.png){kind=icon}
返回
A digital predistortion model based on augmented phase-normalized mamba network
.png){kind=icon}
OA
AI
DOI：10.1016/j.jestch.2026.102408.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种结合增强相位归一化（APN-Mamba）的Mamba网络用于数字预失真（DPD）。所提出的模型由三个阶段组成。在输入阶段，模型通过抽头延迟和相位归一化实现局部对齐。在中间阶段，引入了幅度增强的多通道有限冲激响应（FIR）滤波器，随后是Mamba骨干网络，以提高对非线性失真的感知能力，能够捕捉功率放大器（PAs）的深度记忆特性。最后，在输出阶段，残差融合和反向相位归一化将信号恢复到原始相位空间，实现精确的非线性补偿。所提出的模型在三种实验设置下进行评估：40 MHz Class-F PA、100 MHz Doherty PA和160 MHz Doherty PA。实验结果表明，与几种代表性的基于神经网络的模型相比，APN-Mamba在正向建模和DPD线性化方面均取得了最佳整体性能。在正向建模中，它在所有测试场景下始终达到最低的归一化均方误差（NMSE）。在DPD线性化中，它在不同测试条件下在NMSE、误差向量幅度（EVM）和邻道功率比（ACPR）方面均达到最佳或接近最佳结果，同时保持对最佳竞争模型的持续性能优势，从而展示了其强大的实际应用潜力。
Keyword:
Mamba network
Digital predistortion
Phase normalization
Doherty power amplifier
Finite impulse response filter
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
E
IF:
0
论文数:
134
被引数:
0
机构
引用论文
Dynamic Behavioral Modeling of 3G Power Amplifiers Using Real-Valued Time-Delay Neural Networks
.png){kind=icon}
PREAI
分享收藏Digital Predistortion of RF Power Amplifiers With Decomposed Vector Rotation-Based Recurrent Neural Networks基于分解矢量旋转的递归神经网络的射频功率放大器数字预失真
OAAI
OAAI分享收藏A Low-Sampling-Rate Digital Predistortion Method Based on Inverse Filter Signal Recovery for Wideband Power Amplifiers基于逆滤波信号恢复的低采样率数字预失真方法，用于宽带功率放大器
PREAI
分享收藏Convolutional Neural Network for Behavioral Modeling and Predistortion of Wideband Power AmplifiersOAAI
OAAI分享收藏
查看更多内容