Redes neurais baseadas em GMDH para modelagem de amplificadores de potência

Abstract

Resumo : Este trabalho apresenta um estudo completo sobre a modelagem comportamental e amplificadores de potência (PAs) utilizando redes neurais baseadas no método Group Method of Data Handling (GMDH). Foram comparados dois métodos de construção da rede: abrangente (Embracing) e Seletivo (Selective), sendo este último aprofundado e reutilizado em outras aplicações devido à sua melhor capacidade de seleção de neurônios. A rede foi expandida com funções de base de Laguerre e adaptada para operar com dados reais por meio da separação em redes fase (In-phase) e quadratura (Quadrature). Além disso, foram exploradas diferentes estratégias de extração de coeficientes, como mínimos quadrados, otimização não linear e método iterativo. Os testes foram realizados com amostras reais extraídas de PAs com tecnologia GaN e Si LDMOS, modulados por sinais WCDMA. Os resultados demonstraram que o modelo GMDH é capaz de atingir valores de NMSE (Erro Quadrático Médio Normalizado) da ordem de –37 dB, com estabilidade entre os conjuntos de extração e validação. Conclui-se que as abordagens implementadas são promissoras para aplicações em telecomunicações e sistemas de RF, oferecendo um bom equilíbrio entre desempenho e complexidade computacional

Abstract : This work presents a comprehensive study on the behavioral modeling of power amplifiers (PAs) using neural networks based on the Group Method of Data Handling (GMDH). Two network construction methods were compared: Embracing and Selective, the latter being further developed and reused in other applications due to its superior ability to select neurons. The network was expanded with Laguerre basis functions and adapted to operate with real-valued data through the separation into In-phase and Quadrature networks. In addition, different strategies for coefficient extraction were explored, such as least squares, nonlinear optimization, and an iterative method. Tests were performed using real samples from GaN and Si LDMOS PAs modulated by WCDMA envelope signals. Results showed that the GMDH model can achieve Normalized Mean Squared Error (NMSE) values around –37 dB, with stability between training and validation sets. It is concluded that the proposed approaches are promising for applications in telecommunications and RF systems, offering a good balance between performance and computational complexity