CR-NN数字预失真模型

复杂度降低

在计算复杂度与线性参数模型相当的情况下，显著抑制功率放大器的强非线性，改善性能与复杂度权衡。

Jiang, Chengye · Qianqian, Zhang · Junsen, Wang · 张峻宁 · Zhang, Kunfeng · 唐波 · 刘发林

IEEE Transactions on Instrumentation and Measurement 2025

参数信息

邻道功率比（抑制后）

−51.18/−50.72 dBc

邻道功率比（未抑制）

−23.24/−24.34 dBc

技术优势

复杂度大幅降低

利用后滤波利用功放记忆衰减特性减少输入特征，使神经网络主体规模大幅缩小。

模型容量不降反升

采用自适应非均匀分段线性单元，在不增加复杂度的情况下提升模型表达能力。

非线性抑制显著

将功放非线性从 −23.24/−24.34 dBc 抑制到 −51.18/−50.72 dBc，性能提升约 28 dB。

应用场景

• 5G发射机：用低复杂度神经网络数字预失真抑制宽带功放非线性，满足5G线性度要求。
• 射频功率放大器：为高效率Doherty等结构功放提供高性能数字预失真，释放其效率潜力。
• 数字预失真：突破神经网络数字预失真的复杂度瓶颈，使其可在实际系统中部署。