非线性大功率放大器(HPA)的间接NN(神经网络)预失真器学习方法中存在预失真性能的不足,直接NN预失真器学习方法具有很大的计算复杂性。 为了解决这些问题,本文提出了一种新的NN-predistorter学习方法,其方法是利用非线性算子的某些性质来开发其结构,并采用近似公式导出相应的算法。 该方法基于HPA的NN后失真的识别,然后直接实现高效的Levenberg-Marquardt反向传播算法。 因此,与直接神经网络预失真器学习方法相比,我们提出的方法降低了计算复杂度,并且仍然保持了较好的预失真性能。 理论分析和仿真结果还表明,在相邻信道功率比提高约5 dB的情况下,我们提出的方法优于间接NN