基于循环神经网络的OFDM系统的失真补偿

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于循环神经网络的OFDM系统的失真补偿

李明奇, 李玉柏, 彭启琮

文章导航 > 电子科技大学学报 > 2007 > 36(4): 677-680

李明奇, 李玉柏, 彭启琮. 基于循环神经网络的OFDM系统的失真补偿[J]. 电子科技大学学报, 2007, 36(4): 677-680.

引用本文:

李明奇, 李玉柏, 彭启琮. 基于循环神经网络的OFDM系统的失真补偿[J]. 电子科技大学学报, 2007, 36(4): 677-680.

LI Ming-qi, LI Yu-bai, PENG Qi-cong. Compensation of Distortions in OFDM System by Recurrent Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(4): 677-680.

Citation:

LI Ming-qi, LI Yu-bai, PENG Qi-cong. Compensation of Distortions in OFDM System by Recurrent Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(4): 677-680.

基于循环神经网络的OFDM系统的失真补偿

1.
电子科技大学应用数学学院成都 610054;
2.
电子科技大学通信与信息工程学院成都 610054

基金项目:

国家自然科学基金资助项目(60672157;60672158;60575031)

作者简介:
李明奇(1970-),男,在职博士生,副教授,主要从事数字信号处理和动力系统方面的研究.

中图分类号: TN929.1

Compensation of Distortions in OFDM System by Recurrent Neural Networks

1.
School of Applied Mathematics,University of Electronic Science and Technology of China of China Chengdu 610054;
2.
School of Communication & Information Engineering,University of Electronic Science and Technology of China of China Chengdu 610054

Funds:

Supported by the National Natural Science Fund of China (60672157; 60672158; 60575031)

摘要: 在OFDM系统的发射机部分高功率放大器常常引起发射信号的非线性失真。对角循环神经网络是一类经过修正的全连接循环神经网络,在系统动态行为的俘获方面具有明显的优势。该文引入了这类对角循环神经网络,对发射信号在高功率放大之前进行前置补偿,对网络的训练提出了梯度下降算法。该算法具有更少的RAM需求和以盲起点为初始值的更快的网络收敛速度的特点。仿真显示以该神经网络作为前置补偿,系统具有更快的收敛速度和更少的RAM。
- 非线性失真 /
- 正交频分多路复用 /
- 循环神经网络
Abstract: High power amplifier often brings a nonlinear distortion for the orthogonal frequency division multiplexing system in the transmitter. Diagonal Recurrent Neural Network (DRNN) is a modified model of the fully connected recurrent neural network with the advantage in capturing the dynamic behavior of a system. In this paper. DRNN is introduced to compensate transmitted signal before the signal passes the high power amplifier. The algorithm of gradient descent method is developed to train the DRNN, which requires a low amount of Random Access Memory (RAM) and is with much faster convergence speed from a blind start. The simulation shows that the network owns a rapid convergence and a low amount of RAM is required if this recurrent neural network is applied as predistorter.
- nonlinear distortion /
- orthogonal frequency division multiplexing /
- recurrent neural network

[1]	钱夔, 宋爱国, 田磊. 基于频域控制约束的物理神经网络非线性系统预测方法 . 电子科技大学学报, 2024, 53(2): 227-234. doi: 10.12178/1001-0548.2023036
[2]	葛唯益, 程思伟, 王羽, 徐建. 基于双向门控循环神经网络的事件论元抽取方法 . 电子科技大学学报, 2022, 51(1): 100-107. doi: 10.12178/1001-0548.2021153
[3]	吴劲, 陈树沛, 杨庆, 周帆. 基于图神经网络的用户轨迹分类 . 电子科技大学学报, 2021, 50(5): 734-740. doi: 10.12178/1001-0548.2020435
[4]	董帅, 李文生, 张文强, 邹昆. 基于多视图循环神经网络的三维物体识别 . 电子科技大学学报, 2020, 49(2): 269-275. doi: 10.12178/1001-0548.2019017
[5]	胡旺, 张建, 陈维锋, 胡斌, 郭红梅. 基于神经网络的烈度衰减融合模型研究 . 电子科技大学学报, 2018, 47(2): 224-229. doi: 10.3969/j.issn.1001-0548.2018.02.010
[6]	魏鹏, 周成, 肖悦, 李少谦. 基于索引调制的广义频分复用技术 . 电子科技大学学报, 2017, 46(3): 516-521. doi: 10.3969/j.issn.1001-0548.2017.03.007
[7]	卢小梅, 陈武华, 杨宣访. 时滞细胞神经网络部分状态脉冲镇定 . 电子科技大学学报, 2010, 39(6): 810-816. doi: 10.3969/j.issn.1001-0548.2010.06.002
[8]	王键, 李道本, 杨讯, 张曦林. 重叠频分复用系统循环前缀的设计和分析 . 电子科技大学学报, 2009, 38(1): 32-35.
[9]	胡苏, 武刚, 李少谦. 高功率放大器非线性失真联合抑制方法 . 电子科技大学学报, 2009, 38(4): 501-504. doi: 10.3969/j.issn.1001-0548.2009.04.006
[10]	陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法 . 电子科技大学学报, 2008, 37(3): 432-435.
[11]	傅彦, 周俊临, 吴跃. 快速神经网络无损压缩方法研究 . 电子科技大学学报, 2007, 36(6): 1245-1248.
[12]	曹安照, 田丽. 基于RBF神经网络的短期电力负荷预测 . 电子科技大学学报, 2006, 35(4): 507-509.
[13]	文武, 杨汉生, 徐军, 钟守铭. 随机型细胞神经网络的稳定性 . 电子科技大学学报, 2005, 34(5): 700-702,716.
[14]	徐军, 钟守铭, 张春凤. 分布时滞Hopfield神经网络稳定性 . 电子科技大学学报, 2004, 33(2): 200-203.
[15]	翟东海, 李力, 靳蕃. 模糊神经网络用于非线性系统模型辨识 . 电子科技大学学报, 2004, 33(5): 577-581.
[16]	王定成, 王毅, 钟守铭. 一类神经网络算法的渐近行为 . 电子科技大学学报, 2003, 32(2): 221-224.
[17]	舒兰, 吴磊, 张勇. 粗集神经网络系统及其应用 . 电子科技大学学报, 2002, 31(4): 426-428.
[18]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.
[19]	胡香荣, 徐军, 薛良金. 对称单面鳍线的人工神经网络模型 . 电子科技大学学报, 2001, 30(5): 454-457.
[20]	汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割 . 电子科技大学学报, 1997, 26(4): 366-368.

WeChat

点击查看大图

计量

文章访问数: 3361
HTML全文浏览量: 102
PDF下载量: 69
被引次数: 0

基于循环神经网络的OFDM系统的失真补偿

1. 电子科技大学应用数学学院成都 610054;

2. 电子科技大学通信与信息工程学院成都 610054

基金项目:

国家自然科学基金资助项目(60672157;60672158;60575031)

作者简介:
李明奇(1970-),男,在职博士生,副教授,主要从事数字信号处理和动力系统方面的研究.

收稿日期: 2007-03-19
刊出日期: 2006-08-15

中图分类号: TN929.1

关键词:

摘要: 在OFDM系统的发射机部分高功率放大器常常引起发射信号的非线性失真。对角循环神经网络是一类经过修正的全连接循环神经网络,在系统动态行为的俘获方面具有明显的优势。该文引入了这类对角循环神经网络,对发射信号在高功率放大之前进行前置补偿,对网络的训练提出了梯度下降算法。该算法具有更少的RAM需求和以盲起点为初始值的更快的网络收敛速度的特点。仿真显示以该神经网络作为前置补偿,系统具有更快的收敛速度和更少的RAM。

English Abstract

李明奇, 李玉柏, 彭启琮. 基于循环神经网络的OFDM系统的失真补偿[J]. 电子科技大学学报, 2007, 36(4): 677-680.

引用本文:

李明奇, 李玉柏, 彭启琮. 基于循环神经网络的OFDM系统的失真补偿[J]. 电子科技大学学报, 2007, 36(4): 677-680.

LI Ming-qi, LI Yu-bai, PENG Qi-cong. Compensation of Distortions in OFDM System by Recurrent Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(4): 677-680.

Citation:

LI Ming-qi, LI Yu-bai, PENG Qi-cong. Compensation of Distortions in OFDM System by Recurrent Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(4): 677-680.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发