Doherty功放的贝叶斯正则化神经网络逆向建模研究

• 作者: 南敬昌 盛爽爽 胡婷婷 高明明
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 神经网络 逆向建模 L1/2范数 贝叶斯正则化 Doherty功率放大器
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1496-1502
• 页数: 7页
• 分类号: TP391.9
• 字数: 3965字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.08.022

摘要

针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L1/2范数的贝叶斯正则化神经网络逆向建模方法,L1/2正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网络的输出更加平滑,提高网络的稳定性和泛化能力.将此方法应用到Doherty功率放大器的设计中,在已知Doherty主功放效率、输出匹配端的S11和S21的情况下,分别仿真得出相对应的输出功率和f,可以简化设计过程.实验结果表明,此逆向模型求得的输出功率、与S11相对的f、与S21相对的f比直接逆向建模方法的均方误差分别减少了8.83％、9.30％和9.00％,运行时间分别减少了99.34％、99.40％和99.23％,解决了设计中的多解问题,可用于设计射频微波器件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	南敬昌	辽宁工程技术大学电子与信息工程学院	143	665	12.0	15.0
2	高明明	辽宁工程技术大学电子与信息工程学院	59	194	8.0	10.0
3	胡婷婷	辽宁工程技术大学电子与信息工程学院	4	5	2.0	2.0
4	盛爽爽	辽宁工程技术大学电子与信息工程学院	3	5	2.0	2.0