较小、辨识精度不够、复杂度过高的问题。本发明方法包括:将MIMO系统中的非线性串扰效应建模为双分支信道非线性串扰模型;将CNN网络结构与BiLSTM以及注意力机制相结合,构建了一个基于Attention机制的CNN‑Bi LSTM混合模型,将经过放大器的非线性信号输入到算法模型中;针对MIMO系统,在其反馈链路上采用基于注意力机制的CNN‑BiLSTM预失真算法进行参数估计,从而补偿不同通道间串扰和功率放大器的非线性特性。传统的基于神经网络的数字预失真补偿方案利用神经网络来识别预失真器的逆函数,只考虑了传统的SISO系统,不能补偿MIMO发射机中的非线性串扰,本发明所提出的一种基于神经网络的MIMO系统数字预失真补偿方法能够同时补偿MIMO系统不同通道间的非线性串扰及功率放大器的非线性失真,经由神经网络结构高效准确的统一数字预失真模型,提高了建模精度。

技术研发人员:洪卫军,吴宇晨,黄婷钰
受保护的技术使用者:北京邮电大学
技术研发日:
技术公布日:2024/1/12
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1