摘要
随着通信技术的发展,信号已逐步向高调制度及大带宽的方向发展.目前,光载无线电(Radio-over-Fiber,RoF)通信技术的广泛应用使得整个通信系统的非线性失真更加严重.为了使系统在高效率的状态下运行,线性化技术必不可少.采用广义记忆多项式(Generalized Memory Polynomial,GMP)模型,实值时延神经网络(Real-Valued Time-Delay Neural Network,RVTDNN)模型和矢量分解时延神经网络(Vector Decomposition Time-Delay Neural Network,VDTDNN)模型来针对该系统构建数字预失真器,在测试信号为100MHz带宽的5GNR条件下对系统进行非线性校正.实验测试结果显示,GMP模型、RVTDNN模型和VDTDNN模型对信号的邻信道功率比(Adjacent Channel Power Ratio,ACPR)的改善分别可以达到13.58dB、14.84dB和15.15dB.且三种模型的最终ACPR都小于-45dBc,满足5G基站信号发射要求.这说明三种模型生成的预失真器都可以对光载无线电系统进行线性化.
NETL
NSTL
万方数据