一种基于WaveNet神经网络结构的功率放大器行为建模方法

发明专利有效专利

申请号：
CN201910762293.X
IPC分类号：G06F30/367;G06F30/27;G06N3/04;G06N3/08
申请日期：
2019-08-19
申请人：
南京航空航天大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于WaveNet神经网络结构的功率放大器行为建模方法
申请号	CN201910762293.X	申请日期	2019-08-19
法律状态	授权	申报国家	暂无
公开/公告日	2019-12-24	公开/公告号	CN110610030A
优先权	暂无	优先权号	暂无
主分类号	G06F30/367	IPC分类号	G;0;6;F;3;0;/;3;6;7;;;G;0;6;F;3;0;/;2;7;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	南京航空航天大学	申请人地址	江苏省南京市秦淮区御道街29号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京航空航天大学	当前权利人	南京航空航天大学
发明人	邵杰;刘姝;周凡;孔天姣;胡久元
代理机构	南京瑞弘专利商标事务所（普通合伙）	代理人	吴旭

摘要

本发明公开了一种基于WaveNet神经网络结构的功率放大器行为建模方法，相较于当下常用的RNN、LSTM等记忆神经单元，本方法所采用的WaveNet网络每次迭代无需等待之前序列的预测结果，具备并行特点，所以模型训练和收敛十分迅速。同时，模型内部采用了时间卷积网络结构，卷积运算能提取序列的内在特征；而时间卷积又具备因果性质，模型当前的输出只与历史数据和即时数据相关，能够描述放大器的记忆效应。本方法在表征功率放大器的非线性特性和记忆效应上，具备较高的精度；而在模型训练上，拥有惊人的训练和收敛速度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供