摘要: 为了补偿功放的非线性失真和记忆效应,本文基于一种基于深度学习的Transformer模型用于射频功放非线性建模的数字预失真算法。该模型具有长时序依赖捕获和交互能力，可以很好地表征功放的强非线性失真和记忆效应。为了验证该模型的建模性能和线性化效果，对比了当下流行的数字预失真器模型，实验结果表明，相比于FFNN模型和LSTM模型，建模精度提高了～2.1dB,同时模型参数量减少了～21%。