在分析宽频带CMMB直放站高功率功放(HPA)特性的基础上,提出了一种可分离处理功放记忆效应和非线性的延时神经网络(FIR-NLNNN)模型。该模型以实数延时神经网络(RVTDNN)为基础,用Levenberg-Marquardt(LM)优化算法确定神经网络系数,在模型中新增参数 w0,给出了 LM 算法的修改公式。接着在预失真神经网络系统中引入Bayesian机理消除LM算法的过拟合现象,构建CMMB数字直放站的间接学习预失真器,拟合HPA的非线性和记忆效应。结果表明:RVTDNN和FIR-NLNNN 2种预失真器均能显著提高系统性能,降低邻信道功率比30 dB左右。在保持均方误差(MSE)小于10?6的情况下,FIR-NLNNN结构的网络参数比RVTDNN结构减少了近50%,迭代过程中的乘法和加法次数约降低75%。