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%。