본 논문은 딥러닝 기반의 광대역 인버티드 도허티 파워 앰플리파이어 역설계 방법을 제시합니다. CNN과 유전 알고리즘을 결합하여 로드 변조, 임피던스 매칭, 전력 결합, 위상 보상을 통합한 픽셀화된 도허티 결합 네트워크를 생성합니다. GaN HEMT 도허티 파워 앰플리파이어를 설계하고 제작하여 개념 증명했습니다. 1.9~2.5GHz 대역에서 최대 드레인 효율 51~63%, 6dB 백오프 효율 48~54%를 달성했습니다.
측정된 출력 전력은 동일 주파수 대역에서 44+/-0.3dBm입니다. 디지털 프리디스토션(DPD) 적용 시 인접 채널 누설 비율(ACLR)은 -53.2dBc보다 우수했습니다.
본 연구는 딥러닝 기반의 파워 앰플리파이어 설계 자동화 가능성을 보여줍니다.