现代无线通信系统中,射频功率放大器是基站发射机的重要部件。受功放非线性特性的影响,输入信号经过功放放大后将产生严重的带内失真和带外失真,增加了通信系统误码率,并且干扰邻近信道。所以对功放进行线性化有着很重要的意义,同时功率放大器线性化技术已成为宽带无线通信中的一个关键技术。其中,基带数字预失真由于具有低成本、易于实现的优点,成为了近些年来线性化研究的热点。本文在分析了功放的非线性特点后,提出了一种基于BP神经网络模型的功放数字预失真方案,本文的创新点及主要工作包括以下几个方面:1.对功率放大器非线性特点进行分析,对现有的几种功放模型在建模精度,复杂度方面进行讨论,指出各模型的局限性。同时提出一种BP神经网络模型,该模型在建模精度方面有很大优势。用该模型对一组非线性较强的功放信号进行建模,在MATLAB中仿真发现其NMSE比记忆多项式模型减少了10 dB以上。2.将功放记忆效应体现在BP神经网络中,引入列文伯格-马夸特算法对模型系数进行辨识,可以将迭代次数大大减少。在MATLB中建立功放数字预失真系统,选取第一隐藏层神经元个数为7,第二隐藏层神经元个数为5的神经网络模型对功率放大器进行预失真处理。仿真结果显示采用BP神经网络模型的预失真系统可以将输出信号ACPR降低20dB。3.将仿真验证有效的BP神经网络预失真器在FPGA中实现,提出一种符号分离的方法对有符号定点数进行乘法计算以减少耗用资源。对于神经元隐藏层的激励函数tansig,在分析了传统查找表的局限性后,提出了一种分段均匀量化的查找表方式,既可以减少资源耗用,又能保证数据精度不受影响。神经网络预失真器的参数识别部分在MATLAB中完成,然后将系数导入FPGA中完成对预失真系统的搭建。4.搭建功放预失真测试平台,将BP神经网络预失真器和F类功率放大器级联,输入中心频率为2.4 GHz,带宽为20 MHz的LTE信号,对功放输出信号进行测量,结果显示,相比原始功放,经过预失真处理后功放输出信号的ACPR可以下降13 dBc以上。