本书是著者及所带领团队近10年来在射频功放建模（包括神经Volterra级数建模，神经网络建模，X参数建模），非线性分析方法和功放预失真技术等方面取得的一系列成果总结。全书分10章，包括功放行为模型和预失真技术的研究现状概述、功率放大器非线性特性、功放行为模型与非线性分析基础、功放预失真概述、Volterra级数功放建模、神经网络功放建模、X参数功放建模、其他功放建模、非线性电路分析方法以及预失真算法与应用。本书全面总结了功放模型、建模方法及其算法，功放非线性分析谐波平衡法及其算法，预失真算法、技术及应用，为系统仿真分析、预失真系统搭建等提供了精确可靠的模型及其分析方法。

南敬昌，1971，河南滑县，辽宁工程技术大学教授，博士生导师，北京邮电大学博士，辽宁省青年骨干教师，辽宁省优秀硕士论文指导教师，学报审稿人，半导体技术特邀编辑，辽宁省科协高层次科技专家库专家，国家自然科学基金函审专家，教育部第三轮学科评估专家，辽宁高校电子专业评价成员，ICNC-FSDK2013，CISP-BMEI2015组委会主席，硕士点学科信号与信息处理方向带头人；美国密西根大学高级访问学者。

目 录
第1章 研究现状概述 （1）
1.1 功放行为模型研究现状及发展 （2）
1.2 预失真技术的研究现状及发展 （7）
参考文献 （9）
第2章 功率放大器非线性特性 （11）
2.1 功率放大器的非线性 （11）
2.1.1 谐波失真 （11）
2.1.2 互调失真 （12）
2.1.3 AM/AM和AM/PM失真 （13）
2.2 功率放大器的记忆效应 （14）
2.2.1 记忆效应产生的原因 （14）
2.2.2 消除记忆效应的方法 （16）
2.3 功放非线性对通信系统的影响 （16）
2.3.1 邻信道功率比（ACPR） （16）
2.3.2 误差矢量幅度（EVM） （17）
参考文献 （18）
第3章 功放行为模型与非线性分析基础 （19）
3.1 无记忆行为模型 （19）
3.2 有记忆行为模型 （20）
3.2.1 Volterra级数模型与记忆多项式模型 （20）
3.2.2 Hammerstein模型与Wiener模型 （23）
3.2.3 神经网络模型 （24）
3.2.4 非线性功放输入输出关系 （30）
3.2.5 支持向量机模型 （31）
3.2.6 X参数模型 （34）
3.2.7 动态X参数理论 （36）
3.3 非线性电路分析方法理论基础 （36）
3.3.1 谐波平衡法 （36）
3.3.2 拟牛顿法 （39）
3.3.3 蚁群算法 （40）
3.3.4 蜂群算法 （41）
参考文献 （42）
第4章 功放预失真概述 （44）
4.1 预失真技术的原理与分类 （44）
4.1.1 预失真技术的原理 （44）
4.1.2 预失真技术的分类 （45）
4.2 数字预失真主流技术 （46）
4.2.1 查找表与多项式预失真 （46）
4.2.2 自适应学习结构 （47）
参考文献 （49）
第5章 Volterra级数功放建模 （50）
5.1 记忆效应非线性功放扩展Volterra模型分析与构建 （50）
5.1.1 Volterra-Chebyshev模型推导与分析 （51）
5.1.2 Volterra-Laguerre模型分析与推导 （53）
5.1.3 模型仿真实验 （55）
5.2 宽带功率放大器的PGSC建模和数字预失真研究 （56）
5.2.1 新型PGSC行为模型分析 （57）
5.2.2 PGSC模型的辨识 （59）
5.2.3 测试结果 （59）
5.3 LMEC研究及预失真应用 （63）
5.3.1 LMEC行为模型描述 （64）
5.3.2 模型识别 （66）
5.3.3 模型性能评估 （67）
5.3.4 预失真应用 （68）
5.4 改进的动态记忆多项式功放模型及预失真应用 （69）
5.4.1 改进的多支路组合功放行为模型 （70）
5.4.2 功放模型评估与验证 （71）
5.4.3 预失真应用 （71）
5.5 分裂增强型Hammerstein模型的研究 （74）
5.5.1 模型分析 （75）
5.5.2 功放设计及参数提取 （76）
5.5.3 模型仿真实验 （76）
5.6 新型Hammerstein动态非线性功放模型及预失真应用 （79）
5.6.1 改进的Hammerstein模型 （79）
5.6.2 模型仿真与验证 （81）
参考文献 （84）
第6章 神经网络功放建模 （87）
6.1 基于RBF神经网络射频功放行为模型研究 （87）
6.1.1 RBF神经网络结构和学习算法 （87）
6.1.2 基于RBF神经网络的功放建模 （90）
6.2 基于BP-RBF神经网络的射频功放行为模型研究 （93）
6.2.1 三种模型理论分析 （93）
6.2.2 3G功放设计及数据提取 （95）
6.2.3 三种模型仿真实验 （97）
6.3 改进的简化粒子群算法优化模糊神经网络建模 （99）
6.3.1 模糊神经网络功放模型 （100）
6.3.2 改进的粒子群算法 （102）
6.3.3 功放建模仿真分析 （105）
6.4 基于改进粒子群算法的模糊小波神经网络建模 （108）
6.4.1 自适应模糊小波神经网络 （108）
6.4.2 改进粒子群算法 （110）
6.4.3 功放建模与仿真 （111）
6.5 基于粗糙集理论的PSO-IOIF-Elman神经网络建模 （115）
6.5.1 OIF-Elman神经网络模型 （115）
6.5.2 简化PSO优化OIF-Elman神经网络 （117）
6.5.3 基于粗糙集理论的功放预测值修正 （117）
6.5.4 功放建模仿真及结果 （118）
6.6 神经网络逆建模方法及其应用 （121）
6.6.1 逆建模方法 （123）
6.6.2 更新算法 （124）
6.6.3 应用实例及仿真分析 （125）
参考文献 （129）
第7章 X参数功放建模 （133）
7.1 基于X参数晶体管模型的宽带功率放大器设计 （133）
7.1.1 X参数的提取 （134）
7.1.2 X参数模型描述 （134）
7.1.3 与负载无关的X参数提取方法 （135）
7.1.4 宽带功率放大器设计 （136）
7.1.5 仿真与测试 （137）
7.2 基于功放记忆效应的动态X参数模型的研究 （138）
7.2.1 动态X参数理论 （139）
7.2.2 改进的动态X参数模型 （141）
7.2.3 新模型核函数的提取 （142）
7.2.4 仿真和数据分析 （143）
参考文献 （144）
第8章 其他功放建模 （146）
8.1 基于动态有理函数的功放模型及预失真应用 （146）
8.1.1 模型分析 （146）
8.1.2 模型确定与系数提取 （148）
8.1.3 模型性能评估 （149）
8.1.4 预失真应用 （152）
8.2 基于PSO_SVM的射频功率放大器模型 （153）
8.2.1 支持向量机（SVM）与粒子群算法（PSO） （153）
8.2.2 仿真实验与结果分析 （154）
参考文献 （156）
第9章　非线性电路分析方法 （158）
9.1 基于Volterra级数改进的混合遗传算法在 谐波平衡中的应用 （158）
9.1.1 谐波平衡理论 （159）
9.1.2 改进的混合遗传算法 （160）
9.1.3 仿真与数据分析 （164）
9.2 拟牛顿粒子群算法在非线性电路谐波 平衡方程中的应用 （167）
9.2.1 谐波平衡分析 （168）
9.2.2 拟牛顿粒子群算法 （169）
9.2.3 实验仿真分析 （171）
9.3 混合蚁群算法在非线性谐波平衡分析中的应用 （172）
9.3.1 谐波平衡的基本原理 （173）
9.3.2 混合蚁群算法 （174）
9.3.3 实验仿真分析 （176）
参考文献 （178）
第10章 预失真算法与应用 （180）
10.1 功放数字基带预失真理论分析和仿真实现 （181）
10.1.1 数字基带预失真结构 （181）
10.1.2 数字预失真器传输函数理论推导 （182）
10.1.3 数字基带预失真的仿真实现 （183）
10.2 双环结构的数字预失真方法研究 （185）
10.2.1 双环结构的预失真结构 （185）
10.2.2 实验验证及结果分析 （187）
10.3 峰均比抑制与预失真在OFDM-ROF系统中的应用 （189）
10.3.1 OFDM-ROF系统分析 （189）
10.3.2 OFDM-ROF系统非线性失真分析 （191）
10.3.3 联合仿真系统搭建 （192）
10.3.4 联合仿真结果 （193）
10.4 改进算法的峰均比抑制联合预失真技术 （195）
10.4.1 系统模型 （196）
10.4.2 数字预失真系统 （197）
10.4.3 预失真与峰均比抑制联合 （198）
10.4.4 实验结果与分析 （200）
10.5 稀疏的归一化功放模型及预失真应用 （203）
10.5.1 模型描述 （204）
10.5.2 模型稀疏化及辨识 （205）
10.5.3 模型性能验证 （207）
10.5.4 预失真应用 （208）
10.6 简化滤波器查找表与神经网络联合预失真方法 （210）
10.6.1 滤波器查找表预失真 （210）
10.6.2 改进的滤波器查找表与神经网络联合预失真 （211）
10.6.3 实验结果与分析 （214）
10.7 BP逆模型离线训练自适应预失真方法 （216）
10.7.1 基于BP神经网络离线训练自适应预失真方法 （217）
10.7.2 实验与比较分析 （221）
10.8 基于自适应模糊神经网络的功放预失真方法 （224）
10.8.1 模糊神经网络模型结构 （224）
10.8.2 自适应预失真新方法 （225）
10.8.3 实验验证分析 （228）
参考文献 （230）