Radyo Frekansı Güç Yükselteci'nin Doğrusal Olmayan Modelinin Yapay Sinir Ağları ile Oluşturulması

Abstract

Son günlerde modern haberleşme sistemlerin'in büyük bir bölümü sayısal devreler ile gerçekleştirilmektedir. Bunun sonucu olarak radio frekansı (RF) ön-ucunda daha az devre elamanının kullanılmasına sebep olmaktadır. RF ön-uç'ta bulunan devre elamanlarından önemli bir tanesi de RF güç yükseltecidir (GY). Ayrıca modern haberleşme sistemlerinin bir çoğu, çok taşıyıcılı modülasyon tekniği kullanmaktadır ve bu durum sistem performansını RF GY'nin doğrusal olmayan özellikleirine daha duyarlı hale getirmektedir. Bu sepeblerden dolayı RF GY'nin davranışsal modellenmesini önemli bir konu haline getirmektedir. Bu tez'de RF GY'nin davranışsal modeli yapay sinir ağları kullanılarak elde edilmiştir. Bu model harmonic davranışının yapay sinir ağları vasıtasıyla elde edilmesini ve ardıl işlem sonrası üçüncü derece kesişim noktasının (IP3) belirlenmesini içermektedir. Ayrıca, RF GY için bir makromodelin oluşturulabilmesi için küçük işaret S-parametreleri benzer bir şekilde yapay sinir ağları ile modellenmiştir. Sonuçlar önerilen metodun RF GY'nin makromodelinin elde edilmesi için kullanılabileceğini göstermektedir.Nowadays large part of modern communication systems can be mostly implemented by digital circuits. As a result of this, at radio frequency (RF) front end less circuit components are used. One of the important circuit component at RF front-end is RF power amplifier (PA). Moreover, most of the modern communication systems utilizes multicarrier modulation schemes and because of this, system performance become more sensitive to nonlinear properties of RF PA. Because of these reasons modelling the RF PA behavior become an important issue. In this thesis behavioral model of an RF PA is obtained by using artificial neural network. This model includes harmonic behavior of RF PA and extracting the third order intercept point (IP3) by post-processing. Additionally, in a similar manner, small signal S-parameters are modeled by artificial neural network in order to obtain a macro-model for RF PA. Results present that using the proposed method, macro-model of an RF PA can be obtained.