基于神经网络的联合缓解方法：处理IQ不平衡与PA非线性问题（支持多种状态）

《IEEE Wireless Communications Letters》：NN-Based Joint Mitigation of IQ Imbalance and PA Nonlinearity With Multiple States

　　无线通信中I/Q不平衡和功率放大器非线性问题严重，本文提出基于多任务学习的神经网络模型实现联合数字预失真，实验证明其多信号状态下性能优于现有方法。

　　

摘要：

在无线通信领域，减轻同相（I）和正交（Q）不平衡以及功率放大器（PA）的非线性是一个非常重要的问题。在本文中，我们提出了一种新的神经网络（NN）模型，该模型可用于具有多种信号状态的发射机中非理想IQ调制器和PA的联合数字预失真（DPD）处理。该模型基于多任务学习（MTL）方法。在该模型中，主NN的隐藏层被所有信号状态共享，而输出层的权重和偏置由另一个NN动态生成。实验结果表明，所提出的模型能够有效地对IQ-PA系统进行联合DPD处理，并且在多种信号状态下实现了比现有方法更好的整体性能。

引言

在无线通信中，同相（I）和正交（Q）不平衡以及功率放大器（PA）的非线性是两种严重的硬件缺陷。减轻这些硬件缺陷对于提高射频（RF）发射机的性能非常重要。