Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados

Abstract

Resumo: Este trabalho aborda a modelagem comportamental de um RFPA não linear, adequado para um DPD de banda base, a ser utilizado na linearização do sistema. O foco principal é a eficácia do algoritmo GMDH para esta tarefa. Trata-se de um modelo de rede polinomial auto-organizado, capaz de se construir e selecionar suas melhores características, a fim de obter um modelo com boa precisão e carga computacional reduzida, o que é interessante na implementação de um DPD em sistemas embarcados e de baixo custo. Além disso, para o RGMDH, é utilizada uma topologia comprovada para redes que processam números reais, para modelar o comportamento complexo de entrada / saída do RFPA. Já para o CGMDH, é proposto um modelo que reduz o número total de coeficientes do modelo, visto que não é necessária uma topologia para representação dos dados complexos na forma real. Ao modelar a função inversa de um RFPA não linear, o modelo baseado no RGMDH reduziu o erro quadrático médio normalizado em pelo menos 7 dB, quando comparado aos modelos de rede neural tradicionais do MLP e usando um número de coeficientes próximo a 150. Ao reduzir o total de coeficientes para próximo de 45, para comparar o RGMDH com o melhor resultado obtido para o CGMDH, o modelo com dados reais obteve um resultado 2,54 dB melhor que o modelo de dados complexos, e 10 dB melhor que o melhor resultado obtido com MLPs de coeficientes reduzidos. Por fim, nota-se que tanto o RGMDH quanto o CGMDH obtiveram uma melhor precisão do que ANNs MLP na modelagem comportamental de RFPAs, com as duas variações do GMDH obtendo desempenho próximas para o RFPA modelado, para uma complexidade computacional similar. Palavras-chave: GMDH, DPD, modelagem, pré-distorção digital, auto-organizado

Abstract: This work addresses the behavioral modeling of a RFPA suitable for a DPD utilized in linearization of the system. The main focus given is in the effectiveness of the GMDH algorithm for this task. This is a self-organized polynomial network model, capable of building itself and selecting its best features, in order to achieve a model with good accuracy and reduced computational burden, which is interesting when implementing the DPD in embedded and low cost systems. In addition to that, a proven topology for networks that process real numbers is utilized, in order to model the complex input/output behavior of the RFPA. When modeling the inverse function of a nonlinear RFPA, the RGMDH based model reduced the normalized mean square error by at least 7 dB, when compared to traditional MLP neural network models and using a number of coefficients close to 150. When reducing the number of coefficients close to 45, in order to compare the RGMDH model with the best result obtained with the CGMDH model, the model processing real data had an NMSE result 2,54 dB lower than the model processing complex data, and 10 dB lower than the best result obtained with the MLP models with reduced coefficients. It can be concluded that both the RGMDH and CGMDH obtained a better performance than the MLP models in the behavioral modeling of a RFPA, with both variations of GMDH having a similar performance for the utilized RFPA dataset, with a similar computational complexity. Keywords: GMDH, DPD, modeling, digital predistortion, self-organized