基于神经网络的数字预失真模型验证

功放的非线性会导致信号的失真和频谱再生,因此数字预失真被认为是解决功放非线性的一个方法,但是由于信号的带宽越来越宽,且系统越来越复杂,这些传统的预失真方法已经无法满足需要,因此神经网络开始被应用于数字预失真。本文对LSTM,GRU,BiGRU网络建立数字预失真平台,使用1.9GHz的功放对5G-NR信号进行实验。实验结果表明：LSTM,GRU,BiGRU这三个模型都可以应用于线性化,并且ACLR最高可达17dB,因此这三个模型均可用于功放的非线性改善。     

AVS无损音频编码标准——熵编码简介

AVS无损音频编码标准,简称AVS-LS,是AVS工作组制定的用于无损压缩音频数据的新标准。AVS-LS采用线性预测和熵编码来对音频数据进行压缩,其中熵编码器用于对线性预测产生的残差信号进行归一化处理及算术编码。介绍了AVS-LS熵编码器的结构及原理,并对AVS-LS的编码效率进行了测试。测试结果表明：AVS-LS的编码效率略低于MPEG-4 ALS,但高于MPEG-4 SLS和FLAC。     

从有损到无损的音频编解码框架

无损音频编码技术是用于数字音频数据存档,高质量音频编码的一种重要技术,提出了一种兼容有损编解码器的无损音频编解码系统设计。包括通过有损编码残差进行无损扩展和独立的无损编解码两部分。系统采用了声道去相关、整型提升小波、线性预测、残差处理和算术熵编码等技术。在相当复杂度条件下,达到与国际主流无损音频编码技术相当的压缩性能。