导读:本文包含了线性功放论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:功率放大器,线性化,功放,氮化,神经网络,数字,迭代法。
线性功放论文文献综述
张黎,刘太君,谢晋雄,叶焱,许高明[1]（2019）在《基于SoC的可重构短波功放数字预失真线性化》一文中研究指出在对功率放大器的非线性放大特性研究的基础上,提出了在SoC为核心的硬件平台上对短波功放进行可重构预失真线性化的方法。文章重点对改进型Hammerstein模型进行了改进,修改后的模型不仅在硬件上易于实现,而且具备模式切换功能,可以根据需求选择不同的有记忆模型或无记忆模型。实验结果证实了修改后的模型能有效地抑制短波功放的带外寄生辐射。提出的基于SoC硬件平台的预失真线性化实现方案可以很方便地实现各种不同的预失真非线性模型,节省系统硬件资源,具有重要的工程实际应用价值。(本文来源于《微波学报》期刊2019年03期）
刘太君[2]（2019）在《基于深度神经网络的5G宽带射频功放数字预失真线性化技术研究》一文中研究指出本报告将讨论使用几种不同的深度神经网络对5G宽带射频功放进行数字预失真线性化的问题。首先回顾采用诸如各种径向基函数神经网络、前馈神经网络等传统神经网络对射频功放进行数字预失真线性化时所表现出的性能差异。在此基础上,重点讨论如何使用卷积神经网络(CNN)、循环神经网络(RNN)、长短期神经网络(LSTM)、对抗神经网络(GAN)等深度神经网络对5G宽带射频功放进行数字预失真线性化。最后,通过一些在5G射频功放原型上获得的实验结果,对各种深度神经网络的线性化能力进行实验验证。(本文来源于《2019年全国微波毫米波会议论文集（下册）》期刊2019-05-19）
朱惠[3]（2019）在《无线通信系统中射频功放线性化技术》一文中研究指出本文首先介绍了功放的非线性特性,之后给出了比较常用的功放线性化技术,最后重点分析了数字预失真技术。(本文来源于《电子技术与软件工程》期刊2019年09期）
刘江帆,朱华,曹诚,夏青,王哲[4]（2019）在《线性化的X波段CMOS低功耗高效率功放》一文中研究指出设计了一个X波段的高效率高线性度的宽带功率放大器。应用并联共源共栅结构减小叁阶交调和叁次谐波分量。应用体偏置技术,提高了功放的功率附加效率,降低了功耗。结合反馈技术,输入端采用双谐振网络,拓展了带宽。仿真结果表明,该功率放大器具有33%的相对带宽,14.5dBm的饱和输出功率,PAE_(max)达到45%,输入叁阶交调点为6 dBm,同时功耗仅为28.5 mW。(本文来源于《移动通信》期刊2019年02期）
惠明,张新刚,张萌,余超,朱晓维[5]（2018）在《基于实复值混合时延神经网络的宽带功放的建模和线性化（英文）》一文中研究指出提出了一种新型的实复值混合时延神经网络,用于建模和线性化宽带射频功放.该神经网络包含输入信号的广义记忆效应、复值输入信号和复值输入信号模值的分数阶次,因而其建模精度显着提高.对实复值混合时延神经网络在不同扩展常数、记忆深度、神经元数和阶数时的归一化均方误差(NMSE)进行了比较研究,以建立一个能够有效建模宽带功放强非线性的基带模型—最优时延神经网络(TDNN).采用51 dBm宽带功放和25 MHz带宽的混合测试信号用于模型的有效性验证.测试结果表明,实复值混合时延神经网络相比记忆多项式模型和实值时延神经网络具有更高的建模精度,NMSE提高5 dB.此外,实复值混合时延神经网络相比广义记忆多项式模型,NMSE提高0.6 dB,并具有更好的数值稳定性.相比实值时延神经网络和记忆多项式模型,所提出的时延神经网络能够更好地抑制带外的频谱再生.(本文来源于《Journal of Southeast University(English Edition)》期刊2018年02期）
陈文华[6]（2018）在《5G大规模MIMO高效线性功放研究》一文中研究指出5G大规模MIMO系统通过在配备大量低功率天线,可以有效地提升频谱效率,提高链路可靠性,但对于功放而言仍然面临着巨大的挑战。由于天线和射频通道数量的急剧增加,同时通信系统带宽也快速膨胀,因此对于功放单元的效率提出空气的挑战。现有的3.5GHz、支持200MHz带宽的大规模MIMO实验系统中,64通道发射机中功放直流功耗和线性化单元功耗都在400W以上,而在28GHz等毫米波频段的矛盾更加突出,因此亟需新型高效线性功放电路结构和线性化方法来应对5G所面临的挑战。本报告将系统地分析5G大规模MIMO系统中功放单元及线性化模块的功耗情况以及所面临的瓶颈问题,从介绍当今国内外在该方向的一些研究进展,并探讨后续需着重研究的问题。(本文来源于《2018年全国微波毫米波会议论文集(上册)》期刊2018-05-06）
祝超,陈新宇[7]（2018）在《基于Doherty技术的高效率小型化LTE线性功放设计》一文中研究指出设计了一款基于2.4mm栅宽的GaN HEMT工艺的对称型长期演进(LTE)线性Doherty功率放大器。通过使用陶瓷片Lange定向耦合器作为功率分配器并使用陶瓷片电容和微带作为匹配网络代替传统的PCB微带匹配网络,减小了电路面积。阐述了Doherty放大电路的基本原理,制作了电路实物并进行测试。在3.4~3.6GHz频段范围内,该功率放大器的饱和功率45.2dBm,饱和效率60.0%,回退8dB时效率为52.1%,线性增益为16.8dB;输入80MHz带宽LTE信号,在回退8dB时经过数字预失真(DPD)算法优化后邻信道功率比(ACPR)为-38.3dBc;功率放大器匹配部分尺寸为9mm×4mm。(本文来源于《固体电子学研究与进展》期刊2018年01期）
王崇,杨志国[8]（2018）在《Ka频段氮化镓功放的预失真线性化器设计》一文中研究指出基于满足目前高效复杂的调制技术对功率放大器线性化度越来越高的需求的目的,采用模拟预失真技术设计了一种线性化器,用来改善Ka频段氮化镓(GaN)固态功率放大器的非线性化失真;通过改进传统的并联式二极管预失真电路,采用开环技术,将两个肖特基二极管并联;改变二极管的偏置状态,得到不同的改善程度的预失真信号;结合使用专用电磁仿真软件ADS2013做电路仿真,通过参数扫描得到二极管偏置状态的初始值,为实物调试提供理论基础;通过对已加工的实物测试,结果表明:增益幅度补偿达到6.4dB,相位补偿达到28°。(本文来源于《计算机测量与控制》期刊2018年01期）
薛伟,王晶琦,田雨柔,谭晶,吴文[9]（2017）在《基于改进的牛顿迭代算法的功放线性化研究》一文中研究指出随着现代通信的发展,对射频功率放大器的线性度提出了更高的要求。为了改善功放的线性度,本文提出了一种基于改进牛顿迭代法的功放线性化技术。传统的牛顿迭代法需要对功放模型进行辨识,计算复杂且精度受限。本文通过引入瞬时增益的概念,在迭代过程中只需计算瞬时增益的倒数,避免了在每次迭代过程中需要对功放模型进行辨识的过程,降低了牛顿迭代法的计算量。实验结果表明,改进的牛顿迭代法避免了传统牛顿迭代法中预失真效果受到功放模型精度影响的缺点,且预失真效果优于传统的牛顿迭代法。(本文来源于《微波学报》期刊2017年S1期）
陈文华[10]（2017）在《面向5G的高效线性功放研究》一文中研究指出随着无线通信技术的快速演进,5G标准相关的关键技术研究成为当前热点,而作为射频核心部件之一的功率放大器技术也受到极大的关注。针对新一代5G系统应用,目前主要关注的频谱分布在6GHz以下和6GHz以上两个频段,而在这两个重点频段上对于功率放大器的系统指标、关键技术和面临挑战都有所不同。报告将针对两个频段不同的技术需求,综述当前国内外在高效线性功放方面的主要研究进展,分析当前所面临的技术瓶颈,并介绍报告人团队在该方向上所做的一些研究工作。(本文来源于《2017年全国微波毫米波会议论文集（上册）》期刊2017-05-08）
线性功放论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本报告将讨论使用几种不同的深度神经网络对5G宽带射频功放进行数字预失真线性化的问题。首先回顾采用诸如各种径向基函数神经网络、前馈神经网络等传统神经网络对射频功放进行数字预失真线性化时所表现出的性能差异。在此基础上,重点讨论如何使用卷积神经网络(CNN)、循环神经网络(RNN)、长短期神经网络(LSTM)、对抗神经网络(GAN)等深度神经网络对5G宽带射频功放进行数字预失真线性化。最后,通过一些在5G射频功放原型上获得的实验结果,对各种深度神经网络的线性化能力进行实验验证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
线性功放论文参考文献
[1].张黎,刘太君,谢晋雄,叶焱,许高明.基于SoC的可重构短波功放数字预失真线性化[J].微波学报.2019
[2].刘太君.基于深度神经网络的5G宽带射频功放数字预失真线性化技术研究[C].2019年全国微波毫米波会议论文集（下册）.2019
[3].朱惠.无线通信系统中射频功放线性化技术[J].电子技术与软件工程.2019
[4].刘江帆,朱华,曹诚,夏青,王哲.线性化的X波段CMOS低功耗高效率功放[J].移动通信.2019
[5].惠明,张新刚,张萌,余超,朱晓维.基于实复值混合时延神经网络的宽带功放的建模和线性化（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2018
[6].陈文华.5G大规模MIMO高效线性功放研究[C].2018年全国微波毫米波会议论文集(上册).2018
[7].祝超,陈新宇.基于Doherty技术的高效率小型化LTE线性功放设计[J].固体电子学研究与进展.2018
[8].王崇,杨志国.Ka频段氮化镓功放的预失真线性化器设计[J].计算机测量与控制.2018
[9].薛伟,王晶琦,田雨柔,谭晶,吴文.基于改进的牛顿迭代算法的功放线性化研究[J].微波学报.2017
[10].陈文华.面向5G的高效线性功放研究[C].2017年全国微波毫米波会议论文集（上册）.2017
论文知识图
