FI90705B - Adaptiivinen ilmaisumenetelmä ja ilmaisin kvantittuneille signaaleille - Google Patents

Description

1 90705

Adaptiivinen ilmaisumenetelmä ja ilmaisin kvantittuneille signaaleille

Keksinnön kohteena on adaptiivinen ilmaisumenetelmä 5 kvantittuneille signaaleille, joilla on äärellinen määrä signaalitiloja, joka menetelmä käsittää kvantisoidun signaalin vastaanottamisen; vastaanotetun signaalin signaali-tilojen ilmaisemisen muistiin tallennettua vertailuvekto-rijoukkoa hyväksikäyttäen; tallennetun vertailuvektori jou-10 kon päivittämisen vastaanotettujen todellisista signaali-tiloista otettujen näytteiden perusteella.

Kvantittuneiden signaalien vastaanotossa pyritään vastaanotetut signaalitilat ilmaisemaan ennaltamäärättyjä referenssitiloja kuvaavien referenssien avulla. Perintei-15 sesti nämä referenssit on asetettu vastaamaan kulloinkin kyseessä olevan kvantittuneen signaalin ideaalisia tiloja, joita kvantisoidulle signaalille voidaan antaa sitä generoitaessa, esimerkiksi lähettimen modulaattorissa. Tyypillisesti lähettimen ja vastaanottimen välinen siirtokanava 20 kuitenkin aiheuttaa signaaliin sekä lineaarista että epälineaarista vääristymää, joka vääristää myös vastaanotetun signaalin signaalitiloja siten, että niiden ilmaiseminen ideaalista referenssijoukkoa käyttäen on vaikeaa tai mahdotonta. Perinteisesti tällainen siirtokanavan aiheuttama 25 vääristymä on pyritty poistamaan käsittelemällä vastaanot-tosignaali erityisellä korjaimella ennen ilmaisimelle syöttämistä, niin että ilmaistava signaali vastaisi mah-' dollisimman tarkasti alkuperäistä lähetettyä signaalia.

Hakijan aikaisemmassa patenttihakemuksessa 30 PCT/FI89/00037 on esitetty adaptiivinen ilmaisumenetelmä, jossa ilmaisussa käytettäviä referenssiarvoja jatkuvasti korjataan kohti todellisia vastaanotettuja signaalitiloja, jolloin referenssijoukko voi olla hyvin paljon ideaalisesta referenssijoukosta poikkeava. Patenttihakemuksessa 35 PCT/FI89/00037 annettiin esimerkkeinä sopivista adaptiivi- L·.

2 90705 sen ilmaisimen referenssiarvojen päivitysmenetelmistä it-seorganisoituvaa karttaa käyttävä menetelmä sekä K:n keskiarvon menetelmä. Näistä K:n keskiarvon menetelmä on suhteellisen tasaisesti vaihtelevilla signaaleilla ideaalisen 5 harhaton: siinä referenssit pyrkivät seuraamaan todellisten signaalitilojen keskiarvoja tarkasti. Toisin sanoen kun vastaanotetun signaalin kohina ja signaalitasojen vaihtelut ovat pieniä, antaa K: n keskiarvon menetelmä karttamenetelmää hieman parempia tarkkuuksia referensseil-10 le. Sen sijaan K:n keskiarvon menetelmällä on ilmaisemisena toimimisen kannalta haitallinen ominaisuus: jos vas taanotetun signaalin signaalitasot muuttuvat nopeasti ja Selmalla jotain signaalitilaa ei esiinny pitkään aikaan, K:n keskiarvon menetelmässä referenssit voivat alkaa seu-15 rata vääriä signaalitiloja. K:n keskiarvon menetelmä ei voi "huomata" tätä virhettä eikä se palaudu siitä kuin sattumalta, todennäköisesti pitkän ajan kuluttua. Väärät referenssiarvot luonnollisesti johtavat ilmaisun täydelliseen epäonnistumiseen. Edellämainituissa olosuhteissa, 20 joissa vastaanotetun signaalin kohina ja/tai tasovaihtelut tulevat suuriksi tai äkillisiksi, on itseorganisoituvaan karttaan perustuva menetelmä huomattavasti parempi, koska siinä pystytään estämään referenssiarvojen "karkaamiset" ja liittymiset vääriin signaalitiloihin ja jopa nopeasti 25 palauttamaan oikeat referenssiarvot. Patenttihakemuksessa PCT/FI89/00037 esitettiin vaikeissa olosuhteissa käytettäväksi ratkaisu, jossa vastaanoton alussa käytetään kartta-menetelmää referenssiarvojen löytämiseksi karkeasti ja sitten K:n keskiarvon menetelmällä pyritään vastaanoton 30 loppuajan aikana saada referenssiarvot mahdollisimman tarkasti seuraamaan vastaanotettuja signaalitiloja. Mikäli ilmaisu myöhemmin jostain syystä epäonnistuu, voidaan oikeat referenssiarvot jälleen palauttaa käyttämällä väliaikaisesti karttamenetelmää. Tämä tunnettu ratkaisu on siten 35 kompromissi, jossa kahden eri menetelmän (hyvät ja huonot) 3 90705 ominaisuudet vuorottelevat ajassa; ne eivät kuitenkaan ole millään aikavälillä yht'aikaa voimassa.

Esillä olevan keksinnön päämääränä on adaptiivinen ilmaisumenetelmä ja ilmaisin, jossa referenssiarvot koko 5 ajan seuraavat tarkasti vastaanotettuja signaalitiloja ilman vääriin signaalitiloihin kiinnittymisen vaaraa.

Tämä saavutetaan patenttivaatimuksen 1 mukaisella adaptiivisellä ilmaisumenetelmällä.

Keksinnön perusajatuksena on, että itseorganisoitu-10 vaa karttaa käyttävän menetelmän sekä K:n keskiarvon menetelmän (tai vastaavan) edut yhdistetään käyttämällä näitä menetelmiä jokaisella vastaanotetun signaalin tilasta otetulla näyte-erällä peräkkäin: ensimmäisessä vaiheessa muodostetaan nykyisistä vertailuvektoreista karttamenetelmää 15 käyttäen korjatut vertailuvektorit ja toisessa vaiheessa käsitellään nämä karttamenetelmällä muodostetut vertailu-vektorit K:n keskiarvon menetelmällä ja ilmaisin päivitetään näin saaduilla vertailuvektoreilla. Ensimmäinen vaihe siirtää vertailuvektorit nopeasti suunnilleen oikeisiin 20 paikkoihin ja vaihe tarkentaa ensimmäisen vaiheen muodostamien referenssivektoreiden arvot. Näin saadaan adaptiivinen ilmaisumenetelmä, jossa vertailuvektorit seuraavat vastaanotto- ja signaalitiloja erittäin tarkasti mutta saunalla varmasti ja tehokkaasti ilman "karkaamisen" vaa-25 raa.

Karttaunenetelmänä voidaan käyttää alkuperäistä jokaisen signaalitilan jälkeen korjaavaa menetelmää tai näy- . te-erittäin päivitettävää karttamenetelmää, joka soveltuu paremmin yhteen K:n keskiarvon menetelmän kanssa.

30 Keksinnön kohteena on myös patenttivaatimuksen 7 mukainen adaptiivinen ilmaisin kvantittuneille signaaleille.

Keksintöä selitetään seuraavassa yksityiskohtaisemmin suoritusesimerkkien avulla viitaten oheisiin piirrok- 35 siin, joissa 4 90705 kuvio 1 esittää periaatteellisen lohkokaavion eräästä keksinnön mukaisesta ilmaisimesta, kuvio 2 on vuokaavio, joka havainnollistaa kuvion 1 lohkojen 2 ja 4 toimintaa, 5 kuvio 3 on vuokaavio, joka havainnollistaa kuvion 1 lohkon 3 toimintaa käytettäessä K:n keskiarvon menetelmää, ja kuvio 4 esittää 16-QAM-signaalin vertailuvektori-joukon, jonka avulla havainnollistetaan parannetussa kek-10 sinnön mukaisessa karttamenetelmässä käytettävää signaali-näytteiden painottamista.

Keksinnön mukaisen adaptiivisen ilmaisimen ensisijaisessa suoritusmuodossa, joka on esitetty kuviossa 1, kvantisoitu signaali, jolla on äärellinen määrä mahdolli-15 siä signaalitiloja, vastaanotetaan ilmaisimen 1 sisääntuloon siirtokanavasta tai vastaavasta signaalilähteestä joko suoraan tai edeltävillä vastaanotinasteilla, kuten lineaarisilla ja/tai epälineaarisilla korjailuilla käsiteltynä. Vastaanotettu kvantisoitu signaali x(t) voi olla 20 esimerkiksi QAM(QUADTURE-AMPLITUDE-MODULATION)-signaali, kuten 16-QAM-signaali, jossa on kaksi signaalikomponenttia I (in-phase) ja Q (quadrature phase), joiden amplitudit ja vaiheet määrittelevät 16 erilaista signaalitilaa. QAM:aa on kuvattu esimerkiksi kirjassa "Communication Systems: An 25 introduction to signals and noise in electrical communication, A. Bruce Carlson, Third Edition, McGraw-Hill Book Company, New York, erityisesti sivuilla 542-555, jotka sisällytetään tähän selitykseen viitteenä. Keksinnön mukainen ilmaisin voi toteuttaa esim. mainitun kirjan ku-30 viossa 14.4-1 esitetyn vastaanottimen data converter-loh- kon. Vastaanotetun kvantisoidun signaalin x(t) tila tietyllä ajanhetkellä t ilmaistaan ilmaisinlohkossa 1 refe-renssivälineellä 12, joka vertaa vastaanotettua signaali-tilaa muistiin 11 (esim. lukukirjoitusmuisti RAM) tallen-35 nettuun referenssivektorijoukkoon mt ja valitsemalla sopi- l! 5 90705 van kriteerin perusteella vastaanotettua signaalitilaa lähinnä oleva referenssivektori ilmaisutulokseksi mc, joka syötetään ilmaisinlohkon 6 ulostuloon. Ilmaisinlohko 1 voidaan toteuttaa kullekin ilmaistavalle signaalityypille 5 x(t) perinteisesti käytetyllä ilmaisinpiiristöllä, jossa kuitenkin keksinnön mukaisesti varataan mahdollisuus refe-renssivektoreiden päivittämiseen tallentamalla ne esimerkiksi muistiin 11 perinteisten kiinteiden asetusten sijasta .

10 Sisääntuloon 5 vastaanotettu x(t) syötetään myös näytteenotto- ja tallennuslohkolle 4, joka ottaa signaalin x(t) signaalitiloista näytteitä ennaltamäärätyssä liukuvassa aikaikkunassa ja tallentaa näytteet muistiin. Lohko 4 syöttää ottamansa näytejoukot kyseisen aikaikkunan suu-15 ruisin välein väylän 10 kautta referenssivektoreiden las-kentalohkoille 2 ja 3.

Lisäksi ilmaisin 1 syöttää muistiin 11 tallennetut, ilmaisussa käytettävät referenssivektorit m4 väylän 7 kautta laskentalohkolle 2, joka itseorganisoituvaan karttaan 20 perustuvalla menetelmällä vastaanottamansa näytejoukon ja referenssivektorijoukon perusteella muodostaa ensimmäisen korjatun referenssivektorijoukon {mia}, kuten myöhemmin tullaan tarkemmin selostamaan.

Ensimmäinen korjattu referenssivektorijoukko {mn} 25 syötetään edelleen väylän 8 kautta laskentalohkolle 3, joka K:n keskiarvon tai vastaavaa menetelmää käyttäen laskee vastaanottamansa näytejoukon ja ensimmäisen korjatun referenssivektorijoukon {mu} perusteella toisen korjatun referenssivektorijoukon {m12}, kuten myöhemmin tullaan tar-30 kemmin selostamaan. Tämä toinen korjattu referenssivektori mi2 syötetään väylän 9 kautta ilmaisimelle 1 ja tallennetaan muistiin 11 uudeksi päivitetyksi referenssivektori-joukoksi {mi). Näin muodostuu liukuhihna-tyyppinen referenssivektoreiden mi päivitysmekanismi, jossa muistiin 11 35 tallennettuja referenssivektoreita mt korjataan vastaanote- e 90705 nr tusta signaalista x(t) liukuvassa aikaikkunassa otettujen signaalinäytteiden perusteella. Edellä esitetty suoritusmuoto soveltuu tapaukseen, jossa sekä karttalohkossa 2 että lohkossa 3 korjatut referenssivektorit m^ lasketaan 5 näyte-erittäin.

Patenttihakemuksessa PCT/FI89/00037 on kuvattu it-seorganisoituvien karttojen ja K:n keskiarvon menetelmän avulla tapahtuvan ilmaisun teoria ja perusperiaatteet sekä erilaisia vaihtoehtoisia suoritusmuotoja. Samat periaat-10 teet pätevät myös keksinnön mukaisessa ilmaisussa, joten niitä ei ole tarpeen selittää tarkemmin tässä hakemuksessa, vaan PCT/FI89/00037 ristiviitteineen otetaan tähän hakemukseen mukaan viitteenä. PCT/FI89/00037 kuvaa perusmenetelmät, jossa karttamenetelmässä korjataan yhtä refe-15 renssivektoria mc ja sen naapurustojoukkoa jokaisen vas taanotetun signaalitilan jälkeen. Jos lohkossa 2 käytetään tätä perusmenetelmää voi lohko 4 syöttää näytteet näytteittään suoraan lohkolle 2 katkoviivan 10 osoittamalla tavalla. Tällöin näytteenottolohkon 4 ottamat näytejoukot 20 syötetään ainoastaan lohkolle 3. Muutoin tällainen vaihtoehtoinen suoritusmuoto toimisi samalla tavoin kuin ensisijainen suoritusmuoto.

Seuraavassa selitetään yksityiskohtaisemmin lohkojen 1, 2, 3 ja 4 toimintaa viitaten vuokaavioihin 2, 3 ja .25 4 .

Lohkossa 1 käytetään vektorikvantisaatiomenetelmis-tä yleisesti tunnettua joukkoa referenssi- eli koodikirja-vektoreita mlf joista ilmaistaessa valitaan signaalivekto-ria x lähinnä oleva referenssivektori mc yhtälön (1) mukai-30 sesti c = arg m4n{|x - mj } (1)

Vektorilla tarkoitetaan tääsä yhteydessä mitä tahansa yksi- tai moniuloitteista kuvausta signaalin tilan 35 määräväästä parametrista, kuten taso, amplitudi, taajuus, 7 90705 vaihe, jne., tai niiden yhdistelmästä. Vektoreita on yhtä monta kuin vastaanotetun signaalin x(t) erilaisia signaalitiloja i ja niitä päivitetään jatkuvasti keksinnön mukaisella tavalla parhaan tunnistustarkkuuden ylläpitämi-5 seksi.

Kuviossa 2 asetetaan aluksi aikaikkunalaskuri n ja iterointikierroslaskuri L ykkösiksi (kohta 20). Tämän jälkeen kuvion 1 lohko 4 ottaa vastaanotetusta signaalista x(t) signaalinäytteitä tietyn pituisella aikavälillä 10 tn < t s tn+l ja tallentaa otetut näytteet sisäiseen muis tiin (kohta 21).

Näytteenoton jälkeen näytejoukko {x(t)> syötetään karttalohkolle 2, jossa kukin näyte x(t) varustetaan kaavan (1) mukaisella indeksillä c = c(t). Toisin sanoen kun-15 kin signaalinäytteen indeksiksi c annetaan muistiin 11 tallennetun vektorijoukon mA sen vektorin indeksi, joka kaavan (1) mukaan valittaisiin ilmaisutulokseksi mc (kohta 22), minkä jälkeen indeksoidut näytteet xc tallennetaan muistiin (kohta 23). Tämän jälkeen näyte-erittäin päivi-20 tettävässä kartta-algoritmissa kerätään aikaikkunassa otetuista signaalinäytteistä kullekin signaalitilalle i näytejoukko Llf johon kuuluvat kaikki ne näytteet x(t) tai niiden kopiot, joita lähinnä oleva referenssivektori mc kuuluu indeksillä i merkityn referenssivektorin m± naapu-25 rustojoukkoon N± (kohta 24) ja tallennetaan näin muodostetut näytejoukot (kohta 25). Tällöin siis sama näyte x(t) voidaan ottaa mukaan useampaan näytejoukkoon 1^. Tämän jälkeen kullekin näytejoukolle lasketaan sen sisältämien näytteiden keskiarvo nl (kohta 26), jotka määrittelevät 30 ensimmäisen korjatun referenssivektorijoukon {n^} (kohta 27). Kohdassa 28 tarkastetaan onko iterointikierrosten lukumäärä haluttu ja jos näin ei ole, kasvatetaan iteroin-tilaskuria L yhdellä (kohta 29) ja siirrytään uudelleen kohtaan 22. Tämän jälkeen toistetaan kohtien 22, 23, 24, 35 25, 26 ja 27 menetelmävaiheet käyttäen menetelmävaiheessa 8 90705 22 edellisellä iterointikierroksella muodostettua ensimmäistä korjattua referenssivektorijoukkoa {m^}. Kun kohdassa 28 todetaan, että haluttu määrä iterointikierroksia on suoritettu, siirrytään kohtaan A kuviossa 3.

5 Kuviossa 3 asetetaan aluksi iterointilaskuri L yk köseksi (kohta 30). Tämän jälkeen indeksoidaan kukin näyt-teenottolohkolta 4 lohkolle 3 syötetty näytejoukon näyte x(t) kaavan (1) mukaisesti indeksillä c (kohta 31) samalla tavoin kuin kuvion 2 menetelmävaiheessa 22 ja tallennetaan 10 indeksoidut näytteet (kohta 32). Tämän jälkeen lasketaan samalla indeksillä c varustetuista näytteistä kullekin indeksille c erilliset keskiarvot xc (kohta 33), jotka määrittelevät toisen korjatun referenssivektorijoukon {m12} (kohta 34). Kohdassa 35 tarkistetaan, onko suoritettu ha-15 luttu määrä iterointikierroksia ja jos ei, kohdassa 36 kasvatetaan iterointikierroslaskuria L yhdellä ja siirrytään takaisin kohtaan 31. Tämän jälkeen suoritetaan uudelleen samalla näytejoukolla menetelmävaiheet 31 - 34 käyttäen menetelmävaiheessa 31 lähtökohtana edellisellä ite-20 rointikierroksella muodostettua toista korjattua referenssivektori joukkoa {m12}. Kun haluttu määrä iterointikierroksia on suoritettu, siirrytään kohdasta 35 kohtaan 37, jossa RAM-muistiin 11 tallennettu referenssivektorijoukko {mi> päivitetään korvaamalla se lohkon 3 muodostamalla toisella 25 korjatulla referenssivektorijoukolla {m12}. Tämän jälkeen liu'utetaan vakiopituista aikaikkunaa aikatasossa eteenpäin (kohta 38) ja palataan kuvion 2 kohtaan B ottamaan näytteitä signaalista x(t) uudella aikavälillä tn < t s tntl ja aloitetaan uusi referenssivektoreiden päivityskierros. 30 Ehkä hankalin karttamenetelmiin liittyvä ongelma kvantittuneita signaalitiloja käytettäessä on, että vaikka eri tilat keskimäärin esiintyvät samalla todennäköisyydellä, voi käytännössä tietyn tilan esiintymiseen jäädä hyvinkin pitkiä satunnaisia aukkoja. Tällöin tietoa siitä, 35 mihin suuntaan jokin signaalitila on kehittymässä, ei saali 9 90705 da pitkään aikaan. Erityisesti jos tätä sattuu amplitudiltaan reunimmaisissa tiloissa, itseorganisoituvaan karttaan perustuva menetelmä voi aiheuttaa harhaa ("supistumista") referenssitasojen arvoissa todellisiin signaalitasoihin 5 verrattuna. Patenttihakemuksessa PCT/FI89/00037 tämä ongelma pyrittiin ratkaisemaan suoraviivaisesti muuntamalla ennen opetusta uloimpien signaalitilojen amplitudiarvoja sellaisella määrällä, että kyseinen harha kompensoituisi. Valitettavasti tällaisen kompensaation voi tehdä vain lä-10 hellä normaalitilannetta, ei esim. signaalitasojen vaihdellessa voimakkaasti. Seuraavassa esitetään tehokkaampi tapa tämän kompensaation tekemiseksi.

Tarkastellaan aluksi yksiulotteista tapausta. Jotta kukin referenssitasoista m± olisi keskimäärin stabiili, sen 15 tulisi yhtyä ns. vaikutusalueen painopisteeseen. Vaikutusalue määritellään seuraavasti. Merkitään vastaanotettua signaalitasoa lähinnä olevaa tasoa indeksillä c. Referenssitaso (-vektori) c ja sen lähimmät naapuritasot (tai jos c on reunimmainen referenssitaso, sitä lähin naapuritaso) 20 muodostavat indeksijoukon N0. Korjaus kohdistuu kaikkiin referenssitasoihin, jotka kuuluvat indeksi joukkoon Nc. Vastaavasti kaikki ne signaaliarvot, jotka pystyvät korjaamaan tiettyä referenssitasoa, muodostavat kyseessä olevan referenssitason vaikutusalueen.

25 Keksinnössä kukin lohkon 4 ottama signaalinäyte varustetaan lohkossa 2 tapahtuvan opetuksen aikana ehdollisella painoarvolla siten, että paino on muutoin 1, mutta suurempi siinä tapauksessa, että signaalia lähinnä oleva referenssitaso on reunimmainen referenssitaso referens-30 sitasojoukossa ja kun algoritmi korjaa juuri tätä referenssitasoa (eikä sen naapuria) ja kun signaalinäytteen arvo on koko referenssitasojoukon ulkopuolella (ts. alimman tason alapuolella tai ylimmän tason yläpuolella). Mikäli signaalijakauma olisi tasainen tietyllä välillä, 35 asettuisivat signaalitasot ehdollista painolukua 9 käytet- ίο 90705 π taessa jakaumaan kuvaaviin harhattomiin, tasavälisiin ta-sapainoarvoihin. Mutta jos signaalinäytteillä on pienempi hajonta referenssitasojen ympärillä, olisi optimaalisen painon oltava vielä suurempi. Painon tarkalla arvolla ei 5 kuitenkaan ole suurta merkitystä, koska tärkeintä on, että signaalinäytteet erotellaan oikein, eikä uloimmaisiin tasoihin mahdollisesti jäävä pieni jäännösvirhe muuta luokittelua, ellei kohina ole todella suurta. Tämän vuoksi painoluku 9 on sopivaa suuruusluokkaa. Kuviossa 4 on kulo vattu QAM-signaalille soveltuva kaksiulotteinen referens-sipisteistö, joka käsittää neljä neljän pisteen (referens-sivektorin m) riviä. Kuviossa 4 signaalinäyte painotetaan aina painokertoimella 1, jos sitä lähinnä oleva referens-sivektori on keskellä, eli m^, m23, m32 tai m33. Signaali-15 näyte painotetaan painokertoimella 9, kun signaalinäytettä lähinnä oleva referenssivektori on reunapisteessä mutta ei kulmapisteessä ja kun korjataan tätä tai toista reunapis-tettä (siis myös kulmapistettä) ja kun signaalinäytteen arvo on referenssivektorijoukon ulkopuolella. Signaalinäy-20 tettä painotetaan kulmapisteen painoarvolla 81, silloin ja vain silloin, kun lähin referenssivektori on kulmapisteessä ja kun kyseistä referenssivektoria korjataan ja kun signaalinäytteen arvo on kulmapisteen "ulkosektorissa" (sivujen jatkeiden välisessä kulmassa), kuten kuviossa 4 25 on havainnollistettu.

Jos käytetään patenttihakemuksessa PCT/FI89/00037 esitettyä alkuperäistä kartta-algoritmia, ei painoluku x korjauskerroin a saa koskaan olla ykköstä suurempi. Tämän vuoksi sekä reuna- että kulmapisteen paino saa olla kor-30 keintaan 1 In, vaikka tästä aiheutuisi harhaa. Jos kartan opetukseen käytetään edelläkuvattua näyte-erittäin tapah-. . tuvaa opetusta, ei tätä rajoitusta kuitenkaan esiinny.

Edellä selostettu suhteellisten painokertoimien käyttö vaikuttaa kuvion 2 vuokaavioon ainoastaan kohtaan 35 22, jossa kukin näyte indeksoinnin yhteydessä painotetaan 11 90705 edellä esitetyllä tavalla valitulla painokertoimella. Tämän jälkeen näytejoukot muodostetaan näistä painotetuista näytteistä kohdasta 24 ja muodostetuille näytejoukoille La lasketaan keskiarvo kohdan 26 mukaisesti.

5 Kuviossa 1 lohko 4 voidaan käytännössä toteuttaa millä tahansa tavanomaisella näytteenottotekniikalla. Lohkojen 2 ja 3 operaatiot voidaan toteuttaa numeerisesti, esimerkiksi käyttäen digitaalisen signaalinkäsittelyn arkkitehtuureja tai analogisia piirejä. Teknologian valinta 10 riippuu vaaditusta tarkkuudesta, laskentanopeudesta ja kustannuksista; päätöksen kussakin erityisessä tapauksessa määrää erilaisten piiriteknologioiden vallitseva tekniikan taso. Parametrien laskenta voidaan toteuttaa myös neuraa-lilaskentaan tarkoitetuilla erikoispiireillä, joilla on 15 erityisen suuri laskentateho signaalinkäsittelytehtävissä. Tälläisiä piirejä on kuvattu esimerkiksi artikkelissa "An Implementation of Kohonen's Self-Organiing Map on the Adaptive solutions Neurocomputer", Dan Hammerstrom et ai, Proceedings of the 1991 International Conference on Arti-20 ficial Neural Networks (ICANN-91), Espoo, Finland, 24-28 June, 1991, ja kirjassa Analog VLSI and Neural Systems, Carver Mead, Addision-Wesley publishing company, Reading, Massachusetts, 1989.

Mikäli siinä tiedonsiitojärjestelmässä, jossa tätä 25 ilmaisuperiaatetta sovelletaan, suoritetaan muutakin signaalin- tai tiedonkäsittelyä esim. mikro- tai signaaliprosessoreilla, voidaan kaava (1) sekä kuvioissa 1-3 esitetyt adaptiiviset parametrien laskentajärjestelmät ja -menetelmät ohjelmoida näihin prosessoreihin.

30 Keksinnön mukainen adaptiivinen ja itsekorjaava signaalinilmaisumenetelmä sopii käytettäväksi missä tahansa tiedonsiirrossa, jossa lähetettävien signaalien nimellisarvot eri hetkillä määrittävät äärellisen määrän diskreettejä tiloja.

35 Signaalit voivat suoraan siirtää digitaalista in- 12 90 705 formaatiota, esim. laitteen sisällä tapahtuvassa tiedonsiirrossa.

Menetelmää voidaan soveltaa, kun digitaaliset signaalit tai tilat muunnetaan analogisiksi suureiksi ja lä-5 hetetään sellaisina, ja sitten jälleen analysoidaan, ilmaistaan ja koodataan tällä menetelmällä digitaaliseen muotoon. Yksi sovellutus on solukkoradio (matkapuhelin), jossa puhe tai muu analoginen signaali ensin digitoidaan deltamodulaatiolla, sitten muunnetaan analogiseen muotoon 10 (esim. QAM), lähetetään tässä muodossa, koodataan uudelleen digitaaliseen muotoon ja rekonstruoidaan puheeksi.

Esillä oleva keksintö ei kuitenkaan ole rajoitettu mihinkään tiettyyn modulaatiomenetelmään tai standardiin tiedonsiirrossa, vaan se on tarkoitettu yleisesti erotta-15 maan kvantisoituja tiloja toisistaan.

Menetelmä on myös sopiva optisille signaaleille tai laitteille, jotka lukevat digitaalisia signaaleja magneetti- tai optisista muisteista.

Oheiskuviot ja niihin liittyvät selitys on tarkoi-20 tettu vain havainnollistamaan esillä olevaa keksintöä. Yksityiskohdiltaan keksinnön mukainen menetelmä ja ilmaisin voivat vaihdella oheisten patenttivaatimusten puitteissa.

Claims (6)

13 90705

1. Adaptiivinen ilmaisumenetelmä kvantittuneille signaaleille, joilla on äärellinen määrä signaalitiloja, 5 joka menetelmä käsittää kvantisoidun signaalin vastaanottamisen, vastaanotetun signaalin signaalitilojen ilmaisemisen muistiin tallennettua referenssivektorijoukkoa hyväksikäyttäen, 10 tallennetun referenssivektorijoukon päivittämisen vastaanotettujen todellisista signaalitiloista otettujen näytteiden perusteella, tunnettu siitä, että referenssivektorien päivittäminen käsittää 15 a) ensimmäisen korjatun referenssivektorijoukon laskemisen ilmaisussa käytettävän tallennetun referenssi-vektori joukon ja ennalta määrätyssä aikaikkunassa vastaanotetuista todellisista signaalitiloista otettujen näytteiden perusteella itseorganisoituvaa karttaa käyttävällä 20 menetelmällä, b) toisen korjatun referenssivektorijoukon laskemisen ensimmäisen korjatun referenssivektorijoukon ja samojen mainitussa ennalta määrätyssä aikaikkunassa otettujen näytteiden perusteella käyttäen K:n keskiarvon tai vastaa- 25 vaa menetelmää, c) ilmaisussa käytettävän tallennetun referenssi-vektori joukon korvaamisen mainitulla toisella korjatulla referenssivektorijoukolla, d) aikaikkunan siirtämisen aikatasossa uuden vas- 30 taanotetuista todellisista signaalitiloista otettujen näytteiden joukon muodostamiseksi, ja e) menetelmävaiheiden a), b), c) ja d) jatkuvan toistamisen.

2. Patenttivaatimuksen 1 mukainen menetelmä, t u n-35 n e t t u siitä, että menetelmävaiheessa a) ensimmäisen 14 90705 korjatun referenssivektorijoukon laskeminen sisältää vähintään kaksi iterointikierrosta itseorganisoituvaa karttaa käyttävällä menetelmällä, ja että menetelmävaiheessa b) toisen korjatun referenssivektorijoukon laskeminen si-5 sältää vähintään kaksi iterointikierrosta K:n keskiarvon tai vastaavalla menetelmällä.

3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että menetelmävaihe a) sisältää vaiheet 10 ai) käytetään lähtökohtana nykyistä ilmaisussa käy tettävää tallennettua referenssivektorijoukkoa, a2) kutakin referenssivektoria kohti kerätään näytejoukko, johon kuuluvat kaikki ne aikaikkunassa otetut signaalinäytteet, joita lähinnä oleva referenssivektori 15 kuuluu ensiksi mainitun referenssivektorin naapurustojouk koon, a3) lasketaan kullekin referenssivektorille kerätyn näytejoukon keskiarvo, a4) muodostetaan ensimmäinen korjattu referenssi-20 vektorijoukko mainituista lasketuista keskiarvoista, a5) toistetaan menetelmä vaiheet a2), a3) ja a4) samalle näytejoukolle halutulla määrällä iterointikierrok-sia käyttäen menetelmävaiheessa a2) lähtökohtana edellisellä iterointikierroksella muodostettua ensimmäistä kor-25 jattua referenssivektorijoukkoa.

4. Patenttivaatimuksen 3 mukainen menetelmä, tunnettu siitä, että menetelmävaihe a2) sisältää kunkin indeksoidun näytteen kertomisen ehdollisella painokertoimella siten, että painokerroin on ykköstä suurempi, jos 30 näyte on referenssivektorijoukon ulkopuolella ja sitä lähinnä oleva referenssivektori reunimmainen referenssivektori joukossa, ja muutoin yksi, ja että menetelmävaiheessa a3) mainitut näytejoukkokeskiarvot lasketaan käyttäen painotettuja indeksoituja signaalinäytteitä.

5. Jonkin patenttivaatimuksista 1-4 mukainen me- li is 90705 netelmä, tunnettu siitä, että menetelmävaihe b) käyttää K:n keskiarvon menetelmää ja sisältää vaiheet bl) käytetään lähtökohtana menetelmävaiheessa a) tuotettua ensimmäistä korjattua referenssivektorijoukkoa, 5 b2) kukin aikaikkunassa otettu signaalinäyte varus tetaan referenssivektorijoukon sitä lähinnä olevan refe-renssivektorin indeksinumerolla, b3) lasketaan samalla indeksinumerolla varustettujen signaalinäytteiden keskiarvo kullekin indeksinumerol-10 le, b4) muodostetaan toinen korjattu referenssivektori-joukko mainituista lasketuista keskiarvoista, b5) toistetaan menetelmävaiheet b2), b3) ja b4) samalle näytejoukolle halutulla määrällä iterointikierroksia 15 käyttäen menetelmävaiheessa b2) lähtökohtana edellisellä iterointikierroksella muodostettua toista korjattua referenssivektori joukkoa.

6. Adaptiivinen ilmaisin kvantittuneille signaaleille, joilla on rajallinen määrä signaalitiloja, joka 20 ilmaisin käsittää ensimmäisen muistivälineen (11) referenssivektori-joukon tallentamiseksi, ilmaisinvälineen (12) vastaanotetun kvantisoidun signaalin signaalitilojen ilmaisemiseksi tallennettua re-25 ferenssivektorijoukkoa hyväksikäyttäen, välineet (2,3,4) näytteiden ottamiseksi vastaanotetun signaalin todellisista signaalitiloista ja muistivälineeseen (11) tallennetun referenssivektorijoukon päivittämiseksi näiden näytteiden perusteella, 30 tunnettu siitä, että näytteenotto- ja päi- vitysvälineet käsittävät näytteenottovälineen (4) näytteiden ottamiseksi vastaanotetusta signaalista liukuvassa aikaikkunassa, itseorganisoituvaa karttaa käyttävän välineen (2) 35 ensimmäisen korjatun referenssivektorijoukon laskemiseksi 16 90705 ilmaisussa käytettävän tallennetun referenssivektorijoukon ja ennalta määrätyssä aikaikkunassa vastaanotetuista todellisista signaalitiloista otettujen näytteiden perusteella,

5 K:n keskiarvon tai vastaavaa menetelmää käyttävän välineen (3) toisen korjatun referenssivektorijoukon laskemisen ensimmäisen korjatun referenssivektorijoukon ja samojen mainitussa ennalta määrätyssä aikaikkunassa otettujen näytteiden perusteella, 10 välineen (9) muistivälineeseen (11) tallennetun re ferenssivektori joukon korvaamiseksi mainitulla toisella korjatulla referenssivektorijoukolla. 17 90705