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
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 某武器检测装置的控制系统设计,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于BP神经网络的水稻干燥智能控制研究,S226.6
- 花前干旱锻炼对花后干旱逆境下小麦产量和品质形成的影响及其生理机制,S512.1
- 高速公路拆迁民众生存系统评价研究,D523
中图分类: > 交通运输 > 水路运输 > 船舶工程 > 导航设备、水声设备 > 水声设备
© 2012 www.xueweilunwen.com
|