实体
Power amplifiers
Power amplifiers
PulseAugur coverage of Power amplifiers — every cluster mentioning Power amplifiers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
OpenDPDv2框架统一了RF功率放大器的神经网络DPD学习与优化
研究人员开发了OpenDPDv2，一个开源框架，旨在利用神经网络增强射频功率放大器的数字预失真（DPD）。该框架集成了功率放大器建模、神经网络DPD学习和部署优化。它采用了一种新颖的TRes-DeltaGRU架构，提供了一个轻量级的时域残差路径以提高鲁棒性，并支持与定点量化联合优化，从而显著降低面向部署的应用的能耗。
-
深度无线神经网络使用MIMO中继和功率放大器
研究人员开发了一种新颖的深度无线物理神经网络（WPNN），它将计算直接嵌入模拟硬件中，旨在降低能耗和延迟。该WPNN利用多跳MIMO中继网络，其中功率放大器充当激活函数，从而能够对网络的参数进行端到端训练。基于信道状态信息的可获得性，提出了两种收发器设计，并通过仿真演示了准确的空中图像分类，突出了硬件非线性对增强推理的好处。
-
新的 GNN 框架提高了射频电路性能预测的准确性
研究人员开发了一个新的图神经网络 (GNN) 框架，称为射频感知图神经网络 (RF-Informed Graph Neural Networks)，旨在准确高效地预测射频 (RF) 电路的性能。该方法使用领域特定的特征索引来提高跨不同电路拓扑的适应性和知识转移能力。该框架将电路表示为器件-终端图，保留了连通性和对称性，并与现有方法相比，在训练速度和数据效率方面显示出显著的改进。