• 한국전자파학회논문지
• /
• 제18권10호
• /
• pp.1157-1162
• /
• 2007

본 논문에서는 전력 증폭기를 효과적으로 모델링하기 위한 E-TDLNN(Expanded-Tapped Delay Line Neural Network) 방식을 제안하였다. 이 방식은 전력 증폭기의 메모리 효과를 효과적으로 제시한 TDLNN 방식에 외부 변화 인자인 게이트 바이어스를 불변(invariant) 입력으로 추가한 후 측정된 전력 증폭기의 출력 스펙트럼을 목표치로 신경망을 통해 학습시킴으로써 전력 증폭기를 모델링하는 방식이다. 제안한 방식의 타당성을 증명하기 위해 주 증폭기의 게이트 바이어스를 $3.4{\sim}3.6V$ 범위에서 0.01 V 스텝으로 변화시키며 측정한 여러 데이터 중 3.45 V와 3.50 V에 대해 학습시킨 후, 게이트 바이어스가 3.40 V, 3.48 V, 3.53 V, 3.60 V인 경우에 대하여 출력을 예측한 결과 실제 출력과 거의 동일한 신호를 예측할 수 있었다.