功率放大器(簡(jiǎn)稱功放)是通信發(fā)射系統(tǒng)中的核心部件之一，主要作用是將調(diào)制過(guò)的信號(hào)進(jìn)行放大并傳輸給天線發(fā)射。功放在對(duì)信號(hào)進(jìn)行放大時(shí)會(huì)產(chǎn)生非線性失真，非線性失真產(chǎn)生的寄生頻譜會(huì)對(duì)鄰信道以及自身的工作信道造成很大干擾。如今通信已經(jīng)得到了蓬勃的發(fā)展，在滿足基本的語(yǔ)音通信基礎(chǔ)之上，還具有數(shù)據(jù)傳輸?shù)墓δ堋Ｋ?，組建通信網(wǎng)絡(luò)等更加的復(fù)雜的任務(wù)對(duì)功率放大器的線性度提出了較高的要求。 

     數(shù)字預(yù)失真技術(shù)是一種常見(jiàn)的提高功放的線性度的方法，數(shù)字預(yù)失真技術(shù)通過(guò)提取功放輸入輸出特性并構(gòu)建功放的功放模型，并以此構(gòu)造出合適的線性化策略。數(shù)字預(yù)失真技術(shù)無(wú)穩(wěn)定性問(wèn)題，適用帶寬較寬，精度較高，實(shí)現(xiàn)成本低。數(shù)字預(yù)失真技術(shù)的諸多優(yōu)點(diǎn)被十分看好，有著非常良好的前景。 

     傳統(tǒng)的數(shù)字預(yù)失真技術(shù)對(duì)功放進(jìn)行建模并進(jìn)行反向補(bǔ)償。常見(jiàn)的數(shù)字預(yù)失真模型包括查找表模型(Look-up Table, LUT)、記憶多項(xiàng)式模型(Memory Polynomial, MP)、Hammerstein模型及其改進(jìn)型等。在過(guò)去的幾十年中這些模型得到了廣泛的學(xué)術(shù)研究和工程應(yīng)用。近幾年，深度學(xué)習(xí)在學(xué)術(shù)和應(yīng)用上的取得了巨大進(jìn)步。Google公司的Alpha Go項(xiàng)目的巨大成功更是讓深度學(xué)習(xí)在全球得到了廣泛的關(guān)注，深度學(xué)習(xí)在越來(lái)越多的方向取得了傳統(tǒng)模型很難達(dá)到的成績(jī)。 

     隨著無(wú)線通信技術(shù)的飛速發(fā)展，從短波、1G、2G、3G、4G，直到即將廣泛應(yīng)用的5G無(wú)線系統(tǒng)，無(wú)線通信已經(jīng)深入到了人們工作、學(xué)習(xí)、生活的方方面面，尤其是到了現(xiàn)在的4G、5G時(shí)代，中國(guó)移動(dòng)更是提出“4G 改變生活， 5G 改變社會(huì)”的口號(hào)。然而，隨著 5G 建設(shè)的蓬勃展開(kāi)，不論是基站還是終端，都被如何提高頻譜效率和能量效率這兩個(gè)核心問(wèn)題深深困擾。5G 基站由于采用大規(guī)模 MIMO 技術(shù)，基站功耗居高不下，因此將嚴(yán)重妨礙 5G 系統(tǒng)的大規(guī)模商用，甚至可能因?yàn)?G基站的能耗問(wèn)題而使其短期內(nèi)成為運(yùn)營(yíng)商的包袱。另一方面，空間頻譜資源越來(lái)越緊張，尤其是傳輸距離遠(yuǎn)的優(yōu)質(zhì)低頻頻譜，更是非常寶貴。為了高效利用這些非常有限的頻譜資源，實(shí)現(xiàn)5G系統(tǒng)標(biāo)準(zhǔn)規(guī)定的高達(dá)上千兆比特每秒的超高數(shù)據(jù)傳輸速率，設(shè)計(jì)人員不得不使用越來(lái)越復(fù)雜的高效調(diào)制方式，如64QAM、256QAM、512QAM，甚至 1024QAM， 這些復(fù)雜的調(diào)制方式不僅會(huì)大大提升信號(hào)的峰均比，進(jìn)一步降低基站中耗能最多的發(fā)射機(jī)末級(jí)功率放大器( 簡(jiǎn)稱功放) 的功率效率，而且對(duì)功放的線性度將提出更為苛刻的要求。

     眾所周知，功放是無(wú)線通信傳輸系統(tǒng)非線性的主要來(lái)源，對(duì)功放的非線性構(gòu)建行為模型具有極為重要的意義。功放的非線性行為模型不僅是對(duì)無(wú)線通信進(jìn)行高精度系統(tǒng)仿真的基礎(chǔ)，而且是采用數(shù)字預(yù)失真技術(shù)時(shí)，一個(gè)非線性模型對(duì)功放非線性進(jìn)行矯正的能力強(qiáng)弱的判斷依據(jù)。因此， 各國(guó)研究人員提出了多種不同的適合于對(duì)功放非線性行為進(jìn)行仿真的非線性模型。最簡(jiǎn)單的模型是將功放視為一個(gè)無(wú)記憶的非線性系統(tǒng)， 因此先后提出了著名的 Saleh模型、Ｒapp模型、Ghorbani、Bessel-Fourier、多項(xiàng)式模型等 。該類模型結(jié)構(gòu)簡(jiǎn)單，可以較好地模擬傳統(tǒng)的窄帶功放這類無(wú)記憶或準(zhǔn)無(wú)記憶的非線性系統(tǒng)的非線性行為特性。然而， 寬帶功率放大器具有記憶效應(yīng)， 其非線性表現(xiàn)為具有很強(qiáng)的動(dòng)態(tài)特性，傳統(tǒng)的無(wú)記憶非線性模型無(wú)法表征其動(dòng)態(tài)非線性， 必須采用具有記憶效應(yīng)表達(dá)能力的非線性模型。為此， 研究人員先后提出 Volterra 級(jí)數(shù)模型、記憶多項(xiàng)式模型及其擴(kuò)展模型 、Hammerstein 模型及其擴(kuò)展模型 、Wiener 模型及其擴(kuò)展模型 、串并聯(lián)混合非線性模型 等函數(shù)型動(dòng)態(tài)非線性行為模型， 用于模擬功放的動(dòng)態(tài)非線性特征。此外， 人工神經(jīng)網(wǎng)絡(luò)因其具有精確表征任意非線性的能力而被越來(lái)越多的研究人員用于表征功放的動(dòng)態(tài)非線性特性，尤其是神經(jīng)網(wǎng)絡(luò)所具有的獨(dú)特的自學(xué)習(xí)能力，更是被寄希望于以此構(gòu)建適用于 5G 或 6G 功放的具有普適性的通用動(dòng)態(tài)非線性模型。