研究人员开发了一种新颖的深度学习方法，用于设计紧凑型宽带倒置Doherty功率放大器。通过结合卷积神经网络（CNN）和遗传算法（GA），该方法生成了像素化的组合器网络，集成了负载调制和阻抗匹配等多种功能。使用该技术制造的GaN HEMT Doherty PA原型在1.9-2.5 GHz频率范围内实现了51%-63%的峰值效率，并在6-dB回退下保持了48%-54%的效率，输出功率为44 dBm。 AI
影响 这项研究展示了深度学习如何优化复杂的工程设计，有望在电信和其他领域带来更高效、更紧凑的电子元件。
排序理由 该集群包含一篇研究论文，详细介绍了使用深度学习对功率放大器进行逆向设计的新颖方法。
- 1.9-2.5 GHz
- 44 dBm
- Adjacent Channel Power
- arXiv
- convolutional neural network
- Doherty power amplifier system
- GaN HEMT-based Voltage Controlled Oscillators
- Genetic Algorithms
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
