Esta tese investiga e propõe novos modelos para a compensação digital de imperfeições de rádio frequência (RFradio frequency) em transmissores sem fio de banda larga, mais especificamente para amplificadores de potência (PApower amplifiers) não-lineares e sujeitos a descasamento de impedância de carga (LMMload mismatch). Tais imperfeições em transmissores de RF, juntamente com o desbalanceamento entre as componentes em fase e quadratura (IQin-phase and quadrature) em moduladores digitais, são responsáveis por degradar o desempenho do transmissor, tanto em termos de pureza espectral, quanto em qualidade da modulação e taxa de erro de bit (BERbit error rate).Diversos cenários práticos em que PAs estão sujeitos a LMM motivam a pesquisa por modelos comportamentais não-lineares e com memória voltados a predistorção digital (DPDdigital pre-distortion) mais avançados, capazes de superar as limitações relatadas na literatura de modelos tradicionais e que sejam menos complexos do que as abordagens existentes para PA LMM.Nesta tese é proposta a aplicação do modelo polinomial Wiener-Hammerstein com realimentação (WHFB -Wiener-Hammerstein with feedback) como modelo comportamental simplificado para DPD no contexto de PAs sujeitos a LMM.A elevada dimensionalidade da estrutura WHFB proposta pode ser reduzida através de técnicas esparsas de estimação, tais como o operador de encolhimento e seleção absoluto mínimo (LASSOleast absolute shrinkage and selection operator) e extensões de LASSO em blocos, que são capazes de diminuir significativamente o número de coeficientes necessário, reduzindo, assim, o comprimento do filtro de DPD e, proporcionalmente, o custo da filtragem.Além disso, extensões de LASSO voltadas a blocos, como Group-LASSO e Sparse-group LASSO, são aplicadas no contexto de dimensionamento do modelo, ou seja, na tarefa de determinar valores adequados para seus parâmetros, o que, tradicionalmente, requer uma busca exaustiva.Os modelos WHFB denso e esparso são validados experimentalmente através de medições em um set-up de testes experimental e também comparados a outros, incluindo modelos baseados na decomposição em fatores paralelos (PARAFACparallel factors) e na expansão de Laguerre, demonstrando, assim, sua capacidade de compensar adequadamente PAs sujeitos a LMM.Finalmente, é proposta uma nova estratégia de redução do modelo de Volterra, que resulta em um polinômio de memória mais flexível e modular, em que os parâmetros são escolhidos independentemente para cada ordem de não linearidade. Esta abordagem flexível é capaz de descrever com precisão uma gama ampla de condições operacionais/ ambientais de PAs.