東南大學(xué)碩士學(xué)位論文摘要摘要RF功放的線性化是設(shè)計(jì)WCDMA等第三代移動(dòng)通信系統(tǒng)的關(guān)鍵技術(shù)之一。目前，相對(duì)于前饋和反饋等線性化技術(shù)，基帶數(shù)字預(yù)失真技術(shù)是性?xún)r(jià)比較好的解決方案。在考慮記憶效應(yīng)的神經(jīng)網(wǎng)絡(luò)基帶預(yù)失真器的設(shè)計(jì)過(guò)程中，功放系統(tǒng)的建模是其關(guān)鍵技術(shù)。由于功放系統(tǒng)是一個(gè)復(fù)雜的帶記憶效應(yīng)的非線性時(shí)變系統(tǒng)，為了能夠?qū)崿F(xiàn)實(shí)時(shí)校正，采用級(jí)連相關(guān)算法進(jìn)行在線神經(jīng)網(wǎng)絡(luò)建模。首先選用殘差相關(guān)性判別方法來(lái)確定神經(jīng)網(wǎng)絡(luò)功放模型的結(jié)構(gòu)和初始參數(shù)，然后使用帶遺忘因子的遞推最小二乘法對(duì)神經(jīng)網(wǎng)絡(luò)模型參數(shù)進(jìn)行在線自適應(yīng)調(diào)整。對(duì)實(shí)測(cè)數(shù)據(jù)的驗(yàn)證表明，建立的神經(jīng)網(wǎng)絡(luò)模型完全能達(dá)到給定的性能指標(biāo)要求。本文首先介紹項(xiàng)目的背景和幾種功放線性化方法，然后介紹了系統(tǒng)辨識(shí)和神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)，接著具體闡述本課題核心部分RF功放系統(tǒng)的神經(jīng)網(wǎng)絡(luò)建模以及相關(guān)DSP系統(tǒng)的硬件實(shí)現(xiàn)，最后對(duì)項(xiàng)目進(jìn)行總結(jié)和展望。關(guān)鍵詞功率放大器，神經(jīng)網(wǎng)絡(luò)，系統(tǒng)辨識(shí)，級(jí)連相關(guān)算法，DSP論文類(lèi)型應(yīng)用研究東南大學(xué)碩士學(xué)位論文ABSTRACTABSTRACTPOWERAMPLIFIERSPALINEARIZATIONISONEOFTHEKEYTECHNOLOGIESFORWIDERBANDWIDTHAPPLICATIONSSUEHWIDEBANDCODEDIVISIONMULTIPLEACCESSWCDMAATPRESE吐INCONTRASTWITHFEODBACKANDFEEDFORWARD,DIGITALBASEBALLDPREDISTORTIONISAHIGHLYCOSTEFFECTIVEWAYTOIMPROVEPOWERAMPLIFIERSNONLINEARCHARACTERISTICMODELINGPOWERAMPLIFIERISONEOFTHEKEYTECHNOLOGIESWHENWEDESIGNTHEPREDISTORTERTHEPASYSTEMISCOMPLEX,USUALLYNONLINEAR,TIMEVARYING，ANDHASMEMORYEFFECTTOREALIZEREALTIMEPREDISTORTERTHATPERFORMSWELL，CASCEDECORRELATIONALGORITHMISUSEDFORONLINEMODELINGTHENONLINEARCHARACTERISTICOFPAFIRST,RESIDUALCORRELATIONMETHODISUSEDTODETERMINETHESTRUCTUREANDINITIALPARAMETERSOFTHENEURALNETWORKMODELFORPOWERAMPLIFIERSYSTEM,THEN”MODELPARAMETERSAREONLINEEDJUSTEDWITHFORGETTINGFACTORRECURSIVELEASTSQUAREALGORITHMSFFLSAPPLICATIONSHOWSTHATTHENEURALNETWORKMODELREACHESTHEPERFORMANCEINDEXSATISFACTORILYFIRSTLYTHEDEVELOPMENTBACKGROUNDOFTHEPROJECTISINTRODUCEDANDSEVERALMEANSOFPOWERAMPLIFIERSIINEARIZATIONAREDISCUSSED,THELLTHEMLATODINFORMATIONOFSYSTEMIDENTIFICATIONANDNCORALNETWORKISINTRODUCED，ANDTHENMODELINGRFPAWHICHISTHEKEYPARTOFTHISPAPERISDISCUSSED，THENHARDWAREIMPLEMENTATIONOFSYSTEMWITHDSPISINTRODUCEDATLASTTHESUMMARYOFALLTHEWORKISGIVEN,ANDBESIDES，SOMEBENEFICIALEDVICESALEDISCUSSEDKEYWORDSPOWERAMPLIFIER,NEURALNETWORK,SYSTEMIDENTIFICATION，CASCADECORRELATION,DSPTYPEOFTHESISAPPLICATIONREARCHIL東南大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。研究生簽名蓬疊室，日期J劍東南大學(xué)學(xué)位論文使用授權(quán)聲明東南大學(xué)、中國(guó)科學(xué)技術(shù)信息研究所、國(guó)家圖書(shū)館有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布包括刊登論文的全部或部分內(nèi)容。論文的公布包括刊登授權(quán)東南大學(xué)研究生院辦理。緣上虹日期Z一；東南大學(xué)碩士學(xué)位論文第一章緒論11課題的研究背景及意義第一章緒論弟一早珀下匕自從1897年意大利科學(xué)家馬可尼用無(wú)線電波成功實(shí)現(xiàn)信息的傳輸，人們就開(kāi)始了對(duì)移動(dòng)通信孜孜不倦的探索【1J。實(shí)現(xiàn)個(gè)人終端用戶(hù)能夠在全球范圍內(nèi)的任何時(shí)間、任何地點(diǎn)，與任何人、用任意方式高質(zhì)量地實(shí)現(xiàn)任何信息的移動(dòng)通信與傳輸也就成為人們不斷追求的目標(biāo)口J。在此過(guò)程當(dāng)中，移動(dòng)通信經(jīng)歷了從單基站大功率系統(tǒng)到多基站小功率蜂窩系統(tǒng)的演變，才從真正意義上走向商用化，給人們生產(chǎn)和生活帶來(lái)了極大的方便。在短暫經(jīng)歷了以FDMAFREQUENCYDIVISIONMULTIPLEADDRESS模擬制式為特征的第一代蜂窩移動(dòng)通信系統(tǒng)后，目前，國(guó)內(nèi)大量使用的是以TDMATIMEDIVISIONMULTIPLEADDRESS為主的數(shù)字式第二代移動(dòng)通信系統(tǒng)，主要提供語(yǔ)音和低速率的數(shù)據(jù)通訊業(yè)務(wù)。隨著社會(huì)信息化的不斷深入，圖像、語(yǔ)音和數(shù)據(jù)相結(jié)合的多媒體業(yè)務(wù)和高速率的數(shù)據(jù)業(yè)務(wù)將會(huì)大大增加，人們對(duì)通訊業(yè)務(wù)多樣化的要求以及個(gè)人通訊用戶(hù)量都在與日俱增。第二代移動(dòng)通信系統(tǒng)已經(jīng)遠(yuǎn)遠(yuǎn)不能滿(mǎn)足人們的通訊需求，新一代的移動(dòng)通信系統(tǒng)也就成為世界各國(guó)通訊領(lǐng)域的研究熟點(diǎn)。截止到1998年6月30日，提交到國(guó)際電信聯(lián)盟ITU的第三代移動(dòng)通信無(wú)線傳輸技術(shù)共有LO種，其中國(guó)際上公認(rèn)最具競(jìng)爭(zhēng)力主要有兩種即日本和歐洲提出的WCDMA技術(shù)和北美提出的CDMA2000技術(shù)。另外，我國(guó)也提出了具有自己知識(shí)產(chǎn)權(quán)的TDSCDMA31技術(shù)，并成為L(zhǎng)TLJ認(rèn)可的第三代移動(dòng)通信無(wú)線傳輸?shù)闹髁骷夹g(shù)之一。第三代移動(dòng)通信系統(tǒng)簡(jiǎn)稱(chēng)3G。早在20世紀(jì)末，歐洲、北美以及日本等發(fā)達(dá)國(guó)家和地區(qū)，已經(jīng)在不斷的試運(yùn)營(yíng)和改進(jìn)各自提出的3G標(biāo)準(zhǔn)和網(wǎng)絡(luò)系統(tǒng)。在我國(guó)，經(jīng)國(guó)務(wù)院批準(zhǔn)，科技部和信產(chǎn)部聯(lián)合組織實(shí)施的中國(guó)第三代移動(dòng)通信系統(tǒng)研究開(kāi)發(fā)項(xiàng)目簡(jiǎn)稱(chēng)C3G也于1998年11月正式啟動(dòng)。華為技術(shù)、中興通訊、大唐電信等著名通訊設(shè)備研制企業(yè)成為該項(xiàng)目的主要承擔(dān)者，C3G項(xiàng)目組對(duì)WCDMA、CDMA2000以及TDSCDMA三種系統(tǒng)均有研發(fā)，企業(yè)之間各有側(cè)重。無(wú)論采用哪種標(biāo)準(zhǔn)，均是以CDMACODEDIVISIONMULTIPLEADDRESS技術(shù)為主流，要求系統(tǒng)能夠處理圖像、音樂(lè)、視頻流等多種媒體形式，提供包括網(wǎng)頁(yè)瀏覽、電話(huà)會(huì)議、電子商務(wù)等多種信息服務(wù)，并能夠提供全球漫游。所以3G將是一種通訊容量更大、通訊質(zhì)量更好的移動(dòng)通信系統(tǒng)。這是一種高頻譜利用率、多載波、寬頻帶的通訊體制，加之調(diào)制過(guò)程中融入了16QAM十六狀態(tài)正交調(diào)幅和QPSK等數(shù)字調(diào)制方式，由于這種數(shù)字調(diào)制產(chǎn)生的信號(hào)波形是非恒定包絡(luò)的調(diào)相信號(hào)，很容易導(dǎo)致信號(hào)在傳輸過(guò)程當(dāng)中的失真和信道之間的相互干擾，因而對(duì)發(fā)射信號(hào)功率放大的線性程度要求很高。由于系統(tǒng)采用了帶寬受限的線性調(diào)制方式，鄰信道載波間的頻譜泄漏取決于功率放大器PA的線性，而實(shí)際的放大器總是非線性的，必須通過(guò)補(bǔ)償功率放大器或采用線性化方法來(lái)改善PA的非線性，以控制鄰信道的頻譜泄漏。本課題涉及的射頻RF功放就是為其中的WCDMA標(biāo)準(zhǔn)所設(shè)計(jì)。按照C3G的定義，WCDMA整個(gè)系統(tǒng)由3G交換機(jī)UMSC、基站控制器RNC、基站子系統(tǒng)NODEB和移動(dòng)終端手機(jī)霄部分寶開(kāi)成。RF功放象屬丁其中的基站子系統(tǒng)。RF功放的線性化川是設(shè)計(jì)WCDMA基站的芙鍵技術(shù)之一。如果射頻系統(tǒng)處于1R線性I什狀態(tài)，將使通信系統(tǒng)產(chǎn)生非線性失真，產(chǎn)生的帶內(nèi)失真信號(hào)干擾己調(diào)制矢量信號(hào)，導(dǎo)致己調(diào)制矢量信號(hào)幅度和相位的偏差誤差矢量幅度E，同時(shí)導(dǎo)致頻譜擴(kuò)展，干擾鄰近信道的傳輸鄰帶功率比東南大學(xué)碩上學(xué)位論文第一章緒論ACPR，使整個(gè)系統(tǒng)的誤碼率惡化；另一方面多載波多信道同時(shí)工作，表現(xiàn)為多載波信號(hào)的相互交調(diào)產(chǎn)生的失真，這些失真信號(hào)分量主要有三階IMD3、五階IMD5以及更高階的分量，其中IMD3信號(hào)幅度大，且落在頻帶內(nèi)或鄰近信道，對(duì)系統(tǒng)造成干擾，將無(wú)法達(dá)到系統(tǒng)要求。本課題就是致力于解決一種基于神經(jīng)網(wǎng)絡(luò)的基帶數(shù)字預(yù)失真線性化方法的設(shè)計(jì)與實(shí)現(xiàn)問(wèn)題，其中RF功放模型的神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)是本文的主要內(nèi)容。12線性化技術(shù)簡(jiǎn)介提高系統(tǒng)的線性最傳統(tǒng)而且最方便的方法是采用大功率放大器進(jìn)行功率回退BACKINGOFF，使放大器工作在低于飽和輸出狀態(tài)或線性放大區(qū)。但是，采用功率回退方法時(shí)，電源利用效率一般僅為15左右，而且大功率器件只能輸出很小的有效功率，其本身潛力不能充分發(fā)揮，因此損失了效率、功率輸出和信息量處理能力，同時(shí)使整機(jī)成本急劇提高。因此，要獲得效率高，線性度好的功率放大器，采用功率放大器的線性化技術(shù)無(wú)疑具有良好的前景。目前，主要線性化方法有反饋FEEDBACK、前饋FEEDFORWARD和預(yù)失真PREDISTORTION等技術(shù)。前饋法和反饋法，目前都已廣泛應(yīng)用，但在成本和效率方面不如基帶數(shù)字預(yù)失真。因此數(shù)字預(yù)失真技術(shù)更有前景，已經(jīng)成為對(duì)射頻功放進(jìn)行線性化的理想技術(shù)。121功率回退技術(shù)由于射頻功率放大器的本身特性，隨著輸入功率的增加，放大器輸出功率會(huì)進(jìn)入飽和狀態(tài)，也即放大器輸出功率將不再隨著輸入信號(hào)功率的增加而增加，導(dǎo)致了非線性失真的產(chǎn)生。功率回退法簡(jiǎn)單來(lái)講就是把功率放大器的輸入功率從LDB最,縮點(diǎn)向厲回退幾個(gè)分貝，讓放大器工作在遠(yuǎn)小于LDB壓縮點(diǎn)的電平上，使功率放大器遠(yuǎn)離飽和區(qū)，進(jìn)入線性工作區(qū)，從而改善功率放大器的三階交調(diào)系數(shù)等非線性指標(biāo)。為了方便起見(jiàn)，這里先引入輸入回退和輸出回退兩個(gè)參數(shù)，功率放大器的輸入回退定義為BO10109一。只一。11輸出回退定義為OBO10109P。,匕12其中只一。是功率放大器達(dá)到飽和時(shí)的輸入信號(hào)功率，R一。是輸入信號(hào)平均功率，JK是放大器最大輸出功率，匕是放大器的平均輸出功率，1BON0口0在一定程度上表征放火器的功率效率功率同遐法簡(jiǎn)單且容易實(shí)現(xiàn)，就是通過(guò)增人IBO來(lái)提高線性度，是傳統(tǒng)的線性化方法，不需要增加任何附加設(shè)備，也是改善放人器線性度行之有效的方法，但其致命的缺點(diǎn)是功率放人器的效率人為降低，并且T一作帶寬較窄。它是以放大器功效的降低為代價(jià)來(lái)?yè)Q取線性化的方法，采用功率回退法可能會(huì)使放火器在自分之幾的功效狀態(tài)H上作。另外，當(dāng)功率同退到一定程度，即當(dāng)IM3達(dá)劍2東南大學(xué)碩士學(xué)位論文第一章緒論40DB以下時(shí)，繼續(xù)回退將不再改善放大器的線性度。因此，在線性度要求較高的場(chǎng)合，完全靠功率回退是遠(yuǎn)遠(yuǎn)不夠的IS。122笛卡兒環(huán)路反饋技術(shù)反饋線性化方法是一種十分傳統(tǒng)而又實(shí)用的方法。由于引入了反饋，所以線性化的精度得以提高，人們很早就在這一方面做了大量的工作，許多低頻模擬電路的線性化問(wèn)題也大都采用了這種方法，它也是高頻放大器線性化的重要手段之一。反饋方法可以分為直接反饋法和間接反饋法。由于直接反饋法是在反饋端讓輸入輸出信號(hào)直接相減，輸出信號(hào)對(duì)于輸入信號(hào)會(huì)有一定的延時(shí)，因此在信號(hào)頻率很高的情況下，這個(gè)延時(shí)的影響就比較大。此外直接反饋線性化法的穩(wěn)定性條件比較苛刻，所以在大多數(shù)的情況下采用的是間接反饋法。在間接反饋線性化方法中輸入輸出信號(hào)的比較不是直接比較的，而是通過(guò)間接手段進(jìn)行的，笛卡兒CARTESIAN環(huán)路反饋法就是一種比較成熟的間接反饋控制方法。笛卡兒環(huán)路反饋法原理如圖11所示。如果所要調(diào)制的信號(hào)處于基帶，那么根據(jù)數(shù)字通信的有關(guān)原理，我們可以把輸入信號(hào)分解為兩個(gè)正交信號(hào)分量I、Q，兩者相位相差90度。笛卡幾環(huán)路法的基本原理就是分別對(duì)I、Q兩路信號(hào)加以控制，以獲得更為優(yōu)良的線性度。圖11笛卡兒環(huán)路反饋線性化方法原理圖基帶信號(hào)1、Q輸入端的放大器為差分放大器，低通濾波器的作用主要是濾除高頻分量，當(dāng)1、Q信號(hào)分別進(jìn)入調(diào)制器以后，經(jīng)調(diào)制器產(chǎn)生了射頻信號(hào)ST，在這里SFTLTEOSOTQTSINCOT13其中緲為射頻載波頻率。SF進(jìn)入射_兜放人器PA以后，由丁什線性將會(huì)產(chǎn)生畸變，畸變后的信號(hào)經(jīng)耦合器抽取了一部分，再經(jīng)衰減解調(diào)后，返閘到輸入端的差分放大器，這樣就使得反饋環(huán)能夠比較東南大學(xué)碩士學(xué)位論文第一章緒論精確的跟蹤輸出I、Q的失真變化。笛卡兒環(huán)的優(yōu)點(diǎn)之一就在于它把增益和帶寬在兩個(gè)正交的信道中分別處理加以平衡，這樣就避免引入相位偏移，但是，笛卡兒環(huán)路的增益及帶寬又取決于差分放大器的帶寬以及解調(diào)器的線性度。另外，回饋信號(hào)的遲延也嚴(yán)重的限制著該方法的系統(tǒng)帶寬，因此在要求更高帶寬的今天，該方法己逐漸不太適用PJJ。優(yōu)點(diǎn)良好的線性度提高性能，效率比較高。缺點(diǎn)較寬頻帶應(yīng)用時(shí)穩(wěn)定性實(shí)現(xiàn)困難，信號(hào)遲延對(duì)性能影響很大，需要高線性度的混合器。123前饋線性化技術(shù)前饋線性化技術(shù)一般可分為固定前饋線性化技術(shù)和自適應(yīng)前饋線性化技術(shù)。圖L2為一簡(jiǎn)單的前饋線性化技術(shù)電路原理圖，如圖所示，前饋線性化電路系統(tǒng)一般有兩個(gè)環(huán)路組成，一個(gè)稱(chēng)為輸入信號(hào)抵消回路，另一個(gè)稱(chēng)為干擾信號(hào)抵消回路。在輸入信號(hào)抵消回路中，把非線性功率放大器輸出的信號(hào)取出一路，并經(jīng)適當(dāng)?shù)乃p和調(diào)節(jié)，同時(shí)也在放大器的輸入端把輸入信號(hào)取出一條支路，并經(jīng)適當(dāng)?shù)难訒r(shí)，用經(jīng)過(guò)衰減處理的功率放大器輸出信號(hào)減去延時(shí)過(guò)的輸入信號(hào)，把功率放大器產(chǎn)生的失真信號(hào)從放大器輸出端分離出來(lái)，得到的就是放大器產(chǎn)生的純干擾信號(hào)，并且另外一個(gè)輔助放大器放大該干擾信號(hào)，然后用此干擾信號(hào)來(lái)校正主放大器產(chǎn)生的有干擾存在的非線性輸出信號(hào)的相位、幅度，也即用第一個(gè)輸入信號(hào)抵消回路分離出的純干擾信號(hào)，在干擾信號(hào)抵消回路中對(duì)延時(shí)處理的主功率放大器的輸出信號(hào)進(jìn)行疊加抵消，來(lái)實(shí)現(xiàn)失真的消除，從而達(dá)到整個(gè)系統(tǒng)輸出線性化的目的。圖12前饋法原理方框圖前饋線性化技術(shù)系統(tǒng)中，衰減器是可調(diào)的，可以進(jìn)行相位偏移的調(diào)節(jié)以及衰減大小倍數(shù)的調(diào)節(jié)。前饋線性化系統(tǒng)性能上很大程度取決于兩個(gè)前饋環(huán)路中參與抵消的兩個(gè)信號(hào)的幅度和相位調(diào)整的精確度，用來(lái)抵消的信號(hào)幅度和相位的不正確調(diào)整會(huì)導(dǎo)致失真抵消性能急劇下降。而且由于信號(hào)幅度和相位會(huì)隨時(shí)間的推移而改變，因此，在性能指標(biāo)要求比較高的場(chǎng)合的應(yīng)用上，就要使用自適應(yīng)機(jī)制對(duì)環(huán)路進(jìn)行相應(yīng)自適應(yīng)的調(diào)整和控制。如果能夠把遲延誤差控制在相當(dāng)載波信號(hào)一個(gè)波長(zhǎng)的程度內(nèi)，單級(jí)前饋環(huán)路人約能迭F130DB的火寅抑制。如果使用多級(jí)結(jié)構(gòu)，可以達(dá)劍更高線性度的要求，但是這樣義使得環(huán)路中的調(diào)仃控制變的更加復(fù)雜。這也十分符合實(shí)際情況，一個(gè)方面的獲得，總要在另一方面為此付出一定的代價(jià)。4東南大學(xué)碩士學(xué)位論文第一章緒論總的來(lái)說(shuō)，前饋線性化技術(shù)是一種很實(shí)用的線性化技術(shù)，它還有線性化帶寬不太受前饋環(huán)路限制這一優(yōu)點(diǎn)，特別適合于寬帶應(yīng)用和多載波應(yīng)用，也是目前最成熟、應(yīng)用最廣泛的技術(shù)，同時(shí)為了達(dá)到更高線性度的改善目的，它也易于擴(kuò)展成多級(jí)結(jié)構(gòu)，但此時(shí)其成本和系統(tǒng)復(fù)雜度就要比預(yù)失真線性化系統(tǒng)高很多。特點(diǎn)總結(jié)如下應(yīng)用得當(dāng)?shù)脑?huà)可以有效消除IMD達(dá)30DB以上，基本不受放大器記憶特性影響，適用帶寬比較寬。由于干擾信號(hào)抵消回路的信號(hào)峰平比很高，所以干擾信號(hào)抵消回路很關(guān)鍵，系統(tǒng)復(fù)雜，成本高PJ。124預(yù)失真技術(shù)預(yù)失真技術(shù)是目前最有前景的一種線性化方法，其基本原理如13所示。這種方法是在非線性功率放大器前端放置一個(gè)非線性單元特征酗數(shù)為F日5，1，特性曲線如圖中A，這樣只要這個(gè)非線性器件的特性曲線A與功率放大器特征函數(shù)為GB，1的特性曲線B互補(bǔ)，即，IJ加G1S，1K常數(shù)，就基本可以實(shí)現(xiàn)功放的線性化。其最初的基本思想來(lái)自于數(shù)學(xué)上的反函數(shù)思想，構(gòu)造一個(gè)非線性器件，使該器件的傳輸特性剛好和非線性放大器的傳輸特性相反，信號(hào)預(yù)先經(jīng)過(guò)這樣的一個(gè)人為的非線性失真處理后，再經(jīng)非線性放大器進(jìn)行放大。由于預(yù)先進(jìn)行的人為失真是可以控制的，我們可以調(diào)節(jié)使之特性剛好與非線性放大器的特性相互補(bǔ)，達(dá)到線性化放大的最終目的。該方法的工作原理正如同該方法的名字一樣，對(duì)信號(hào)預(yù)先進(jìn)行人為的失真處理來(lái)達(dá)到線性化的目的。輸圖13預(yù)失真原理示意圖一般來(lái)講，預(yù)失真技術(shù)分為RF預(yù)失真和數(shù)字基帶預(yù)失真兩種基本類(lèi)型。RF預(yù)失真由于工作頻點(diǎn)高，般常采用模擬電路來(lái)實(shí)現(xiàn)，具有電路結(jié)構(gòu)簡(jiǎn)單、成本低、易于高頻、可寬帶應(yīng)用等優(yōu)點(diǎn)，缺點(diǎn)是頻譜再生分量改善較少、高階頻譜分量抵消較困難?；鶐ьA(yù)失真由于工作頻率低，適合TLF；J數(shù)字電路實(shí)現(xiàn)，便于采_【LJ目前發(fā)展迅速的數(shù)字信號(hào)處理技術(shù)，適府性強(qiáng)，而且可以通過(guò)增加采樣率平增人茸化階數(shù)的辦法來(lái)抵消高階互調(diào)人真。但放人器對(duì)信號(hào)幅度壓縮和相位的偏移不僅僅是輸入信號(hào)功率的即時(shí)函數(shù)，還一定程度上取決丁上一個(gè)短暫的歷史包絡(luò)電平，所以存在著一定的記憶效應(yīng)，這一點(diǎn)必須加以考慮。由于受DSP稈IAD轉(zhuǎn)換的限制，基帶預(yù)失真L作帶寬受劍一定限制，另外DSP和AD轉(zhuǎn)換器件會(huì)消耗更多的功率，以及系統(tǒng)成本比較東南大學(xué)碩士學(xué)位論文第一章緒論高等都是這種方法的不足之處。但是隨著數(shù)字信號(hào)處理技術(shù)的發(fā)展，這些問(wèn)題會(huì)得到解狹，預(yù)失真仍然是一種很有發(fā)展前途的方法IL“J。預(yù)失真的特點(diǎn)概念原理清晰，廣泛采用數(shù)字信號(hào)處理技術(shù)，線性度的提高性能良好，較高功效，適合寬帶的應(yīng)用，系統(tǒng)穩(wěn)定性好。但調(diào)整速度不夠快，存在記憶效應(yīng)，需要良好的放大器模型。自適應(yīng)數(shù)字預(yù)校正數(shù)字預(yù)校正技術(shù)有很多不同的方法，但其基本原理都是一樣的，如上文所述，均是在非線性功放發(fā)射器前放置一個(gè)非線性單元，這樣只要這個(gè)非線性器件的特性曲線與功率放大器的特性曲線互補(bǔ)，就基本可以實(shí)現(xiàn)功放的線性化。但由于放大器的特性會(huì)隨著時(shí)間、溫度、環(huán)境、以及信號(hào)本身的變化發(fā)生一定的變化，如果我們?cè)購(gòu)姆糯笃鞯妮敵龆税汛l(fā)射的射頻信號(hào)提取一部分反饋回來(lái)，再經(jīng)下變頻、正交解調(diào)，然后AD變換成數(shù)字基帶信號(hào)，并與經(jīng)過(guò)一定延遲的原輸入信號(hào)進(jìn)行比較，采用自適應(yīng)算法來(lái)調(diào)整預(yù)失真器的參數(shù)，使得預(yù)失真器能夠?qū)崟r(shí)的自適應(yīng)跟蹤放大器特性的變化。這樣就能夠很好的克服放大器特性變化這一問(wèn)題，提高校正的精度，使放大器有更好的線性輸出。這也恰恰是自適應(yīng)數(shù)字預(yù)校正技術(shù)優(yōu)于其他線性化方法的一個(gè)重要方面。自適應(yīng)基帶數(shù)字預(yù)校正方法的原理方框圖如圖14所示圖14自適應(yīng)基帶數(shù)字預(yù)校正的原理框圖特點(diǎn)對(duì)放大器適應(yīng)性強(qiáng)，自適應(yīng)學(xué)習(xí)能力強(qiáng)，性能好，較復(fù)雜、帶寬仍受限等。數(shù)字預(yù)失真技術(shù)可以有非記憶效應(yīng)1121和記憶效應(yīng)【13，”1兩種實(shí)現(xiàn)方式。雖然非記憶效應(yīng)預(yù)失真技術(shù)相對(duì)簡(jiǎn)單，實(shí)現(xiàn)也比較方便，但是，由于沒(méi)有考慮射頻系統(tǒng)的記憶效應(yīng)，使得帶寬和改善效果都受到了影響。記憶效應(yīng)一般有以下來(lái)源。首先，功放本身肯定會(huì)有熱記憶效應(yīng)和電記憶效應(yīng)；其次，由于預(yù)失真電路位于基站的中頻部分，通常位于下行通道的成形濾波器和上行通道的匹配濾波器之間，而這些濾波器都是有記憶效應(yīng)的。事實(shí)上，在我們對(duì)基站數(shù)據(jù)的分析也發(fā)現(xiàn)，上行的I和Q信號(hào)不僅受當(dāng)前時(shí)刻F行的IIIQ信號(hào)的影響，而且受以前時(shí)刻的F_L和O掣號(hào)的影響也很大，這說(shuō)明射頻系統(tǒng)的記憶效麻是很明顯的。岡此設(shè)計(jì)數(shù)字預(yù)失真器時(shí)如果不考慮記憶效麻，不管采塒何種逼近方案多項(xiàng)式、神經(jīng)網(wǎng)絡(luò)、有表法等，效果都將不能令人滿(mǎn)意。6東南大學(xué)碩士學(xué)位論文第一章緒論125小結(jié)功率放大器線性化幾種主要方法的比較列于表1，它們有各自的特點(diǎn)，適用于不同的情況，當(dāng)然還有許多其他未列出的方法，如非線性器件線性化技術(shù)、模擬閉環(huán)通用調(diào)制器CALLUM技術(shù)、極化環(huán)技術(shù)等等方法。在這些方法中應(yīng)用比較多的還是反饋、前饋和預(yù)失真等三種方法，其中閉環(huán)系統(tǒng)更適用于單一信道、窄帶通信的情況；至于前饋線性化方法，有時(shí)候?yàn)榱烁叩男阅芤螅捎枚嗉?jí)結(jié)構(gòu)，這樣網(wǎng)絡(luò)的構(gòu)成就比較復(fù)雜和龐大化，以至效率變得低下。而數(shù)字預(yù)失真技術(shù)則是能夠完全適應(yīng)IMT2000第三代移動(dòng)通信系統(tǒng)的高精度、高頻率以及較高帶寬的要求，是移動(dòng)通信基站的發(fā)射接收系統(tǒng)以及手持移動(dòng)便攜設(shè)備發(fā)射接收系統(tǒng)中放大器線性化的重要手段。這種方法也正是本文所要研究和仿真的線性化技術(shù)。表1各種線性化方法性能特點(diǎn)一覽表方法優(yōu)點(diǎn)缺點(diǎn)使用情況各注功率回退技術(shù)實(shí)現(xiàn)簡(jiǎn)單效率極差較早應(yīng)用逐漸破淘汰笛卡兒環(huán)路反精度高，價(jià)格便有時(shí)不穩(wěn)定，適窄帶通信、無(wú)線應(yīng)用較多饋技術(shù)宜用帶寬受限移動(dòng)通信前饋線性化技穩(wěn)定性好，適用結(jié)構(gòu)復(fù)雜，效率寬帶無(wú)線通信，較成熟、目前廣術(shù)帶寬很寬，線性不夠高，自適應(yīng)衛(wèi)星通信等為應(yīng)用度好，速度快差，成本高數(shù)字預(yù)失真方無(wú)穩(wěn)定性問(wèn)題速度有時(shí)較慢，寬帶數(shù)字通信目前已有應(yīng)用、法適用帶寬寬受到放大器記憶前景晟看好精度比較高特性影響13課題來(lái)源本文結(jié)合項(xiàng)目組所承擔(dān)的華為技術(shù)有限公司應(yīng)用技術(shù)預(yù)研項(xiàng)目基于神經(jīng)網(wǎng)絡(luò)逆模型控制的RF功放自適應(yīng)預(yù)失真器，在對(duì)RF功放系統(tǒng)菲線性充分認(rèn)識(shí)的基礎(chǔ)上，采用帶記憶效應(yīng)的預(yù)失真技術(shù)來(lái)實(shí)現(xiàn)基站系統(tǒng)的線性化，主要對(duì)RF功放正模型的建立進(jìn)行研究、設(shè)計(jì)與實(shí)現(xiàn)。14論文的主要研究?jī)?nèi)容在設(shè)計(jì)預(yù)失真器過(guò)程中，對(duì)射頻功放的模型辨識(shí)是非常重要，也是非常復(fù)雜的一項(xiàng)工作，我們必須根據(jù)相關(guān)的數(shù)據(jù)，辨識(shí)山功放的LL模掣，然后才可以根據(jù)一定的原理年|I方法，得劍功放的逆模犁，便丁實(shí)現(xiàn)預(yù)失裒器。另外由于沒(méi)有實(shí)際的被控對(duì)象，對(duì)設(shè)計(jì)的預(yù)失吏器性能進(jìn)行測(cè)試時(shí)，擬采用圖15的方法。其中的功放模犁即為神經(jīng)網(wǎng)絡(luò)功放正模型，用于代替實(shí)際的射頻系統(tǒng)。所以本文的主要內(nèi)容是RF功放止模型的辨識(shí)。7東南大學(xué)碩士學(xué)位論文第一章緒論圖15性能測(cè)試原理圖其實(shí)，對(duì)于射頻系統(tǒng)這類(lèi)帶記憶效應(yīng)系統(tǒng)的建模和逆模型控制，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)和基于逆模型的神經(jīng)網(wǎng)絡(luò)直接控制提供了極好的解決方案。從控制系統(tǒng)的角度看，整個(gè)預(yù)失真系統(tǒng)就是一個(gè)典型的2輸入2輸出隨動(dòng)控制系統(tǒng)，其中RF功放就是一個(gè)被控對(duì)象，預(yù)失真器就是控制器。從這個(gè)意義上說(shuō)，許多基于模型的控制器，如神經(jīng)網(wǎng)絡(luò)逆模型控制器、日?？刂破鞯?，均可作為預(yù)失真器。這些方法能成功應(yīng)用的前提就是建立準(zhǔn)確的功放模型。而由于基站I諍功放系統(tǒng)是一個(gè)復(fù)雜的時(shí)變系統(tǒng)，為了滿(mǎn)足性能要求必須進(jìn)行在線建模。由于BP神經(jīng)網(wǎng)絡(luò)在實(shí)現(xiàn)函數(shù)逼近方面存在收斂速度慢，易于陷入局部極小等缺點(diǎn)，相反CC算法由于具有“凍結(jié)”輸入權(quán)值的優(yōu)點(diǎn)，使得隱節(jié)點(diǎn)增加時(shí)，不必再重新計(jì)算輸入權(quán)值，所以其學(xué)習(xí)速度很快，完全能夠滿(mǎn)足本文功放系統(tǒng)建模的性能要求。于是我們選用CC算法神經(jīng)網(wǎng)絡(luò)來(lái)完成系統(tǒng)建模。由于在軟件仿真建模過(guò)程中，復(fù)雜的算法運(yùn)行需要耗費(fèi)很多的時(shí)間，使得其實(shí)時(shí)性受到一定的影響。為了使本文所提出的建模方法具有一定的通用性，所以在完成軟件仿真建模的基礎(chǔ)上，決定采用DSP技術(shù)來(lái)完成其硬件實(shí)現(xiàn)，以便預(yù)失真器設(shè)計(jì)工作的順利進(jìn)行，并提高其實(shí)時(shí)性及通用性。本文的第1章是緒論部分，主要介紹課題的背景及意義、幾種功放線性化技術(shù)以及本論文的任務(wù)闡述；第2章主要介紹了神經(jīng)網(wǎng)絡(luò)和系統(tǒng)辨識(shí)的相關(guān)知識(shí)；第3章闡述本課題核心部分RF功放系統(tǒng)的神經(jīng)網(wǎng)絡(luò)建模；第4章介紹相關(guān)DSP系統(tǒng)的硬件實(shí)現(xiàn)；第5章是項(xiàng)目總結(jié)及其展望；最后是致謝和參考文獻(xiàn)。東南大學(xué)碩士學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)21神經(jīng)網(wǎng)絡(luò)概述隨著80年代神經(jīng)網(wǎng)絡(luò)理論突破性進(jìn)展，神經(jīng)網(wǎng)絡(luò)控制引起了控制界的廣泛關(guān)注。由于系統(tǒng)的復(fù)雜性，存在多種不確定性及難以確切描述的非線性?，F(xiàn)代工業(yè)對(duì)過(guò)程控制不僅要求控制的精確性，還要求控制的魯棒性、實(shí)時(shí)性、容錯(cuò)性及對(duì)控制參數(shù)的自適應(yīng)和學(xué)習(xí)能力。傳統(tǒng)自適應(yīng)控制存在局限性，未能從根本上解決控制問(wèn)題，所以智能控制得到迅速發(fā)展。神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)、控制系統(tǒng)、模式識(shí)別、故障診斷等方面得到了廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)之所以能在控制中得到如此廣泛的應(yīng)用，與自動(dòng)控制理論的發(fā)展需要是密切相關(guān)的。自動(dòng)控制理論從經(jīng)典控制理論到現(xiàn)代控制理論，已經(jīng)發(fā)展到對(duì)智能控制理論的產(chǎn)生提出了需求。傳統(tǒng)的基于串行計(jì)算機(jī)理的VONNEUMANN型計(jì)算機(jī)面對(duì)復(fù)雜的智能控制要求，在對(duì)環(huán)境變化的自適應(yīng)特性和實(shí)時(shí)大規(guī)模計(jì)算等方面已顯示出根本性的缺陷，而人工神經(jīng)網(wǎng)絡(luò)所表現(xiàn)出的許多特點(diǎn)恰好預(yù)示著其在控制領(lǐng)域中的應(yīng)用可能是使控制理論擺脫困境的一條有效途徑，神經(jīng)網(wǎng)絡(luò)用于復(fù)雜控制主要有以下幾個(gè)方面的優(yōu)勢(shì)1神經(jīng)網(wǎng)絡(luò)是本質(zhì)的非線性系統(tǒng)。理論分析表明，多層前饋神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任意非線性映射，這種能力使非線性控制系統(tǒng)的描述有了統(tǒng)一的數(shù)學(xué)模型，給控制理論中面L性挑戰(zhàn)的非線性問(wèn)題的解決帶來(lái)了新希望；2神經(jīng)網(wǎng)絡(luò)是本質(zhì)的并行結(jié)構(gòu)，在快速實(shí)現(xiàn)大量復(fù)雜控制算法及處理實(shí)時(shí)性要求高的控制系統(tǒng)時(shí)極具潛力。可以預(yù)料，只要并行機(jī)制的神經(jīng)計(jì)算機(jī)取得突破，目前遇到困難的航天、航空方面的許多實(shí)時(shí)控制問(wèn)題，機(jī)器人的動(dòng)力學(xué)實(shí)時(shí)控制問(wèn)題都可迎刃而解3神經(jīng)網(wǎng)絡(luò)的固有學(xué)習(xí)能力使它可以處理那些難以用模型或規(guī)則描述的過(guò)程或系統(tǒng)，降低了系統(tǒng)的不確定性，帶來(lái)了適應(yīng)環(huán)境變化的泛化能力；4神經(jīng)網(wǎng)絡(luò)具有分布式信息存儲(chǔ)與處理結(jié)構(gòu)，可以從不完善的數(shù)據(jù)和圖形中進(jìn)行聯(lián)想，從而在已存儲(chǔ)的信息中尋找與該輸入匹配最好的存儲(chǔ)信息為其解，這種能力使其用于控制系統(tǒng)中具有很強(qiáng)的魯棒性和容錯(cuò)性；5神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的綜合推理能力，能夠同時(shí)融合定量與定性數(shù)據(jù)，能很好地解決輸入信息之間的互補(bǔ)性與冗余性問(wèn)題，并能恰當(dāng)?shù)貐f(xié)調(diào)互相矛盾的輸入信息。由于神經(jīng)網(wǎng)絡(luò)這種“集思廣益”的能力，使其在多變量、大系統(tǒng)與復(fù)雜系統(tǒng)的控制方案設(shè)計(jì)上的應(yīng)用極具吸引力；6對(duì)多變量系統(tǒng)，神經(jīng)網(wǎng)絡(luò)可以很自然地處理多輸入多輸出變量問(wèn)題?；谏鲜鰞?yōu)勢(shì)，可以肯定神經(jīng)網(wǎng)絡(luò)在解決高度非線性和嚴(yán)重不確定性復(fù)雜系統(tǒng)的控制方面具有巨大的潛力。將神經(jīng)網(wǎng)絡(luò)引入控制系統(tǒng)已成為控制學(xué)科的必然趨勢(shì)”。211神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介“神經(jīng)網(wǎng)絡(luò)”或“人神經(jīng)網(wǎng)絡(luò)”是指剛大量的簡(jiǎn)單計(jì)算單元即神經(jīng)元構(gòu)成的非線性系統(tǒng)，它在一定稃度和層次上模仿了人腦神經(jīng)系統(tǒng)的信息處理、存儲(chǔ)及檢索功能，因而具有學(xué)習(xí)、記憶和計(jì)9東南大學(xué)碩士學(xué)位論文第二章基于神經(jīng)兩絡(luò)的系統(tǒng)辨識(shí)算等智能處理功能。神經(jīng)網(wǎng)絡(luò)具有一些顯著的特點(diǎn)具有非線性映射能力；不需要精確的數(shù)學(xué)模型；擅長(zhǎng)從輸入輸出數(shù)據(jù)中學(xué)習(xí)有用知識(shí)容易實(shí)現(xiàn)并行計(jì)算；由于神經(jīng)網(wǎng)絡(luò)由大量簡(jiǎn)單計(jì)算單元組成，因而易于用軟硬件實(shí)現(xiàn)等等。正因?yàn)樯窠?jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)系統(tǒng)構(gòu)成的新的信息處理模型，并具有獨(dú)特的結(jié)構(gòu)，所以人們期望它能解決一些用傳統(tǒng)方法難以解決的問(wèn)題。212神經(jīng)網(wǎng)絡(luò)特點(diǎn)眾多的神經(jīng)元廣泛地連接就構(gòu)成了神經(jīng)網(wǎng)絡(luò)，總結(jié)起來(lái)，神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有以下基本特性A分布存貯彝容錯(cuò)性。信息在神經(jīng)網(wǎng)絡(luò)內(nèi)豹存貯是按內(nèi)容分布于許多神經(jīng)元中進(jìn)彳亍的，而且每個(gè)神經(jīng)元存貯多種信息的部分內(nèi)容。網(wǎng)絡(luò)的每部分對(duì)信息的存貯具有等勢(shì)作用，這類(lèi)似于全息圖的信息存貯性質(zhì)，部分的信息丟失仍可以使完整的信息得到恢復(fù)，因而使網(wǎng)絡(luò)具有容錯(cuò)性和聯(lián)想記憶特性。也正因?yàn)槿绱耍四X和數(shù)字計(jì)算機(jī)相比分別表現(xiàn)出明顯的健壯性ROBUST和脆弱性BRITTLENESS。B可塑性與白適應(yīng)性和自組織性。神經(jīng)元之間的連接具有多樣性，各元間的連接強(qiáng)度具有可塑性，相當(dāng)于突觸傳遞信息能力的變化。這使得網(wǎng)絡(luò)可以通過(guò)學(xué)習(xí)與訓(xùn)練進(jìn)行自組織，以適應(yīng)不同信息處理的要求。C并行處理PARALLELPROCESSING性。網(wǎng)絡(luò)的各單元可以同時(shí)進(jìn)行類(lèi)似的處理過(guò)程，整個(gè)網(wǎng)絡(luò)的信息處理方式是大規(guī)模并行的。傳統(tǒng)數(shù)字計(jì)算機(jī)則是信息處理算法串行的。網(wǎng)絡(luò)的大規(guī)模并行處理能力，使它能神奇般地完成所謂“百步程序”決策，因?yàn)閱蝹€(gè)神經(jīng)元的信息傳遞速度是以毫秒計(jì)的，比普通計(jì)算機(jī)約104S要慢得多。但人通常能在LS內(nèi)即可做出對(duì)外界事物的判斷和決策，這正是傳統(tǒng)計(jì)算機(jī)所望塵莫及的。D層次性。神經(jīng)生理學(xué)研究表明，各種感覺(jué)信息進(jìn)入大腦后，首先在相應(yīng)初級(jí)皮層進(jìn)行加工，然后轉(zhuǎn)到次級(jí)皮層和感覺(jué)聯(lián)合區(qū)，再于顱頂區(qū)皮層匯合，最后投射到大腦前額葉。這表明信息在大腦內(nèi)的傳遞過(guò)程，實(shí)際上是在不同層次的神經(jīng)回路中逐級(jí)地進(jìn)行加工和處理過(guò)程。213神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式通過(guò)向環(huán)境學(xué)習(xí)獲取知識(shí)并改進(jìn)自身性能是神經(jīng)網(wǎng)絡(luò)的一個(gè)重要特點(diǎn)，在一般情況下，性能的改善是按某種預(yù)定的度量通過(guò)調(diào)節(jié)自身參數(shù)如權(quán)值隨時(shí)間推移逐步達(dá)到的，學(xué)習(xí)方式按環(huán)境所提供信息的多少分有三種1監(jiān)督學(xué)習(xí)有教師學(xué)習(xí)如圖21所示，這種學(xué)習(xí)方式需要外界存在一個(gè)“教師”，它可對(duì)一組給定輸入提供應(yīng)有的輸出結(jié)果正確答案。這組已知的輸入一輸出數(shù)據(jù)稱(chēng)為訓(xùn)練樣本集。學(xué)習(xí)系統(tǒng)可根據(jù)己知輸出與實(shí)際輸出之間的差值誤差信號(hào)來(lái)調(diào)節(jié)系統(tǒng)參數(shù)。21R監(jiān)督學(xué)習(xí)無(wú)教師學(xué)習(xí)如幽22所示，1F監(jiān)督學(xué)習(xí)時(shí)不存在外部教師，學(xué)習(xí)系統(tǒng)完全按照環(huán)境所提供的數(shù)據(jù)的某些統(tǒng)計(jì)規(guī)律來(lái)調(diào)節(jié)自身參數(shù)或結(jié)構(gòu)這是一種臼組織過(guò)程，以表示外部輸入的某種固定犄祉如聚類(lèi)，或某種統(tǒng)計(jì)上的分布特征。IO東南丈學(xué)碩士學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)3再勵(lì)學(xué)習(xí)或強(qiáng)化學(xué)習(xí)如圖23所示，這種學(xué)習(xí)介于上述兩種情況之間外部環(huán)境對(duì)系統(tǒng)輸出結(jié)果只給出評(píng)價(jià)獎(jiǎng)或懲而不是給出正確答案。學(xué)習(xí)系統(tǒng)通過(guò)強(qiáng)化那些受獎(jiǎng)勵(lì)的動(dòng)作來(lái)改善自身性能。描述環(huán)境狀圖21監(jiān)督學(xué)習(xí)框圖圖22非監(jiān)督學(xué)習(xí)框圖22系統(tǒng)辨識(shí)概述圖23再勵(lì)學(xué)習(xí)框圖系統(tǒng)辨識(shí)是控制理論研究的一個(gè)重要分支，它是控制系統(tǒng)設(shè)計(jì)的基礎(chǔ)。隨著控制過(guò)程復(fù)雜性的提高，控制理論的應(yīng)州日益J泛，但是，控制理論的實(shí)際麻川不能脫離破控對(duì)象的數(shù)學(xué)模刑。然而在多數(shù)悄況F，被控對(duì)象的數(shù)學(xué)模型是朱知的，并且住上常運(yùn)行期間，模型的參數(shù)可能發(fā)生變化，囡此利璀控制理論去解決實(shí)際問(wèn)題時(shí)，首先必須建立被控對(duì)象的數(shù)學(xué)模礎(chǔ)，這是控制理論能否成功應(yīng)閣于實(shí)際的關(guān)鍵之一。目前對(duì)線性、非時(shí)變和具有不確定參數(shù)對(duì)象進(jìn)行辨識(shí)和白適應(yīng)控制研究東南大學(xué)碩士學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)己取得了很大的進(jìn)展，對(duì)于非線性系統(tǒng)的辨識(shí)和自適應(yīng)控制問(wèn)題，往往需要有關(guān)被辨識(shí)系統(tǒng)的結(jié)構(gòu)形式等各種先驗(yàn)知識(shí)和假設(shè)，因此，它們基本上是針對(duì)某些犄殊非線性系統(tǒng)而進(jìn)行的。神經(jīng)網(wǎng)絡(luò)領(lǐng)域取得的研究成果，給非線性系統(tǒng)辨識(shí)帶來(lái)了新方法。因此，人們常依據(jù)試驗(yàn)的方法，從試驗(yàn)數(shù)據(jù)中建立能反映系統(tǒng)輸入一輸出關(guān)系的模型。用這種方法得到的模型，其參數(shù)可能不具有明確的物理意義然而這并不影響我們利用該模型進(jìn)行控制系統(tǒng)的設(shè)計(jì)【17,|8,19。221系統(tǒng)辨識(shí)的基本理論和方法LAZADEN曾給辨識(shí)這樣定義“系統(tǒng)辨識(shí)是在輸入和輸出數(shù)據(jù)的基礎(chǔ)上，從一組給定的模型類(lèi)中，確定一個(gè)與所測(cè)系統(tǒng)等價(jià)的模型?！边@個(gè)定義明確了辨識(shí)的三要素輸入輸出數(shù)據(jù)、模型類(lèi)和等價(jià)準(zhǔn)則。由于實(shí)際中不可能尋找到一個(gè)與實(shí)際系統(tǒng)完全等價(jià)的模型，因此從實(shí)際觀點(diǎn)看，辨識(shí)就是從一組模型中選擇一個(gè)模型，按照等價(jià)準(zhǔn)則，使之最好地?cái)M合所關(guān)心實(shí)際系統(tǒng)的動(dòng)態(tài)和靜態(tài)特性。傳統(tǒng)的系統(tǒng)辨識(shí)結(jié)構(gòu)如圖24所示，圖中偽干擾信號(hào)，系統(tǒng)辨識(shí)就是根據(jù)系統(tǒng)的輸入黼出數(shù)據(jù)對(duì)UY，利用數(shù)學(xué)方法提取系統(tǒng)P的數(shù)學(xué)模型P。，并且使式PITYYLIG成立，式中Y，Y分H別為辨識(shí)模型和系統(tǒng)對(duì)輸入U(xiǎn)的輸出響應(yīng)，F(xiàn)為預(yù)定的辨識(shí)精度。圖24傳統(tǒng)的系統(tǒng)辨識(shí)結(jié)構(gòu)傳統(tǒng)辨識(shí)算法的基本原理是通過(guò)建立依賴(lài)于參數(shù)的模型，把辨識(shí)問(wèn)題轉(zhuǎn)化成對(duì)模型參數(shù)的估計(jì)問(wèn)題。這類(lèi)傳統(tǒng)的辨識(shí)算法能較成功地應(yīng)用于線性系統(tǒng)或可線性化的系統(tǒng)辨識(shí)中，按照其基本原理，主要有三種不同的方法第一種稱(chēng)為最小二乘法。它利JJ最小二乘原理，通過(guò)極小化廣義誤差的二次方和函數(shù)來(lái)確定模型的參數(shù)。最小二乘法具有兩方面的缺陷1當(dāng)模掣嵫聲是有色噪聲時(shí)，最小二乘估計(jì)不是無(wú)偏、一致估計(jì)。2隨著數(shù)據(jù)的增K，最小一乘法將山現(xiàn)所謂的嚙據(jù)飽霸|，現(xiàn)象。第一二種稱(chēng)為梯度校正法。它利塒最速下降法原理，沿著誤差準(zhǔn)則函數(shù)關(guān)丁模氆參數(shù)的負(fù)梯度方向，逐步修改模型的參數(shù)估計(jì)值，直到誤差準(zhǔn)則函數(shù)返劍最小值標(biāo)準(zhǔn)。其缺點(diǎn)是在極小值附近，收12東南大學(xué)碩上學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)斂速度很慢。第三種稱(chēng)為極大似然法。它根據(jù)極大似然原理，通過(guò)極大化似然函數(shù)來(lái)確定模型的參數(shù)。這意味著模型輸出的概率分布將最大可能地逼近實(shí)際系統(tǒng)輸出的概率分布。為此，極大似然法通常要求具有能夠?qū)懗鲚敵隽康臈l件概率密度函數(shù)的先驗(yàn)知識(shí)。另外系統(tǒng)模型結(jié)構(gòu)的辨識(shí)，即模型階次的辨識(shí)也是系統(tǒng)辨識(shí)的一個(gè)重要方面。通常單輸入單輸出系統(tǒng)的模型結(jié)構(gòu)辨識(shí)的方法有第一種為基于行列式比的方法，包括脈沖響應(yīng)序列權(quán)序列的行列式比法，輸入、輸出數(shù)據(jù)的行列式比法；第二種為基于誤差性能準(zhǔn)則函數(shù)損失函數(shù)的方法，即F檢驗(yàn)法；第三種為基于信息準(zhǔn)則判定模型階次的方法，即AIC定階法。多輸入多輸出系統(tǒng)的模型結(jié)構(gòu)取決于一組KRONEEKER結(jié)構(gòu)不變量，因IP2VIIMO系統(tǒng)的結(jié)構(gòu)辨識(shí)問(wèn)題比較復(fù)雜，需要確定一組結(jié)構(gòu)不變量。但是就方法而論，MIMO系統(tǒng)的結(jié)構(gòu)辨識(shí)類(lèi)似于SISO系統(tǒng)的結(jié)構(gòu)辨識(shí)。222誤差準(zhǔn)則誤差準(zhǔn)則也稱(chēng)為等價(jià)準(zhǔn)則，用以衡量模型接近實(shí)際系統(tǒng)的標(biāo)準(zhǔn)，記為，E去E2T21K0K0山式中，EK是定義在【0，L上的誤差函數(shù)，它可以廣義地理解為模型與系統(tǒng)的“誤差”，可以是輸出誤差、輸入誤差或者廣義誤差。223辨識(shí)精度基于輸入輸出數(shù)據(jù)，利用辨識(shí)方法得到的模型，仍有誤差，其原因是1假定的模型結(jié)構(gòu)只是實(shí)際系統(tǒng)的一種近似；2數(shù)據(jù)受隨機(jī)噪聲污染；3數(shù)據(jù)長(zhǎng)度有限。因此，需要對(duì)辨識(shí)結(jié)果的精度進(jìn)行評(píng)價(jià)，若精度達(dá)不到要求，則應(yīng)從改變模趔結(jié)構(gòu)、采樣周期、辨識(shí)時(shí)間等方面考慮，再進(jìn)行辨識(shí)。224辨識(shí)的主要步驟辨識(shí)的土要步驟如H1實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)設(shè)計(jì)的目的。是使采集到的輸入輸出數(shù)據(jù)序列，盡可能多的包含系統(tǒng)特性的內(nèi)在信息。東南大學(xué)碩士學(xué)位論文第二章基于神經(jīng)喇絡(luò)的系統(tǒng)辨識(shí)實(shí)驗(yàn)設(shè)計(jì)所需確定的問(wèn)題是輸入信號(hào)幅度、頻帶等、采樣周期、辨識(shí)時(shí)間數(shù)據(jù)長(zhǎng)度、開(kāi)環(huán)或閉環(huán)、離線或在線等。其中輸入信號(hào)需滿(mǎn)足的條件為在辨識(shí)時(shí)間內(nèi)，系統(tǒng)的動(dòng)態(tài)必須被充分地激勵(lì)，即輸入信號(hào)必須激勵(lì)系統(tǒng)的所有模態(tài)；激勵(lì)時(shí)間必須足夠長(zhǎng)，否則，來(lái)不及達(dá)到基本的匹配；為保證辨識(shí)的精度輸入信號(hào)需有良好的質(zhì)量。常用的輸入信號(hào)有白噪聲序列，其中O。1均勻分布與正態(tài)分布的隨機(jī)數(shù)常用；二進(jìn)制偽隨機(jī)碼序列M序列與逆M序列。2模型結(jié)構(gòu)辨識(shí)模型結(jié)構(gòu)辨識(shí)，就是確定模型類(lèi)，是利用已有的知識(shí)，進(jìn)行具體分析，確定模型的結(jié)構(gòu)。應(yīng)該用盡可能簡(jiǎn)單的模型來(lái)描述待辨識(shí)系統(tǒng)。3模型參數(shù)估計(jì)在模型的結(jié)構(gòu)確定后，其中未知的部分就需要通過(guò)實(shí)驗(yàn)數(shù)據(jù)去“估計(jì)”。參數(shù)估計(jì)的要求就是辨識(shí)出來(lái)的模型與實(shí)際過(guò)程在某種意義上是最接近的?！敖咏笔怯靡粋€(gè)準(zhǔn)則來(lái)衡量的，通常衡量在同樣輸入時(shí)模型輸出與實(shí)際過(guò)程輸出之間的誤差大小。4模型的檢驗(yàn)一個(gè)模型被辨識(shí)出來(lái)之后，是否可靠，或者是否真實(shí)反映對(duì)象的特性，是需要檢驗(yàn)的。如何檢驗(yàn)一個(gè)已得到的模型，至今未有很好的解決辦法。應(yīng)該說(shuō)，模型好壞主要由實(shí)際應(yīng)用效果來(lái)鑒定。為了得到可靠的數(shù)學(xué)模型，需要進(jìn)行多次試驗(yàn)。檢驗(yàn)的方法可以利用在不同時(shí)間區(qū)段內(nèi)采集的數(shù)據(jù)，分別建立模型，如果模型的特性基本相符，則模型是可靠的。特別重要的是一套數(shù)據(jù)某工況下得到辨識(shí)出來(lái)的模型，需要用另一套數(shù)據(jù)另工況下得到來(lái)驗(yàn)證或修改。如此交錯(cuò)地核對(duì)，才可能使模型的質(zhì)量得到保證。傳統(tǒng)的系統(tǒng)辨識(shí)必須考慮模型選擇、輸入信號(hào)和誤差準(zhǔn)則三方面的問(wèn)題，而其中模型選擇比較復(fù)雜且無(wú)一般的選擇規(guī)律。目前的做法是依賴(lài)于模型的用途，兼顧其精確性和復(fù)雜性等問(wèn)題權(quán)衡來(lái)選擇。傳統(tǒng)系統(tǒng)辨識(shí)算法的基本原理是通過(guò)建立依賴(lài)于參數(shù)的挨型，把辨識(shí)聞?lì)}轉(zhuǎn)化為對(duì)模型參數(shù)的估計(jì)問(wèn)題，這類(lèi)算法能較成功地應(yīng)用于線性系統(tǒng)或可線性化系統(tǒng)的辨識(shí)。但是傳統(tǒng)的辨識(shí)方法對(duì)于一般非線性系統(tǒng)的辨識(shí)是很困難的，而神經(jīng)網(wǎng)絡(luò)則提供了一個(gè)有力的工具。神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)實(shí)質(zhì)上是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來(lái)逼近實(shí)際系統(tǒng)。由于神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有任意逼近和自學(xué)習(xí)能力，所以神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)為菲線性系統(tǒng)的辨識(shí)提供了一種筠單麗有效的一般性方法。225系統(tǒng)辨識(shí)的主要應(yīng)用系統(tǒng)辨識(shí)在工業(yè)領(lǐng)域有著廣泛的應(yīng)用；1用丁二控制系統(tǒng)的設(shè)計(jì)和分析，利用辨識(shí)方法獲得被控過(guò)稃數(shù)學(xué)模犁之后，以此模型為基礎(chǔ)可以設(shè)計(jì)山比較合理的控制系統(tǒng)或川丁分析原有控制系統(tǒng)的性能，以便提出改進(jìn)；2川丁在線控制，建立在線控制對(duì)象的數(shù)學(xué)模型，不斷調(diào)幫控制器的參數(shù)，可以獲得較好的控制斂果3用于天氣、水文、人口、能源、客流量等問(wèn)題的預(yù)報(bào)預(yù)測(cè)。其基本思想是，在模型結(jié)構(gòu)確J4東南大學(xué)碩士學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)定的條件下，建立時(shí)變模型，并預(yù)測(cè)時(shí)變模型的參數(shù)。然后以此為基礎(chǔ)對(duì)過(guò)程的狀態(tài)進(jìn)行預(yù)報(bào)；4用于監(jiān)視過(guò)程參數(shù)并實(shí)現(xiàn)故障診斷，許多生產(chǎn)過(guò)程希望經(jīng)常監(jiān)視和檢測(cè)可能出現(xiàn)的故障，以便及時(shí)排除。這意味著不斷地從過(guò)程中收集信息，推斷過(guò)程動(dòng)態(tài)特性的變化情況，然后根據(jù)過(guò)程特性的變化情況判斷故障是否發(fā)生、何時(shí)發(fā)生、故障大小、故障位置等。23神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)隨著人類(lèi)社會(huì)的發(fā)展和進(jìn)步，越來(lái)越多的非線性現(xiàn)象和非線性系統(tǒng)己經(jīng)引起人們廣泛的重視。在社會(huì)科學(xué)和自然科學(xué)領(lǐng)域已投入相當(dāng)多的人力和物力去觀察、研究有關(guān)的非線性問(wèn)題。對(duì)于像基站子系統(tǒng)中RF功放這樣的本質(zhì)非線性系統(tǒng)，上述的傳統(tǒng)辨識(shí)算法難以付諸應(yīng)用，因?yàn)檫@類(lèi)系統(tǒng)對(duì)應(yīng)的模型很難化為最小二乘格式即關(guān)于參數(shù)空聞的線性模型，而神經(jīng)網(wǎng)絡(luò)應(yīng)用于系統(tǒng)辨識(shí)的一個(gè)優(yōu)點(diǎn)就是不需要預(yù)先建立實(shí)際系統(tǒng)的辨識(shí)格式，它對(duì)系統(tǒng)進(jìn)行辨識(shí)是通過(guò)直接學(xué)習(xí)系統(tǒng)的輸入，輸出數(shù)據(jù)，以達(dá)到使所要求的誤差準(zhǔn)則函數(shù)最小的目的，從而歸納出隱含在系統(tǒng)輸入，I出中的關(guān)系，這個(gè)關(guān)系即描述系統(tǒng)動(dòng)態(tài)或靜態(tài)的算子P，P隱含在神經(jīng)網(wǎng)絡(luò)內(nèi)部，它究竟表現(xiàn)為什么樣的形式，對(duì)外界是不可知的，況且人們所關(guān)心的并不是神經(jīng)網(wǎng)絡(luò)以什么樣的形式去逼近實(shí)際系統(tǒng)，而是只要種經(jīng)網(wǎng)絡(luò)的輸出能夠逼近系統(tǒng)在同樣的輸入信號(hào)激勵(lì)下的輸出，則認(rèn)為神經(jīng)網(wǎng)絡(luò)已充分體現(xiàn)出實(shí)際系統(tǒng)特性，從而完成了對(duì)原系統(tǒng)的辨識(shí)。神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)辨識(shí)的實(shí)質(zhì)就是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來(lái)逼近實(shí)際系統(tǒng)。與傳統(tǒng)基于算法的系統(tǒng)辨識(shí)一樣，神經(jīng)網(wǎng)絡(luò)辨識(shí)同樣也需要首先考慮以下因素1模型的選擇模型只能是在某種意義下對(duì)實(shí)際系統(tǒng)的一種近似描述，它的確定要兼顧其精確性和復(fù)雜性。因?yàn)槿绻竽Ｐ驮骄_，模型就會(huì)變的越復(fù)雜，相反如果適當(dāng)降低模型的精度要求只考慮主要因素而忽略次要因素，模型就可以變得簡(jiǎn)單些，所以在建立實(shí)際系統(tǒng)的模型時(shí)，存在精確性和復(fù)雜性這一對(duì)矛盾。在神經(jīng)網(wǎng)絡(luò)辨識(shí)這一問(wèn)題上主要表現(xiàn)為網(wǎng)絡(luò)隱層數(shù)的選擇和隱節(jié)點(diǎn)數(shù)的選擇。由于神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)的最佳選擇目前還缺乏理論上的指導(dǎo)，因此實(shí)現(xiàn)這一折中方案的唯一途徑是進(jìn)行仿真實(shí)驗(yàn)。2輸入信號(hào)的選擇為了能夠精確有效地對(duì)未知系統(tǒng)進(jìn)行辨識(shí)，輸入信號(hào)必須滿(mǎn)足一定的條件。從時(shí)域上來(lái)看，要求系統(tǒng)的動(dòng)態(tài)過(guò)程在辨識(shí)時(shí)間內(nèi)必須被輸入持續(xù)激勵(lì)，即輸入信號(hào)必須充分激勵(lì)系統(tǒng)的所有模態(tài)；從頻域來(lái)看，要求輸入信號(hào)的頻譜必須足以覆蓋系統(tǒng)的頻譜。通常在神經(jīng)網(wǎng)絡(luò)辨識(shí)中可選用白噪聲或偽隨機(jī)信號(hào)作為系統(tǒng)的輸入信號(hào)。3誤差準(zhǔn)則的選擇誤差準(zhǔn)則是用來(lái)衡量模型接近實(shí)際系統(tǒng)程度的標(biāo)準(zhǔn)，它通常用一個(gè)誤差泛函，記作EW以PT22下式中廠是誤著久草EK的函數(shù)，HJ得最多的是平方函數(shù)，即FIEK恢矧23這里的誤著PT指的是廣義誤差，既可表示為輸出誤差又可表示為輸入誤差甚至是兩種誤差函數(shù)的東南大學(xué)碩士學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)合成。與傳統(tǒng)的基于算法辨識(shí)方法比較，神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)具有如下特點(diǎn)1不要求建立實(shí)際系統(tǒng)的辨識(shí)格式，即可省去系統(tǒng)結(jié)構(gòu)建模這一步。因?yàn)樯窠?jīng)網(wǎng)絡(luò)本質(zhì)己作為一種辨識(shí)模型，其可調(diào)參數(shù)反映在網(wǎng)絡(luò)內(nèi)部的權(quán)值上；2可以對(duì)本質(zhì)非線性系統(tǒng)進(jìn)行辨識(shí)。辨識(shí)是通過(guò)在網(wǎng)絡(luò)外部擬合系統(tǒng)的輸入輸出特性，在網(wǎng)絡(luò)的內(nèi)部，歸納隱含在系統(tǒng)輸入輸出數(shù)據(jù)中的系統(tǒng)特性來(lái)完成的。因此辨識(shí)是非算法式的，由神經(jīng)網(wǎng)絡(luò)本身體現(xiàn)；3辨識(shí)的收斂速度不依賴(lài)于待辨識(shí)系統(tǒng)的維數(shù)，只與神經(jīng)網(wǎng)絡(luò)本身及其所采用的學(xué)習(xí)算法有關(guān)，而傳統(tǒng)的辨識(shí)算法隨模型參數(shù)維數(shù)增大變得很復(fù)雜；4神經(jīng)網(wǎng)絡(luò)具有大量連接，其連接權(quán)的權(quán)值在辨識(shí)中對(duì)應(yīng)于模型參數(shù)，通過(guò)調(diào)節(jié)這些參數(shù)可使網(wǎng)絡(luò)輸出逼近系統(tǒng)輸出5適于多變量系統(tǒng)，神經(jīng)網(wǎng)絡(luò)的輸入、輸出變量的數(shù)目是任意的，對(duì)單變量系統(tǒng)與多變量系統(tǒng)提供了一種通用的描述方式，不必再考慮各子系統(tǒng)間的解耦等問(wèn)題。因此它應(yīng)用起來(lái)更為方便；6神經(jīng)網(wǎng)絡(luò)作為實(shí)際系統(tǒng)的辨識(shí)模型，實(shí)際上也是系統(tǒng)的一個(gè)物理實(shí)現(xiàn)?？梢杂糜谠诰€控制。231常用于辨識(shí)的神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)可以有多種分類(lèi)方法，從網(wǎng)絡(luò)結(jié)構(gòu)上一般分為前向神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)【161。前向神經(jīng)網(wǎng)絡(luò)是一種靜態(tài)映射網(wǎng)絡(luò)，而反饋網(wǎng)絡(luò)是一種動(dòng)態(tài)網(wǎng)絡(luò)。2311前向神經(jīng)網(wǎng)絡(luò)前向神經(jīng)網(wǎng)絡(luò)也稱(chēng)多層前向網(wǎng)或簡(jiǎn)稱(chēng)前饋網(wǎng)絡(luò)，是指拓?fù)浣Y(jié)構(gòu)為有向無(wú)環(huán)圖的神經(jīng)網(wǎng)絡(luò)由一層或多層非線性處理單元組成，相鄰之間通過(guò)突觸權(quán)陣連接起來(lái)，網(wǎng)絡(luò)中前一層的輸出作為下一層的輸入沒(méi)有反饋。前向網(wǎng)絡(luò)可以看成是一種一組輸入模式到一組輸出模式的系統(tǒng)變換。這種變換通過(guò)對(duì)菜一給定的輸入樣本相應(yīng)的輸出數(shù)據(jù)集的訓(xùn)練得到。為了能夠?qū)崿F(xiàn)這一行為網(wǎng)絡(luò)的突觸權(quán)系數(shù)陣在某種學(xué)習(xí)規(guī)則的指導(dǎo)下進(jìn)行自適應(yīng)學(xué)習(xí)，通常情況下，前饋網(wǎng)絡(luò)的訓(xùn)練需要一組輸入輸出樣本集，因此這種學(xué)習(xí)方法又稱(chēng)為有導(dǎo)師指導(dǎo)學(xué)習(xí)。圖25至28所示為常見(jiàn)的前向神經(jīng)網(wǎng)絡(luò)。工L而幽25兩層感知器網(wǎng)絡(luò)圖25所示為兩層感知器網(wǎng)絡(luò)，該網(wǎng)絡(luò)只有輸入層和輸出層，其中輸出層神經(jīng)元為計(jì)算節(jié)點(diǎn)J6東南大學(xué)碩士學(xué)位論文第二章基于種經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)其基函數(shù)取線性函數(shù)，激活函數(shù)取硬極限函數(shù)。該網(wǎng)絡(luò)一般用于線性分類(lèi)。五1而H圖26多層感知器網(wǎng)絡(luò)，LJRT，圖26所示為多層感知器MLP網(wǎng)絡(luò)，該網(wǎng)絡(luò)有一個(gè)輸入層、一個(gè)輸出層和多個(gè)隱層，其中隱層和輸山層神經(jīng)元為計(jì)算節(jié)點(diǎn)。多層感知器的基函數(shù)取線性函數(shù)，激活函數(shù)可以取多種形式。如果所有的計(jì)算節(jié)點(diǎn)都取硬極限函數(shù)，則網(wǎng)絡(luò)稱(chēng)為多層離散感知器；如果所有的隱層節(jié)點(diǎn)都取SIGMOIDAL函數(shù)，則就是所謂的BP網(wǎng)，此時(shí)網(wǎng)絡(luò)權(quán)值和閡值可用誤差反向傳播學(xué)習(xí)算法即BP算法學(xué)習(xí)。BP網(wǎng)輸出節(jié)點(diǎn)的激活函數(shù)根據(jù)應(yīng)用的不同而異如果BP網(wǎng)用于分類(lèi)，則輸出層節(jié)點(diǎn)一般用SIGMOIDAL函數(shù)或硬極限函數(shù)；如果BP網(wǎng)用于函數(shù)逼近，則輸出層節(jié)點(diǎn)應(yīng)該用線性函數(shù)。吒而X圖27徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)圖27所示為徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)有一個(gè)輸入層、一個(gè)隱層和一個(gè)輸出層，其中隱層和輸出層神經(jīng)元為計(jì)算節(jié)點(diǎn)。RBF網(wǎng)的隱層單元的基函數(shù)取距離函數(shù)，激活函數(shù)一般取高斯函數(shù)類(lèi)似與多層感知器，如果RBF網(wǎng)用于分類(lèi)，則輸出層節(jié)點(diǎn)一般用SIGMOIDAL函數(shù)或硬極限函數(shù)；如果多層感知器用于函數(shù)逼近，則輸出層節(jié)點(diǎn)應(yīng)該_Q；|線性函數(shù)。東南大學(xué)碩十學(xué)位論文第二章基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)ZL而Z，、一廠心。JIII圖28級(jí)連相關(guān)神經(jīng)網(wǎng)絡(luò)圖28所示也是一種著名的前向神經(jīng)網(wǎng)絡(luò)，稱(chēng)為級(jí)連相關(guān)神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以用級(jí)連相關(guān)算法實(shí)現(xiàn)快速訓(xùn)練，關(guān)于CC算法的相關(guān)內(nèi)容，在以后章節(jié)中有詳細(xì)介紹。231,2反饋神經(jīng)網(wǎng)絡(luò)反饋神經(jīng)網(wǎng)絡(luò)是指拓?fù)浣Y(jié)構(gòu)中有環(huán)路的神經(jīng)網(wǎng)絡(luò)。最著名的反饋神經(jīng)網(wǎng)絡(luò)是HOPFIELD神經(jīng)網(wǎng)絡(luò)，如圖29所示。HOPFIELD網(wǎng)絡(luò)的基函數(shù)取線性函數(shù)，激活函數(shù)可以取SIGMOIDAL函數(shù)構(gòu)成連續(xù)狀態(tài)HOPFIELD網(wǎng)絡(luò)或便極限函