Redes neurais aplicadas na modelagem comportamental de amplificadores de potência de banda dupla concorrente com multiplicidade dois entre portadoras

Abstract

Resumo: Este trabalho aborda a modelagem comportamental de amplificadores de potência (AP) de banda dupla concorrente com multiplicidade dois entre portadoras utilizando redes neurais artificiais (RNAs) de topologia perceptron de múltiplas camadas (MLP, do inglês Multi-Layer Perceptron). É proposta uma arquitetura de RNA para a modelagem comportamental do AP, a qual demonstrou superioridade em termos de desempenho computacional e redução do erro em comparação com métodos previamente utilizados. A arquitetura proposta aplica a diferença entre fases das duas bandas fazendo com que a fase do sinal de entrada seja zero e a diferença entre fases incluindo as duas bandas esteja na banda base. Nos testes do modelo comportamental foi observado o erro quadrático médio normalizado (NMSE) que diminuiu em 7,1 dB na primeira portadora (WiFi) e em 5,33 dB na segunda portadora (LTE) em comparação com uma das abordagens tradicionais com número semelhante de coeficientes. Também se observa que, para obter um NMSE inferior a -39 dB na primeira portadora e -41 dB na segunda portadora, o modelo proposto utiliza 73,24% menos coeficientes que a abordagem genérica da literatura (236 parâmetros ao invés de 882 parâmetros para o modelo genérico).

Abstract: This work addresses the behavioral modeling of dual-band concurrent power amplifiers (PAs) with a multiplicity of two between carriers using artificial neural networks (ANNs) with a multi-layer perceptron (MLP) topology. An ANN architecture is proposed for the behavioral modeling of the PA, which demonstrated superiority in terms of computational performance and error reduction compared to previously used methods. The proposed architecture applies the phase difference between the two bands such that the phase of the input signal is zero and the phase difference including both bands is in the baseband. In the behavioral model tests, a normalized mean square error (NMSE) reduction of 7.1 dB for the first carrier (WiFi) and 5.33 dB for the second carrier (LTE) was observed compared to a traditional approach with a similar number of coefficients. It is also noted that to achieve an NMSE below -39 dB for the first carrier and -41 dB for the second carrier, the proposed model uses 73.24% fewer coefficients than the generic approach from the literature (236 parameters instead of 882 parameters for the generic model).