Prediction of Power Amplifier Performance via Fine and Coarse Modeling Along with Deep Neural Network

Güç kuvvetlendiricileri (GK), tasarımında yüksek doğruluklu bir karakterizasyonun kritik öneme sahip olduğu lineer olmayan bir devre bloğudur ve zorlayıcı isterlere göre tasarlanması için etkin bir şekilde modellenip optimize edilmesi gerekmektedir. Bu amaçla, öncelikle yapıda kullanılan transistörün X parametreleri ve DNN kullanılarak "ince modeli" elde edilir. Ardından, önceki adımda yapılandırılmış gizli katman yapısıyla transistörün bu sefer S parametreleri elde edilir, çünkü bu "kaba model" genel PA boyutlandırmasını kolaylaştırmaktadır. Son olarak, GK, optimize edilmiş DNN aracılığıyla modellenir ve bu da GK’nın genişletilmiş frekanstaki performanslarının S parametreleri, çıkış gücü, güç kazancı ve verimlilik açısından tahmin edilmesine olanak tanır. Önerilen ince ve kaba modelleme yöntemi, DNN’lerin gizli katman yapılandırmasını belirlemek için yeterli olup, gizli katman sayısı veya her katmandaki nöron sayısı gibi hiperparametreleri belirlemek için ek bir optimizasyon yöntemine ihtiyaç duymamaktadır. Sunulan yöntem, 600 MHz bant frekansında çalışan, 11 dB’den fazla güç kazancı ve yaklaşık %60’lık güç eklenen verimliliğe sahip bir GK’nin tasarlanması ile doğrulanmıştır.