学位论文 > 优秀研究生学位论文题录展示

D类功率放大器行为建模与预失真技术研究

作　者: 束剑
导　师: 邵杰
学　校: 南京航空航天大学
专　业: 电路与系统
关键词: D类功放非线性特性记忆效应神经网络行为建模预失真技术
分类号: U666.7
类　型: 硕士论文
年　份: 2012年
下　载: 8次
引　用: 0次
阅　读: 论文下载

内容摘要

D类功率放大器（简称D类功放）是现代电子系统中重要的部件，但其存在固有的非线性特性。D类功放的非线性会导致信号带宽外的频谱再生或扩展，对邻近信道造成干扰。本论文对D类功放的具体电路、非线性特性及其引起的失真、记忆效应及其表现形式、行为模型的构建以及预失真技术都进行深入的研究。首先，给出发射机电路。发射机电路主要由脉冲宽度调制电路、死区时间控制电路、功率放大电路、匹配网络和换能器五个子模块电路构成，并且详尽的给出五个子模块电路的实现方法和仿真结果。其次，介绍D类功放非线性失真的概念、非线性引起的各类失真产物、记忆效应以及其表现形式。首先使用Pspice软件对D类功放的AM-AM和AM-PM特性、包络特性、谐波失真、互调失真和过渡特性等非线性特性进行仿真和分析，得到的非线性特性曲线都证明D类功放是一种非线性系统。重点分析影响D类功放非线性特征的一些主要因素——死区时间、MOS管栅源极电容、电源纹波和匹配网络。第三，提出两种改进的功放行为模型——无记忆的改进型BP神经网络模型和有记忆的改进型Elman神经网络模型。通过对这两种改进型神经网络模型的分析和比较知道：改进型BP神经网络模型在保证收敛精度的前提下具有很快的收敛速度（只要一次迭代就可以求解出结果）；改进型Elman神经网络模型不仅收敛精度高，而且收敛速度也很快（迭代100次后改进型Elman神经网络模型的误差函数可以精确到108）。仿真结果显示这两种神经网络模型都可以很好的描述D类功放的非线性特性，而且改进型Elman神经网络模型能很好的描述D类功放记忆效应。最后给出D类功放数字预失真技术的实现方法。

全文目录

摘要  4-5
ABSTRACT  5-14
第一章绪论  14-18
  1.1 课题研究的背景与意义  14
  1.2 国内外相关技术的研究现状  14-17
    1.2.1 非线性特性和记忆效应  14-16
    1.2.2 行为模型和预失真技术  16-17
  1.3 论文的内容安排  17-18
第二章水声信号发射机电路  18-35
  2.1 发射机电路构成  18
  2.2 PWM 信号  18-22
    2.2.1 PWM 信号产生电路  18-20
    2.2.2 PWM 信号产生电路的仿真  20-21
    2.2.3 三电平 PWM 信号产生电路与仿真  21-22
  2.3 死区时间控制电路  22-25
    2.3.1 死区时间原理  22-23
    2.3.2 死区时间控制电路  23-25
  2.4 功率放大电路  25-29
    2.4.1 功放拓扑结构  25-27
    2.4.2 低通滤波器与换能器  27-29
  2.5 匹配网络  29-31
    2.5.1 匹配网络的数学模型  29-31
    2.5.2 匹配网络电路  31
  2.6 发射机的输出信号  31-34
    2.6.1 固定频率的单音输入信号  31-32
    2.6.2 线性调频输入信号  32-34
  2.7 本章小结  34-35
第三章 D 类功放的非线性特性  35-65
  3.1 AM-AM 和 AM-PM 特性  35-41
    3.1.1 数学模型  35
    3.1.2 半桥电路 AM-AM 和 AM-PM 的仿真结果  35-38
    3.1.3 全桥电路 AM-AM 和 AM-PM 的仿真结果  38-41
  3.2 包络特性  41-42
    3.2.1 数学描述  41
    3.2.2 包络特性仿真结果  41-42
  3.3 谐波特性  42-47
    3.3.1 谐波失真数学模型  42-43
    3.3.2 半桥电路谐波失真仿真结果  43-45
    3.3.3 全桥电路谐波失真仿真结果  45-46
    3.3.4 全桥三电平电路谐波失真仿真结果  46-47
  3.4 互调失真(IMD)特性  47-55
    3.4.1 IMD 数学模型  47
    3.4.2 记忆效应的数学模型  47-49
    3.4.3 IMD 仿真结果  49-55
  3.5 过渡特性  55-56
  3.6 影响功放非线性失真的因素  56-64
    3.6.1 死区时间的影响  56-59
    3.6.2 栅源极电容的影响  59-61
    3.6.3 电源纹波的影响  61-62
    3.6.4 匹配网络的影响  62-64
  3.7 本章小结  64-65
第四章 D 类功放的行为建模和预失真技术  65-95
  4.1 常见行为模型及数学描述  65-68
    4.1.1 无记忆多项式模型  65-66
    4.1.2 Saleh 模型  66
    4.1.3 Volterra 级数模型  66
    4.1.4 Wiener 模型  66-67
    4.1.5 Hammerstein 模型  67-68
    4.1.6 神经网络模型  68
  4.2 无记忆的改进型 BP 神经网络模型  68-78
    4.2.1 最佳逼近理论  69
    4.2.2 切比雪夫正交基神经网络  69-70
    4.2.3 优化算法（最佳隐含层神经元数确定法）  70-72
    4.2.4 仿真和分析  72-78
  4.3 有记忆的改进型 Elman 神经网络模型  78-90
    4.3.1 基本 Elman 神经网络  79
    4.3.2 改进型 Elman 神经网络  79-81
    4.3.3 学习和训练算法  81-82
    4.3.4 最佳隐含层神经元数确定  82-83
    4.3.5 仿真和分析  83-90
  4.4 预失真技术  90-94
    4.4.1 预失真的数学模型  91-92
    4.4.2 仿真结果和分析  92-94
  4.5 本章小结  94-95
第五章总结与展望  95-97
  5.1 工作总结  95
  5.2 下一步工作展望  95-97
参考文献  97-103
致谢  103-104
在学期间的研究成果及发表的学术论文  104

D类功率放大器行为建模与预失真技术研究

内容摘要

全文目录

相似论文