Métodos para la reducción de la complejidad del modelo para la calibración no lineal de amplificadores utilizando núcleos de Volterra
Autores: Centurelli, Francesco; Monsurrò, Pietro; Scotti, Giuseppe; Tommasino, Pasquale; Trifiletti, Alessandro
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Métodos para la reducción de la complejidad del modelo para la calibración no lineal de amplificadores utilizando núcleos de Volterra
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Modelos de Volterra
Poda
Costos computacionales
Calibración
Precisión
Rango dinámico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Los modelos de Volterra permiten modelar sistemas dinámicos no lineales, aunque requieren la estimación de un gran número de parámetros y, en consecuencia, potencialmente tienen costos computacionales altos. La poda de los modelos de Volterra es fundamental para reducir los costos computacionales de la calibración no lineal, mejorar la estabilidad y la velocidad, manteniendo la precisión. Varios técnicas (LASSO, DOMP y OBS) y sus variantes (WLASSO y OBD) se comparan en este artículo para la calibración experimental de un amplificador de IF. Los resultados muestran que los modelos de Volterra pueden simplificarse, produciendo modelos que son 4-5 veces más dispersos, con un impacto limitado en la precisión. Se obtienen alrededor de 6 dB de mejora en la Magnitud del Vector de Error (EVM), mejorando el rango dinámico de los amplificadores. La Tasa de Error de Símbolo (SER) se reduce considerablemente mediante la calibración a una potencia de entrada alta, y la poda reduce la complejidad del modelo sin obstaculizar la SER. Por lo tanto, la poda permite mejorar el rango dinámico del amplificador, con una reducción casi de un orden de magnitud en la complejidad del modelo. Proponemos la técnica OBS, utilizada en el campo de las redes neuronales, en conjunto con la técnica DOMP más conocida, para podar el modelo con la mejor precisión. Las simulaciones muestran, de hecho, que las técnicas OBS y DOMP superan a las demás, y OBD, LASSO y WLASSO son, a su vez, menos eficientes. Se describe una metodología para la poda en el dominio complejo, basada en el teorema de Frisch-Waugh-Lovell (FWL), para separar las secciones lineales y no lineales del modelo. Esto es esencial porque los modelos lineales se utilizan para la ecualización y no se pueden podar para preservar la generalidad del modelo frente a las variaciones del canal, mientras que los modelos no lineales deben podarse tanto como sea posible para minimizar la sobrecarga computacional. Esta metodología se puede extender a modelos distintos al de Volterra, ya que las únicas condiciones que imponemos al modelo no lineal son que sea de avance y lineal en los parámetros.
Descripción
Los modelos de Volterra permiten modelar sistemas dinámicos no lineales, aunque requieren la estimación de un gran número de parámetros y, en consecuencia, potencialmente tienen costos computacionales altos. La poda de los modelos de Volterra es fundamental para reducir los costos computacionales de la calibración no lineal, mejorar la estabilidad y la velocidad, manteniendo la precisión. Varios técnicas (LASSO, DOMP y OBS) y sus variantes (WLASSO y OBD) se comparan en este artículo para la calibración experimental de un amplificador de IF. Los resultados muestran que los modelos de Volterra pueden simplificarse, produciendo modelos que son 4-5 veces más dispersos, con un impacto limitado en la precisión. Se obtienen alrededor de 6 dB de mejora en la Magnitud del Vector de Error (EVM), mejorando el rango dinámico de los amplificadores. La Tasa de Error de Símbolo (SER) se reduce considerablemente mediante la calibración a una potencia de entrada alta, y la poda reduce la complejidad del modelo sin obstaculizar la SER. Por lo tanto, la poda permite mejorar el rango dinámico del amplificador, con una reducción casi de un orden de magnitud en la complejidad del modelo. Proponemos la técnica OBS, utilizada en el campo de las redes neuronales, en conjunto con la técnica DOMP más conocida, para podar el modelo con la mejor precisión. Las simulaciones muestran, de hecho, que las técnicas OBS y DOMP superan a las demás, y OBD, LASSO y WLASSO son, a su vez, menos eficientes. Se describe una metodología para la poda en el dominio complejo, basada en el teorema de Frisch-Waugh-Lovell (FWL), para separar las secciones lineales y no lineales del modelo. Esto es esencial porque los modelos lineales se utilizan para la ecualización y no se pueden podar para preservar la generalidad del modelo frente a las variaciones del canal, mientras que los modelos no lineales deben podarse tanto como sea posible para minimizar la sobrecarga computacional. Esta metodología se puede extender a modelos distintos al de Volterra, ya que las únicas condiciones que imponemos al modelo no lineal son que sea de avance y lineal en los parámetros.