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.
In this paper, E-TDLNN(Expanded-Tapped Delay Line Neural Network) method is suggested to make the model of power amplifier effectively. This method is the one for making the model of power amplifier through the study in neural network to the target value, the measured output spectrum of power amplifier, after adding the external value factor, gate bias, as an invariant input to the TDLNN method which suggested the memory effect of power amplifier effectively. To prove the validity of suggested method, the data at 2 points, 3.45 V and 3.50 V of gate bias range $3.4{sim}3.6V$ with the 0.01 V step change, are studied and the predicted results at the gate bias 3.40 V, 3.48 V, 3.53 V and 3.60 V shows good coincidence with the measured values.
