论文部分内容阅读
随着接入网技术的持续发展,无线接入通信频谱资源日益紧缺,将通信频段提升至毫米波频段无疑是解决频谱资源稀缺较佳的解决方案,然而毫米波却面临衰减严重无法长距离传输等困扰,光载无线电(Radio over Fiber,ROF)技术利用光纤低损耗、不受电磁干扰,保证信号传输质量、成本低等特点,将光纤用于传输高频毫米波至远端解决了这一困扰。在经过历代移动通信基站架构发展和演变的过程后,ROF前传系统(ROF Fronthaul Systerm)在C-RAN架构的基础上再次引入了ROF技术用来简化RRU结构同时降低基站的建造和维护成本,由于ROF前传系统包含功放、激光器、光电探测器等非线性器件,使整个系统在一定工况下不可避免的遭受非线性失真的困扰,对整个系统构建数字预失真器是解决非线性失真较佳的解决方案,为了能够构建数字预失真器,先对ROF前传系统非线性行为模型建模得到系统模型是较为关键的步骤。本文将径向基函数(RBF)神经网络与递归神经网络递归结构结合来增强模型的记忆效应,在此基础上融合历史时延分量提出了新的RBF神经网络模型来对ROF前传系统非线性行为模型建模,在输入信号为LTE信号时,相对于传统记忆多项式、广义记忆多项式、广义分数阶记忆多项式、实数时延神经网络、实数时延径向基函数神经网络等取得了至少2dB以上的建模精度提升。