Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados

Detalhes bibliográficos
Autor(a) principal: Zanella, André Felipe
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/69881
Resumo: Orientador: Prof. Dr. Eduardo Gonçalves de Lima
id UFPR_0f9d363d4b415665bf3aa0e9398cebfd
oai_identifier_str oai:acervodigital.ufpr.br:1884/69881
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaLima, Eduardo Gonçalves de, 1980-Zanella, André Felipe2023-08-29T19:38:28Z2023-08-29T19:38:28Z2020https://hdl.handle.net/1884/69881Orientador: Prof. Dr. Eduardo Gonçalves de LimaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 28/10/2020Inclui referências: p. 104-108Resumo: Este trabalho aborda a modelagem comportamental de um RFPA não linear, adequado para um DPD de banda base, a ser utilizado na linearização do sistema. O foco principal é a eficácia do algoritmo GMDH para esta tarefa. Trata-se de um modelo de rede polinomial auto-organizado, capaz de se construir e selecionar suas melhores características, a fim de obter um modelo com boa precisão e carga computacional reduzida, o que é interessante na implementação de um DPD em sistemas embarcados e de baixo custo. Além disso, para o RGMDH, é utilizada uma topologia comprovada para redes que processam números reais, para modelar o comportamento complexo de entrada / saída do RFPA. Já para o CGMDH, é proposto um modelo que reduz o número total de coeficientes do modelo, visto que não é necessária uma topologia para representação dos dados complexos na forma real. Ao modelar a função inversa de um RFPA não linear, o modelo baseado no RGMDH reduziu o erro quadrático médio normalizado em pelo menos 7 dB, quando comparado aos modelos de rede neural tradicionais do MLP e usando um número de coeficientes próximo a 150. Ao reduzir o total de coeficientes para próximo de 45, para comparar o RGMDH com o melhor resultado obtido para o CGMDH, o modelo com dados reais obteve um resultado 2,54 dB melhor que o modelo de dados complexos, e 10 dB melhor que o melhor resultado obtido com MLPs de coeficientes reduzidos. Por fim, nota-se que tanto o RGMDH quanto o CGMDH obtiveram uma melhor precisão do que ANNs MLP na modelagem comportamental de RFPAs, com as duas variações do GMDH obtendo desempenho próximas para o RFPA modelado, para uma complexidade computacional similar. Palavras-chave: GMDH, DPD, modelagem, pré-distorção digital, auto-organizadoAbstract: This work addresses the behavioral modeling of a RFPA suitable for a DPD utilized in linearization of the system. The main focus given is in the effectiveness of the GMDH algorithm for this task. This is a self-organized polynomial network model, capable of building itself and selecting its best features, in order to achieve a model with good accuracy and reduced computational burden, which is interesting when implementing the DPD in embedded and low cost systems. In addition to that, a proven topology for networks that process real numbers is utilized, in order to model the complex input/output behavior of the RFPA. When modeling the inverse function of a nonlinear RFPA, the RGMDH based model reduced the normalized mean square error by at least 7 dB, when compared to traditional MLP neural network models and using a number of coefficients close to 150. When reducing the number of coefficients close to 45, in order to compare the RGMDH model with the best result obtained with the CGMDH model, the model processing real data had an NMSE result 2,54 dB lower than the model processing complex data, and 10 dB lower than the best result obtained with the MLP models with reduced coefficients. It can be concluded that both the RGMDH and CGMDH obtained a better performance than the MLP models in the behavioral modeling of a RFPA, with both variations of GMDH having a similar performance for the utilized RFPA dataset, with a similar computational complexity. Keywords: GMDH, DPD, modeling, digital predistortion, self-organized1 recurso online : PDF.application/pdfAmplificadores de potenciaRadiofrequenciaEngenharia ElétricaModelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ANDRE FELIPE ZANELLA.pdfapplication/pdf4739751https://acervodigital.ufpr.br/bitstream/1884/69881/1/R%20-%20D%20-%20ANDRE%20FELIPE%20ZANELLA.pdfc4620dae5006d1cce463ff7b24de1751MD51open access1884/698812023-08-29 16:38:28.242open accessoai:acervodigital.ufpr.br:1884/69881Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082023-08-29T19:38:28Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
title Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
spellingShingle Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
Zanella, André Felipe
Amplificadores de potencia
Radiofrequencia
Engenharia Elétrica
title_short Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
title_full Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
title_fullStr Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
title_full_unstemmed Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
title_sort Modelagem comportamental de amplificadores de potência de radiofrequência baseada no método de grupo de manipulação de dados
author Zanella, André Felipe
author_facet Zanella, André Felipe
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.advisor1.fl_str_mv Lima, Eduardo Gonçalves de, 1980-
dc.contributor.author.fl_str_mv Zanella, André Felipe
contributor_str_mv Lima, Eduardo Gonçalves de, 1980-
dc.subject.por.fl_str_mv Amplificadores de potencia
Radiofrequencia
Engenharia Elétrica
topic Amplificadores de potencia
Radiofrequencia
Engenharia Elétrica
description Orientador: Prof. Dr. Eduardo Gonçalves de Lima
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2023-08-29T19:38:28Z
dc.date.available.fl_str_mv 2023-08-29T19:38:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/69881
url https://hdl.handle.net/1884/69881
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/69881/1/R%20-%20D%20-%20ANDRE%20FELIPE%20ZANELLA.pdf
bitstream.checksum.fl_str_mv c4620dae5006d1cce463ff7b24de1751
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860929569161216

Registros relacionados