딥러닝을 이용한 소형 및 광대역 역 도허티 전력 증폭기(Inverted Doherty Power Amplifier)의 역설계
요약
딥러닝과 유전 알고리즘을 결합하여 소형 및 광대역 역 도허티 전력 증폭기를 설계하는 새로운 방법론을 제안합니다. CNN을 활용해 복잡한 임피던스 매칭과 전력 결합 과정을 통합한 픽셀화된 네트워크를 생성합니다.
핵심 포인트
- CNN과 유전 알고리즘을 활용한 역합성 방법론 제시
- 픽셀화된 도허티 결합기 네트워크를 통한 단일 구조 통합
- GaN HEMT 기반 프로토타입의 높은 피크 드레인 효율 달성
- 디지털 사전 왜곡(DPD) 적용 시 우수한 ACLR 성능 입증
본 논문은 소형 및 광대역 역 도허티 전력 증폭기(Inverted Doherty Power Amplifier, PA)의 역합성(inverse synthesis)을 위한 딥러닝 보조 방법론을 제시합니다. 부하 변조(load modulation), 임피던스 매칭(impedance matching), 전력 결합(power combining) 및 위상 보상(phase compensation)을 단일 구조로 통합하는 픽셀화된 도허티 결합기 네트워크(pixelated Doherty combiner networks)를 생성하기 위해 합성곱 신경망(CNNs)과 유전 알고리즘(GAs)을 공동으로 사용합니다. 개념 증명(proof of concept)으로서, 우리는 픽셀화된 출력 결합기를 갖춘 GaN HEMT 도허티 PA를 설계하고 제작합니다. 프로토타입은 1.9-2.5 GHz 대역에서 51%-63%의 측정된 피크 드레인 효율(peak drain efficiency)과 48%-54%의 6-dB 백오프 효율(back-off efficiency)을 달성합니다. 동일한 주파수 범위 내에서 측정된 출력 전력은 44+/-0.3 dBm입니다. 또한, 디지털 사전 왜곡(DPD)을 적용했을 때, 프로토타입 회로는 -53.2 dBc보다 우수한 인접 채널 누설비(ACLR)를 보여줍니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기