Spectral Regrowth Reduction for Digital Audio Broadcasting Using EER Amplifiers
Notice bibliographique
Résumé
For the amplitude modulation (AM) radio broadcast band, there are several standards being considered for digital audio broadcast (DAB), all using orthogonal frequency-division multiplexing (OFDM). One of the main challenges to implementing digital audio broadcasting is that existing broadcast equipment was not designed for it. Unlike analog AM, which is a low bandwidth amplitude modulated signal, OFDM is a noise-like signal with significant amplitude and phase modulation. Most AM transmitters use an envelope elimination and restoration (EER) amplifier architecture, where the amplitude and phase components of the signal are amplified separately then recombined at the high power stage. The magnitude and phase component bandwidths are several times that of the input signal, and any filtering in the amplifier will result in spectral regrowth due to poor cancellation of this high frequency content. This paper develops the concept of using time-domain preprocessing on the signal to reduce the bandwidth expansion in EER amplifiers. The processing exploits the localization of the bandwidth expansion and its correlation with spectral regrowth at the output. The proposed algorithm identifies distortion- causing signal sections and replaces each one with an alternative signal trajectory. Using the processing, out of band emissions are reduced at the expense of increased computational complexity and error vector magnitude. Promising results are shown for the DRM 10 kHz digital signal, with reductions in spectral regrowth of up to 10 dB.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».