講演抄録/キーワード |
講演名 |
2019-11-21 09:55
深層ニューラルネットワークを用いたドハティ増幅器向け歪補償技術 ○江頭慶真・本行礼奈・山口 恵 一(東芝) CQ2019-89 |
抄録 |
(和) |
高効率電力増幅器であるドハティ増幅器では, 複雑なメモリ歪が発生することが問題となる. 本稿では, ドハティ増幅器のメモリ歪を高精度に補償する技術として, 深層ニューラルネットワーク(Deep Neural Network: DNN)を用いたディジタルプレディストーション(Digital Pre-Distortion: DPD) に着目し, 学習パラメータ数やニューロン活性化関数の違いがDNN-DPD の歪補償性能に及ぼす影響を検討する. 実機のGaN(Gallium Nitride) ドハティ増幅器を用いた評価により, DNN-DPD は学習パラメータ数を増加させることで, ボルテラ級数型DPD を超える歪抑圧性能を実現できることを示す. また, DNN-DPD の歪補償性能を引き出すためには, 学習パラメータ数に応じて適切な活性化関数を選択することが重要であり, 学習パラメータ数が2000 を超えるDNN-DPD の活性化関数には, 従来検討されてきたシグモイド関数よりReLU(Rectified Linear Unit) 関数が適していることを示す. |
(英) |
The problem with Doherty amplifiers, which are high-efficiency power amplifiers, is the occurrence of complex memory distortion. In this paper, we focus on digital pre-distortion (DPD) using deep neural networks (DNN) as a technology to compensate for memory distortion of Doherty amplifiers with high accuracy and investigate the effects of the number of learning parameters and neuron activation functions on the compensation performance of DNN-DPD. As a result of the evaluation using actual GaN (Gallium Nitride) Doherty amplifier, it is shown that DNN-DPD can achieve suppression performance that exceeds Volterra series based DPD by increasing the number of learning parameters. Futhermore, in order to improve the distortion compensation performance of DNN-DPD, it is important to select an appropriate activation function according to the number of learning parameters and it is shown that the ReLU function is more suitable for the activation function of DNN-DPD with more than 2000 learning parameters compared to the conventional sigmoid function. |
キーワード |
(和) |
デジタルプレディストーション / 深層ニューラルネットワーク / ドハティ増幅器 / / / / / |
(英) |
Digital predistortion / Deep neural network / Doherty amplifiers / / / / / |
文献情報 |
信学技報, vol. 119, no. 298, CQ2019-89, pp. 7-12, 2019年11月. |
資料番号 |
CQ2019-89 |
発行日 |
2019-11-14 (CQ) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
CQ2019-89 |
研究会情報 |
研究会 |
NS ICM CQ NV |
開催期間 |
2019-11-21 - 2019-11-22 |
開催地(和) |
神戸大学 六甲台第2キャンパス |
開催地(英) |
Rokkodai 2nd Campus, Kobe Univ. |
テーマ(和) |
ネットワーク品質,ネットワーク計測・管理,ネットワーク仮想化,ネットワークサービス,ブロックチェーン,セキュリティ,ネットワークインテリジェンス・AI,一般 注:NV研究会は発表申込み締切日が異なります。NV研究会への発表申込はこちらからお願いします。 |
テーマ(英) |
Network quality, Network measurement/management, Network virtualization, Network service, Blockchain, Security, Network intelligence, etc. |
講演論文情報の詳細 |
申込み研究会 |
CQ |
会議コード |
2019-11-NS-ICM-CQ-NV |
本文の言語 |
日本語 |
タイトル(和) |
深層ニューラルネットワークを用いたドハティ増幅器向け歪補償技術 |
サブタイトル(和) |
|
タイトル(英) |
Deep Neural Network Based Distortion Compensation for Doherty Amplifiers |
サブタイトル(英) |
|
キーワード(1)(和/英) |
デジタルプレディストーション / Digital predistortion |
キーワード(2)(和/英) |
深層ニューラルネットワーク / Deep neural network |
キーワード(3)(和/英) |
ドハティ増幅器 / Doherty amplifiers |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
江頭 慶真 / Yoshimasa Egashira / エガシラ ヨシマサ |
第1著者 所属(和/英) |
株式会社東芝 (略称: 東芝)
Toshiba Corp. (略称: Toshiba) |
第2著者 氏名(和/英/ヨミ) |
本行 礼奈 / Reina Hongyo / ホンギョウ レイナ |
第2著者 所属(和/英) |
株式会社東芝 (略称: 東芝)
Toshiba Corp. (略称: Toshiba) |
第3著者 氏名(和/英/ヨミ) |
山口 恵 一 / Keiichi Yamaguchi / |
第3著者 所属(和/英) |
株式会社東芝 (略称: 東芝)
Toshiba Corp. (略称: Toshiba) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-11-21 09:55:00 |
発表時間 |
25分 |
申込先研究会 |
CQ |
資料番号 |
CQ2019-89 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.298 |
ページ範囲 |
pp.7-12 |
ページ数 |
6 |
発行日 |
2019-11-14 (CQ) |
|