Approche par réseaux de neurones pour la linéarisation par prédistorsion adaptative des amplificateurs de puissance RF

Doufana, Mohamed (2009). Approche par réseaux de neurones pour la linéarisation par prédistorsion adaptative des amplificateurs de puissance RF. Mémoire. Rimouski, Québec, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 112 p.

Prévisualisation

PDF Télécharger (10MB)

Résumé

Dans ce mémoire, il est présenté des approches de modélisation et de
linéarisation des amplificateurs de puissance RF avec des données en ligne (en temps réel). Premièrement, il est présenté une approche de modélisation adaptative
et dynamique de données en ligne, basée sur les réseaux de neurones à valeurs
réelles avec des retards, afin d'obtenir dynamiquement les caractéristiques
AM/ AM et AM/PM des amplificateurs de puissances RF. Deuxièmement, les caractéristiques
de ce modèle d'amplificateur sont adoptées pour la linéarisation
par prédistorsion adaptative du signal d'entrée en bande de base. L'architecture
proposée est appropriée pour linéariser adaptativement les circuits AP
présentant des effets mémoire. Au lieu d'utiliser l'architecture d'apprentissage
indirect, il est proposé une prédistorsion adaptative avec données en ligne pour
assurer une adaptation continue sans interrompre le processus d'émission. Les
imperfections du modulateur, démodulateur et des circuits CNA/CAN seront automatiquement
corrigées, puisqu'ils sont inclus dans la boucle de correction. Il
est adopté la prédistorsion en bande de base qui a la capacité de corriger les
distorsions à l'intérieur (EVM) et l'extérieur (ACPR) de la bande utile. Dans le
cas de l'architecture d'apprentissage indirect, il faut avoir deux blocs de processeur
numérique (DSP) indépendants et qui fonctionnent en même temps, un
bloc pour la prédistorsion, et l'autre bloc pour l'obtention des paramètres du
réseau NN. Cette méthode a des problèmes concernant les bruits présents dans
les entrées/sorties du bloc de la prédistorsion . Dans l'architecture proposées
dans le présent travail, il est nécessaire d'avoir un seul processeur numérique
basée sur des entrées/sorties sans bruits. En utilisant cette architecture de
linéarisation , il est démontré, par simulation, que quasiment 25 dB du paramètre ACPR, sont supprimés en permanence après convergence à 350 kHz de
décalage de fréquence, avec un modèle avec effets mémoire pour le circuit AP.
L'architecture neuronale proposée est implantée avec le logiciel (Xilinx System
Generator (XSG) for DSP) dans l'environnement Matlab/Simulink.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Park, Chan-Wang
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Bahoura, Mohammed
Information complémentaire :	Mémoire présenté à l'Université du Québec à Rimouski comme exigence partielle du programme de maîtrise en ingénierie. Publié aussi en version papier.
Mots-clés :	Lineaire Amplificateur Puissance Frequence Radio Radiofrequence Reseau Neurone Adaptif Dynamique
Départements et unités départementales :	Département de mathématiques, informatique et génie > Génie
Déposé par :	DIUQAR UQAR
Date de dépôt :	15 févr. 2011 18:23
Dernière modification :	20 août 2021 12:54
URI :	https://semaphore.uqar.ca/id/eprint/19

Actions (administrateurs uniquement)

Éditer la notice