基于MHA-LSTM神经网络的数字预失真研究OA

针对现有数字预失真模型存在预测精度低、复杂度高和预失真效果差等问题,提出了一种基于多头注意力机制(Multi Head Attention,MHA)和长短期记忆网络(Long Short Term Memory,LSTM)的数字预失真模型。模型通过引入多个延迟输入项来模拟功率放大器的记忆效应,并将这些输入传递至LSTM进行时序特征的提取。随后,利用MHA对提取的时序特征进行加权融合,以更有效地聚焦关键信息,最终通过全连接层输出预测结果。实验结果表明,MHA-LSTM网络模型的数字预失真器在模型预测精度、参数量和预失真效果方面均优于其他几种预失真器,验证了该模型的有效性。