光载无线(Radio-over-Fiber,RoF)是一种能够解决大传输速率与支持用户可移动性的传输技术。RoF技术由于其具有灵活性好、带宽利用率高和性价比较好的特点,被认为是未来光纤无线接入技术的一项重要选择。而在RoF系统中,由于光副载波调制,RoF系统很容易产生非线性失真,造成相邻信道间的干扰,特别是光调制器以及功率放大器产生的非线性信号是主要的失真来源。而预失真技术具有低成本、易实现的特点被广泛应用在对非线性系统的线性化中。本文主要利用数字预失真技术来处理RoF系统中存在的非线性失真问题。本文的主要研究内容包括:本文对RoF系统的构成及其主要器件的非线性特性、记忆效应的产生以及预失真技术进行了全面的研究。对数字预失真技术中使用的查找表法、Volterra级数模型以及神经网络模型进行了分析和比较。其次,在理论分析的基础上搭建RoF实验平台,将基于径向基函数神经网络模型应用在RoF系统的非线性建模以及线性化中。该模型与前向神经网络模型相比,训练时间大大降低,但是它在精确描述RoF系统的非线性特性的同时,计算复杂度很高。为了达到线性化效果与计算复杂度折中的目的,本文提出一种结合记忆多项式和径向基函数神经网络模型的数字预失真技术。该模型使用记忆多项式模型来补偿RoF系统的非线性,之后经过径向基函数神经网络模型来补偿记忆效应。文中使用双载波LTE信号对RoF系统进行线性化实验。实验结果表明新模型对比记忆多项式和径向基函数神经网络等模型在抑制带外频谱再生以及对三阶交调失真的抑制上均有很好的改善,该模型对RoF系统ACPR的平均改善为13dB,对IMD3的平均改善为17dB,有效地提高了对RoF系统线性化的能力。