ITMI20091755A1 - Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp) - Google Patents

Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp) Download PDF

Info

Publication number
ITMI20091755A1
ITMI20091755A1 IT001755A ITMI20091755A ITMI20091755A1 IT MI20091755 A1 ITMI20091755 A1 IT MI20091755A1 IT 001755 A IT001755 A IT 001755A IT MI20091755 A ITMI20091755 A IT MI20091755A IT MI20091755 A1 ITMI20091755 A1 IT MI20091755A1
Authority
IT
Italy
Prior art keywords
adaptation
distortions
filter coefficients
prediction error
noise
Prior art date
Application number
IT001755A
Other languages
English (en)
Inventor
Shayan Garani
Mustafa Kaynak
Sivagnanam Parthasarathy
Stefano Valle
Original Assignee
St Microelectronics Inc
St Microelectronics Srl
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by St Microelectronics Inc, St Microelectronics Srl filed Critical St Microelectronics Inc
Priority to IT001755A priority Critical patent/ITMI20091755A1/it
Priority to US12/687,797 priority patent/US8290102B2/en
Publication of ITMI20091755A1 publication Critical patent/ITMI20091755A1/it

Links

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10009—Improvement or modification of read or write signals
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10009—Improvement or modification of read or write signals
    • G11B20/10046—Improvement or modification of read or write signals filtering or equalising, e.g. setting the tap weights of an FIR filter
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10009—Improvement or modification of read or write signals
    • G11B20/10046—Improvement or modification of read or write signals filtering or equalising, e.g. setting the tap weights of an FIR filter
    • G11B20/10203—Improvement or modification of read or write signals filtering or equalising, e.g. setting the tap weights of an FIR filter baseline correction
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10009—Improvement or modification of read or write signals
    • G11B20/10268—Improvement or modification of read or write signals bit detection or demodulation methods
    • G11B20/10287—Improvement or modification of read or write signals bit detection or demodulation methods using probabilistic methods, e.g. maximum likelihood detectors
    • G11B20/10296—Improvement or modification of read or write signals bit detection or demodulation methods using probabilistic methods, e.g. maximum likelihood detectors using the Viterbi algorithm
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10009—Improvement or modification of read or write signals
    • G11B20/10481—Improvement or modification of read or write signals optimisation methods
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B2220/00—Record carriers by type
    • G11B2220/20—Disc-shaped record carriers
    • G11B2220/25—Disc-shaped record carriers characterised in that the disc is based on a specific recording technology
    • G11B2220/2508—Magnetic discs
    • G11B2220/2516—Hard disks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Filters That Use Time-Delay Elements (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Description

DESCRIZIONE
SETTORE TECNICO DELL’INVENZIONE
La presente domanda riguarda in generale i sistemi di comunicazione e, più specificamente, un sistema ed un metodo per la predizione adattativa del rumore nei sistemi di comunicazione.
BACKGROUND DELLINVENZIONE
Le prestazioni di diversi sistemi di comunicazione risentono del rumore correlato (e probabilmente dipendente) dai dati, in aggiunta all’interferenza intersimbolica o ISI (acronimo da: “Inter-Symbol Interference”). In generale, si utilizza un rilevatore o equalizzatore di canale per eliminare la ISI. Avere rumore correlato è più vantaggioso dell’avere rumore bianco poiché la correlazione del rumore può essere utilizzata per migliorare la prestazione di un rilevatore di canale.
SOMMARIO DELL’INVENZIONE
Si prevede un metodo. Il metodo comprende la calibrazione dei parametri di predizione del rumore adattando una o più distorsioni, adattando uno o più coefficienti di filtro utilizzando l’una o più distorsioni adattate, ed adattando una o più varianze dell’errore di predizione utilizzando Luna o più distorsioni adattate e l’uno o più coefficienti di filtro adattati.
Secondo un aspetto dell’invenzione, una o più distorsioni sono adattate effettuando la media di una pluralità di campioni che utilizzano un profilo di guadagno ottimale, e il profilo di guadagno ottimale fornisce una media corrente dell’una o più distorsioni adattate.
Secondo un ulteriore aspetto dell’invenzione, l’ima o più varianze dell’errore di predizione sono adattate effettuando la media del quadrato degli errori di predizione che utilizzano un profilo di guadagno ottimale, e il profilo di guadagno ottimale fornisce una media corrente dell’ima o più varianze dell’errore di predizione adattate.
Secondo un altro aspetto dell’invenzione, il metodo comprende inoltre l’adattamento continuo dell’una o più distorsioni adattando l’uno o più coefficienti di filtro.
Secondo un altro aspetto ancora dell’invenzione, il metodo comprende inoltre l’adattamento continuo di almeno una dell’una o più distorsioni e dell’uno o più coefficienti di filtro adattando la varianza dell’errore di predizione.
Secondo un aspetto dell’invenzione, il metodo comprende inoltre l’adattamento continuo di almeno una dell’una o più distorsioni, dell’uno o più coefficienti di filtro e dell’una o più varianze dell’errore di predizione.
Secondo un altro aspetto dell’invenzione, l’uno o più coefficienti di filtro sono inoltre definiti come coefficienti di filtro per la predizione del rumore dipendente dai dati (DDNP).
Secondo un altro aspetto ancora dell’invenzione, viene effettuato almeno uno tra l’adattamento dell’uno o più coefficienti di filtro e l’adattamento dell’una o più varianze dell’errore di predizione utilizzando le distorsioni che non sono state adattate
Secondo un altro aspetto dell’invenzione, viene effettuato almeno uno tra l’adattamento dell’una o più distorsioni, l’adattamento dell’uno o più coefficienti di filtro e l’adattamento di una varianza dell’errore di predizione utilizzando dati noti e dati sconosciuti..
Secondo un aspetto dell’invenzione, il metodo comprende inoltre l’utilizzo di un’informazione di affidabilità di canale da un rilevatore di canale per qualificare uno o più campioni da utilizzare tramite un mezzo di adattamento con un adattamento che utilizza dati predetti dal rilevatore di canale.
Secondo un altro aspetto dell’invenzione, il metodo comprende inoltre l’aggiornamento di almeno una delle distorsioni correnti, dei coefficienti di filtro correnti e delle variante deH’errore di predizione correnti, con almeno una dell’una o più distorsioni aggiornate, dell’uno o più coefficienti di filtro aggiornati, e dell’una o più varianze dell’errore di predizione aggiornate al limite di un settore o frammento o quando un rilevatore di canale non è occupato.
Secondo un altro aspetto dell’invenzione, almeno uno tra l’adattamento dell’una o più distorsioni; l’adattamento dell’uno o più coefficienti di filtro utilizzando l’una o più distorsioni adattate; e l’adattamento dell’una o più varianze dell’errore di predizione utilizzando l’una o più distorsioni adattate e l’uno o più coefficienti di filtro adattati, avviene senza informazione target a risposta parziale.
Secondo un altro aspetto ancora dell’invenzione, il metodo comprende inoltre la degenerazione di una o più distorsioni di stato più alto utilizzando una o più distorsioni di stato più basso.
Secondo un aspetto dell’invenzione, il metodo comprende inoltre la riduzione di almeno uno di un numero di coefficienti di filtro e di un numero di varianze dell’errore di predizione utilizzando la simmetria di polarità.
Secondo un altro aspetto dell’invenzione, il metodo comprende inoltre la riduzione di almeno uno di un numero di coefficienti di filtro e di un numero di varianze dell’errore di predizione utilizzando la simmetria di polarità e la degenerazione di almeno uno dei coefficienti di filtro e delle varianze dell’errore di predizione,
Secondo un altro aspetto dell’invenzione, l’adattamento dell’uno o più coefficienti di filtro comprende inoltre l’utilizzo di un primo tasso di adattamento durante un primo periodo di adattamento iniziale; l’utilizzo di un secondo tasso di adattamento durante un secondo periodo di adattamento iniziale, in cui il secondo tasso di adattamento è più lento o più piccolo del primo tasso di adattamento; e l’utilizzo di un terzo tasso di adattamento durante un adattamento continuo, in cui il terzo tasso di adattamento è più lento o più piccolo del secondo tasso di adattamento.
Secondo tale aspetto dell’invenzione, il primo tasso di adattamento viene utilizzato finché non viene raccolto un numero predeterminato di occorrenze o hit.
Secondo un altro aspetto dell’invenzione, il metodo ulteriormente comprende l’adattamento dei parametri di predizione del rumore per una seconda condizione prima che un adattamento dei parametri dì predizione del rumore per una prima condizione sia completato.
Si prevede un sistema. Il sistema comprende un componente di adattamento della distorsione utilizzabile per adattare ima o più distorsioni, un componente di coefficienti di filtro utilizzabile per adattare uno o più coefficienti dì filtro utilizzando l’una o più distorsioni adattate, ed un componente di varianza dell’errore di predizione utilizzabile per adattare l’una o più varianze dell’erxore di predizione utilizzando l’una o più distorsioni adattate e l’uno o più coefficienti di filtro adattati.
Si prevede un sistema. Il sistema comprende un rilevatore ed un componente di calcolo utilizzabile per ricevere i parametri di predizione del rumore. I parametri di predizione del rumore comprendono una o più distorsioni, uno o più coefficienti di filtro adattati utilizzando l’una o più distorsioni adattate, ed una o più varianze dell’errore di predizione adattate utilizzando l’una o più distorsioni adattate e l’uno o più coefficienti di filtro adattati, Il componente di calcolo è inoltre utilizzabile per convertire i parametri di predizione del rumore in una forma che sia direttamente utilizzabile dal rilevatore.
Prima di iniziare la DESCRIZIONE DETTAGLIATA DELL’INVENZIONE seguente, può essere vantaggioso sottolineare le definizioni di alcune parole e frasi utilizzate in tutto questo documento brevettuale: i termini “includere” e “comprendere”, come pure i loro derivati, indicano inclusione senza limitazione; il termine “o" è inclusivo, significando e/o; le frasi “associato a” e “ad esso associato”, come pure i loro derivati, possono significare includere, essere incluso in, intercollegato con, contenere, essere contenuto in, collegare a o con, accoppiare a o con, poter comunicare con, cooperare con, intercalare, giustapporre, essere vicino a, essere connesso a o con, avere, possedere, o simili; ed il termine “controllore” significa qualsiasi dispositivo sistema o parte di esso che controlla almeno una operazione, un tale dispositivo può avere un 'implementazione hardware, firmware o software, o alcune combinazioni di almeno due di essi. Occorre notare che la funzionalità associata con un particolare controllore può essere centralizzata o ripartita, o localmente o a distanza. Le definizioni di alcune parole e frasi vengono fornite in tutto questo documento brevettuale, gli esperti del ramo dovrebbero comprendere che in molti, se non nella maggior parte dei casi, tali definizioni riguardano gli utilizzi precedenti, come pure futuri di tali parole e frasi definite.
BREVE DESCRIZIONE DELLE FIGURE
Per una più completa comprensione della presente invenzione e dei suoi vantaggi, si fa ora riferimento alla descrizione seguente presa congiuntamente alle figure allegate, in cui numeri di riferimento uguali rappresentano parti uguali:
La figura 1 mostra uno stadio di adattamento iniziale di un sistema di calibrazione adattativa DDNP secondo un esempio di realizzazione di questa invenzione;
La figura 2 mostra un diagramma di adattamento della distorsione che si verifica in un componente di adattamento della distorsione secondo un esempio di realizzazione di questa invenzione;
La figura 3 mostra un diagramma di adattamento del coefficiente di filtro che si verifica in un componente di adattamento del coefficiente di filtro secondo un esempio di realizzazione di questa invenzione;
La figura 4 mostra un diagramma di adattamento della varianza dell’errore di predizione che si verifica in un componente di adattamento della varianza dell’errore di predizione secondo un esempio di realizzazione di questa invenzione;
La figura 5 mostra uno stadio di adattamento continuo di un sistema di calibrazione adattativa DDNP secondo un esempio di realizzazione di questa invenzione;
La figura 6 mostra una tabella utilizzata per determinare quali distorsioni a 8 stati devono essere utilizzate al posto di una distorsione a 16 stati secondo un esempio di realizzazione di questa invenzione;
La figura 7 mostra una tabella di condizioni degeneri per un rilevatore a 8 stati per<1>adattamento di filtro e varianza secondo un esempio di realizzazione di questa invenzione;
La figura 8 è un grafico che confronta le prestazioni SFR/BER di un sistema secondo un esempio di realizzazione di questa invenzione rispetto ad un sistema che utilizza la soluzione Wiener;
La figura 9 è un grafico che confronta distorsioni a 16 stati (3 intervalli o lag) degenerate utilizzando distorsioni a 8 stati rispetto alle reali distorsioni a 16 stati;
La figura 10 è un grafico che confronta coefficienti (2 prese o tap) di un filtro di predizione adattato utilizzando distorsioni degeneri rispetto a coefficienti di un filtro di predizione adattato utilizzando reali distor sioni a 16 stati;
La figura 11 è un grafico che confronta varianze dell’errore di predizione adattate utilizzando distorsioni degeneri rispetto a varianze dell’errore di predizione adattate utilizzando reali distorsioni a 16 stati; e La figura 12 mostra un metodo di predizione adattativo del rumore dipendente dai dati (ADDNP) secondo un esempio di realizzazione di questa invenzione.
DESCRIZIONE DETTAGLIATA DELL’INVENZIONE
Le figure da 1 a 12, descritte nel seguito, ed i vari esempi di realizzazione utilizzati per descrivere i principi della presente invenzione in questo documento brevettuale sono date a puro titolo illustrativo e non dovrebbero assolutamente essere interpretate in modo tale da limitare l’ambito dell’invenzione. Gli esperti del ramo comprenderanno che i principi della presente invenzione possono essere implementati in qualsiasi sistema di comunicazione opportunamente preparato.
Questa invenzione descrive un sistema ed un metodo per la predizione adattativa del rumore dipendente dai dati (ADDNP).
In un esempio di realizzazione si utilizza un rilevatore maximuma-posteriori (MAP) o un rilevatore ad algoritmo di Viterbi soft output (SOVA) per eliminare l’interferenza inter simbolica o ISI (acronimo da: “Inter -Symbol Interference”). Entrambi i rilevatori calcolano l’infòrmazione soft (ossia, informazione di verosimiglianza) che potrebbe essere utilizzata da un codice di correzione di errore esterno. Per trarre vantaggio dalla correlazione del rumore, la rilevazione di canale a predizione di rumore (ad esempio tramite un rilevatore a massima verosimiglianza a predizione di rumore (NPML)) e la predizione del rumore dipendente dai dati (DDNP) vengono incorporate nei rilevatori MAP e SOVA.
Per il rumore correlato dipendente dai dati, un certo numero di campioni di rumore vicini (sia passati sia futuri) contribuisce ad un campione di rumore. Effettuando la predizione del rumore, i contributi di questi campioni di rumore vicini vengono eliminati e la potenza di rumore è ridotta. Se la predizione del rumore fosse effettuata perfettamente (cosa che non è praticamente possibile) rimarrebbe solo la porzione bianca del campione di rumore. Di conseguenza, i rilevatori che utilizzano la DDNP portano a notevoli miglioramenti delle prestazioni rispetto ai tradizionali rilevatori di canale senza predizione di rumore.
Per i sistemi di registrazione magnetica, il rumore è dipendente dai dati a causa del rumore del mezzo che risulta da spostamenti casuali della posizione e dell’ampiezza della risposta di transizione. Più transizioni ci sono in una sequenza di transizioni, maggiori possibilità ci sono di osservare uno spostamento nella risposta di transizione. Il rumore è dipendente dai dati anche a causa della errata equalizzazione che si verifica quando il canale (che ha una durata di ISI molto lunga) viene equalizzato ad un predeterminato target più breve. Poiché un equalizzatore lineare a risposta impulsiva finita (FIR) di lunghezza finita viene utilizzato per questa equalizzazione a risposta parziale, la ISI non può essere eliminata completamente. Di conseguenza, resta una ISI residua. Il rumore è correlato (o colorato) anche a causa della presenza dell’equalizzatore a risposta parziale. Essendo il rumore del mezzo è la fonte di rumore dominante per i sistemi di registrazione perpendicolare ad alta densità, questa invenzione descrive un sistema ed un metodo per utilizzare i rilevatori DDNP (DDNP-MAP o DDNP-SOVA) nei sistemi di comunicazione, quali i sistemi di registrazione perpendicolare ad alta densità.
Per trarre pieno vantaggio dal rumore correlato dipendente dai dati nel rilevatore di canale, vengono opportunamente calibrati i seguenti parametri DDNP per ciascun pattern di dati (condizione):
1. distorsioni o mezzi campione,
2. Filtri di predizione, e
3. varianza dell’errore di predizione.
Questi parametri possono essere calibrati, ad esempio, utilizzando la ben nota soluzione Wiener raccogliendo le statistiche del rumore per ogni condizione. Risultati ottimali sono ottenuti quando il processo di rumore è stazionario.
Tuttavia, poiché le condizioni di canale per le unità a disco cambiano nel tempo, i parametri DDNP ottimizzati per una data condizione di canale iniziale non forniranno una prestazione ottimale in diverse condizioni di canale nel tempo. Perciò, l’adattamento dei parametri DDNP alle condizioni di canale variabili è essenziale per una buona prestazione, Inoltre, la soluzione Wiener per i coefficienti DDNP richiede un’inversione di matrice, e diventa costosa in termini di hardware da un punto di vista computazionale se vengono utilizzati tre o più filtri a presa DDNP (inversione di una matrice 3x3 o maggiore),
Questa invenzione descrive un metodo ed un sistema di calibrazione DDNP adattativa che fornisce parametri DDNP efficaci in condizioni di canale variabili senza costose operazioni da un punto di vista computazionale quali l’inversione di matrice. Il sistema di calibrazione DDNP adattativa secondo l’invenzione è efficiente dal punto di vista hardware e fornisce le prestazioni di una soluzione Wiener ottimale se le condizioni di canale rimangono le stesse. Il sistema secondo l’invenzione è applicabile a qualsiasi sistema di comunicazione che risente del rumore correlato dipendente dai dati.
La figura 1 mostra uno stadio di adattamento iniziale di un sistema di calibrazione DDNP adattativa 100 secondo un esempio di realizzazione di questa invenzione.
Come mostra la figura 1, lo stadio di adattamento iniziale del sistema 100 comporta l’adattamento delle distorsioni iniziali, dei filtri DDNP iniziali e delle varianze iniziali in sequenza.
I dati di input vengono ricevuti in un componente di adattamento della distorsione 110. In un particolare esempio di realizzazione, i dati di input nel componente di adattamento della distorsione 110 includono campioni equalizzati e bit di non ritorno a zero (NRZ). Per i bit NRZ, si possono utilizzare o dati noti a sequenze di bit pseudo casuali (PRBS) o dati sconosciuti. In alcuni esempi di realizzazione, si possono utilizzare dati sconosciuti (o decisioni hard del rilevatore di canale) a patto che il tasso di errore di bit delle decisioni hard sia inferiore a 2E-2 e che i campioni equalizzati siano adatti all’uso basato sui loro rapporti di logprobabilità (vale a dire, l’affidabilità calcolata dal rilevatore di canale). In alcuni esempi di realizzazione, quando i dati predetti (vale a dire, dati sconosciuti) sono usati per un sistema di calibrazione ADDNP, il DDNP è inizialmente un passaggio o pass through (vale a dire, il filtro di predizione è [1 0 ... 0], la varianza è 1 e le distorsioni sono i valori ideali calcolati dal target di risposta parziale noto per tutte le condizioni).
In un esempio di realizzazione particolare, le distorsioni iniziali sono adattate effettuando la media dei campioni che utilizzano il profilo di guadagno ottimale. Per la condizione i e intervallo (lag) j, il termine di distorsione nella fase di adattamento (k+1) viene calcolato come mostrato nel seguito nelle equazioni 1 e 2:
dove k=l,..., BIAS_HIT_MAX e eqs corrispondono ai campioni equalizzati per la condizione che viene considerata. Il termine di distorsione per la fase k=0 è zero, e l’adattamento iniziale viene continuato finché si raccolgono k=BlAS_HIT_MAX ricorrenze (hit) per condizione. Un vantaggio di questo approccio è che può fornire i valori di distorsione intermedi in qualsiasi momento. Ciò è in netto contrasto con l’utilizzo di un accumulatore in cui il valore di distorsione iniziale sarà disponibile solo dopo il raggiungimento di un certo numero di hit per condizione, il numero essendo selezionato in modo tale da essere una potenza di 2. Dopo aver raccolto sufficienti hit, il profilo di guadagno ottimale diventa costante, e per ciascun campione supplementare da utilizzare per effettuare la media, il profilo di guadagno ottimale diventa 1/BIAS_HIT_MAX per k > BIAS_HIT_MAX.
La figura 2 mostra un diagramma dell’adattamento della distorsione che si verifica nel componente di adattamento della distorsione 110 secondo un esempio di realizzazione di questa invenzione.
Come mostra la figura 2, un termine di distorsione per lo stadio di adattamento di cui sopra viene eliminato da un campione equalizzato in un sommatore 210. L’uscita del sommatore 210 viene ricevuta in un mixer 220. Il mixer 220 esegue un’operazione di spostamento a destra sull’uscita del sommatore 210. Come precedentemente descritto, il profilo di guadagno ottimale è inizialmente 2 e diventa 1 /BIAS_HIT_MAX per k > BIAS„HIT_MAX. L’uscita del mixer 220 viene poi ricombinata con la distorsione in un sommatore 230 che produce un termine di distorsione aggiornato.
Tornando alla figura 1 , una volta adattati i termini di distorsione iniziale nel componente di adattamento della distorsione 110, i termini di distorsione iniziale adattati vengono utilizzati in un componente di adattamento del coefficiente di filtro 120 per adattare i coefficienti di filtro DDNP iniziali, I dati NRZ noti vengono utilizzati in questo componente come pure nel componente di adattamento della distorsione 110, e vengono considerati tutti i filtri DDNP tutto-zero. Come descritto in precedenza, i dati predetti (vale a dire, dati sconosciuti) possono essere utilizzati per l’adattamento del filtro di predizione cosi come essere sottoposti a qualificazione utilizzando rinformazione di affidabilità.
In un esempio di realizzazione particolare, il calcolo nel componente di adattamento del coefficiente di filtro 120 è come segue:
1 Si determina la condizione i dai dati NRZ noti. Ad esempio, se la sequenza NRZ è [101100101...] con il bit più significativo come primo valore, ne derivano in ordine le seguenti condizioni 1011, 0110, 1100, 1001, 0010, 0101. ecc., considerando condizioni a 4 bit.
2. Per la condizione i, vengono calcolati i termini del rumore istantaneo (nk- j) per tutti i lag (;: indice di lag) sottraendo le distorsioni della condizione i dai campioni equalizzati come mostrato nell’equazione 3 seguente:
3. Il campione di rumore predetto viene calcolato come mostrato nell’equazione 4 seguente:
dove L è la lunghezza dei filtri DDNP.
4, L’errore di predizione viene calcolato come mostrato nell’eq uazione 5 seguente:
5. I filtri di predizione nella fase (k+1) a media quadratica minima (LMS) vengono aggiornati utilizzando l’errore di predizione come mostrato nell’equazione 6 seguente:
dove aj (0) = 0 per una data condizione i, e μ è il tasso di adattamento o apprendimento. I filtri DDNP vengono adattati finché non viene raggiunto un numero predeterminato di hit FIR_HIT_MAX per condizione.
Durante l’adattamento del filtro iniziale, anche le distorsioni vengono continuamente adattate.
Per il caso della simmetria di polarità, le condizioni aventi una transizione o nessuna transizione nella stessa posizione (condizioni 0000 e l l l l o 1001 e 0110) sono considerate equivalenti. Di conseguenza, il numero di filtri viene dimezzato.
Il tasso di apprendimento o adattamento svolge un ruolo importante nella velocità di convergenza deiradattamento del filtro. Sebbene i tassi di adattamento più veloci (più grandi) portino ad una convergenza o risposta più veloce, i tassi di adattamento più veloci sono limitati quando accade di dover sintonizzare finemente i coefficienti di filtro. Viceversa, sebbene i tassi di adattamento più lenti (più piccoli) siano migliori per la sintonizzazione fine dei coefficienti di filtro, i tassi di adattamento più lenti richiedono più dati per effettuare l’adattamento del filtro iniziale. Di conseguenza, per avere una convergenza più veloce ed una migliore sintonizzazione fine, possono essere utilizzati tassi di adattamento variabili/programmabili in diversi stadi di adattamento secondo un esempio di realizzazione di questa invenzione.
Un tasso di adattamento relativamente più veloce (più grande) viene utilizzato all’inizio de ll’ad attamente del filtro iniziale. Dopo aver raccolto FIR„HIT_MAX/2 hit o un altro numero di hit inferiore a FIR_HIT_MAX hit per tutte le condizioni, viene utilizzato un tasso di adattamento più lento (più piccolo) fino alla fine deiradattamento del filtro iniziale. Una volta terminato l’adattamento del filtro iniziale, il tasso di adattamento viene ancora ulteriormente diminuito, e questo tasso di adattamento più piccolo viene utilizzato durante l’adattamento del filtro iniziale ed anche durante l’adattamento continuo.
La figura 3 mostra un diagramma di adattamento del coefficiente di filtro che si verifica in un componente di adattamento del coefficiente di filtro 120 secondo un esempio di realizzazione di questa invenzione.
Come mostra la figura 3, i termini del rumore istantaneo (nk■) per tutti i lag (/<'>: indice di lag) sono calcolati sottraendo le distorsioni della condizione i dai campioni equalizzati nei sommatori 310a e 310b. I mixer 320a e 320b ricevono rispettivamente un primo ed un secondo coefficiente di filtro, oltre ai termini di rumore rispettivamente dai sommatori 310a e 310b ed effettuano un’operazione di mixing- Un sommatore 330 riceve l’uscita dai mixer 32 Oa e 320b ed effettua un’operazione di addizione per generare un segnale di rumore predetto.
Nella figura 3 viene anche mostrato un sommatore 340 che effettua un’operazione di addizione per eliminare una distorsione da un campione equalizzato per generare un termine di distorsione. Il termine di distorsione dal sommatore 340 ed il segnale di rumore predetto dal sommatore 330 vengono ricevuti da un sommatore 350. Il sommatore 350 effettua un’operazione di addizione per rimuovere il segnale di rumore predetto dal sommatore 330 dal segnale di rumore predetto dal sommatore 340 per produrre un errore di predizione. Un mixer 360 riceve l’errore di predizione come pure il tasso di adattamento ed effettua un’operazione di mixing. Il risultato di questa operazione di mixing viene ricevuto dai mixer 370a e 370b, I mixer 370a e 370b ricevono anche i termini di rumore generati rispettivamente dai sommatori 310a e 310b, ed effettuano un’operazione di mixing. I risultati di questa operazione di mixing da parte dei mixer 370a e 370b vengono ricevuti rispettivamente dai sommatori 380a e 380b. I sommatori 380a e 380b ricevono anche rispettivamente il primo ed il secondo coefficiente di filtro, ed effettuano un’operazione di addizione per generare un primo ed un secondo coefficiente di filtro aggiornati.
Sebbene la forma di realizzazione di figura 3 sia mostrata come avente un filtro a 2 prese, un tecnico medio del ramo è in grado di riconoscere che qualsiasi numero di prese può essere utilizzato senza fuoriuscire dallo scopo e dallo spirito di questa invenzione.
Tornando ancora alla figura 1, dopo l’adattamento delle distorsioni e dei filtri DDNP iniziali, le distorsioni iniziali adattate ed i coefficienti di filtro iniziali adattati vengono utilizzati in un componente di adattamento della varianza dell’errore di predizione iniziale 130. La varianza dell’errore di predizione iniziale viene adattata in questo componente effettuando la media del quadrato degli errori di predizione che utilizzano il profilo di guadagno ottimale. Questo è simile alla descrizione dell’adattamento della distorsione iniziale. In un esempio di realizzazione particolare, l’errore di predizione viene determinato utilizzando le equazioni 3-5, e la varianza per la condizione i nella fase (k+1) viene adattata come mostrato nelle equazioni 7 e 8:
I termini della varianza iniziale nella fase LMS 0 sono zeri, e questo adattamento continua finché k=VAR_HIT_MAX. Dopo aver raccolto sufficienti hit per tutte le condizioni, il profilo di guadagno ottimale diventa costante, e per ciascun campione supplementare da utilizzare per effettuare la media viene utilizzato un profilo di guadagno ottimale di 1 /VAR_HIT_MAX.
La figura 4 mostra un diagramma dell’adattamento della varianza dell’errore di predizione che si verifica in un componente di adattamento della varianza dell’errore di predizione iniziale 130 secondo un esempio di realizzazione di questa invenzione.
Come mostra la figura 4, gli errori di predizione vengono ricevuti in un mixer 410. Il mixer 410 effettua un’operazione di mixing. Un sommatore 420 riceve l’uscita dal mixer 410 e sottrae un valore di varianza dall’uscita del mixer 410. Un mixer 430 effettua poi un’operazione di spostamento a destra sull’uscita del sommatore 420, Un sommatore 440 riceve il valore di varianza come pure l’uscita del mixer 430, ed effettua un’operazione di addizione per generare un valore di varianza aggiornato.
Durante l’adattamento della varianza iniziale, le distorsioni ed i filtri DDNP vengono adattati continuamente.
La simmetria di polarità considerata per i filtri di predizione si applica anche alla varianza. Di conseguenza, anche il numero di varianze viene dimezzato
In alcuni esempi di realizzazione, l’adattamento iniziale dei parametri DDNP viene fatto in modo sequenziale (vale a dire, prima vengono adattate le distorsioni, poi i filtri ed infine le varianze). Da questo adattamento sequenziale derivano parametri più affidabili poiché l’adattamento dei filtri richiede distorsioni affidabili. Perciò, se le distorsioni iniziali sono adattate durante l’adattamento iniziale dei filtri, i filtri di predizione non saranno molto affidabili. Analogamente, la varianza degli errori di predizione sarà affidabile solo se sono utilizzati distorsioni e filtri affidabili per il suo adattamento. Perciò, se le distorsioni ed i filtri sono adattati durante l’adattamento di varianza iniziale, le varianze deirerrore di predizione risultanti non saranno molto affidabili.. Quindi l’adattamento iniziale sequenziale è importante. Di conseguenza l’adattamento della distorsione iniziale è eseguito per primo. Una volta che le distorsioni iniziali sono adattate, si esegue l’adattamento del filtro iniziale, che si affida alle distorsioni iniziali. Dopo che l’adattamento del filtro iniziale è completato, è eseguito l’adattamento della varianza iniziale.
In una forma di realizzazione di questa invenzione, il mezzo di adattamento elabora i campioni di una condizione in un determinato istante. Non appena il mezzo di adattamento finisce l’elaborazione di una condizione, il mezzo di adattamento inizia l’elaborazione dei campioni della successiva condizione presenta in quell’istante. Non ci sono limiti/ restrizioni sulla successiva condizione da elaborare da parte del mezzo di adattamento, come il fatto che la successiva condizione deve essere la stessa precedente condizione. In altre parole, il mezzo di adattamento elabora i campioni di condizioni nell’ordine in cui i campioni sono ricevuti. Di conseguenza, il sistema dell’invenzione non è limitato a terminare l’adattamento iniziale di una condizione scelta prima di iniziare l’adattamento iniziale delle condizione successiva che sarebbe ovviamente molto lento (vale a dire, richiederebbe molti settori) per completare l’adattamento iniziale dei parametri DDNP,
L’adattamento iniziale calibra i parametri DDNP iniziali e può essere considerata la calibrazione iniziale di fabbrica per le unità a disco rigido.
D’altro canto l’adattamento continuo si riferisce alla calibrazione di questi parametri durante la vita del dispositivo . Durante l’adattamento continuo, i filtri, le distorsioni ed i termini di varianza per ciascuna condizione vengono adattati continuamente, e per il caso dei sistemi di registrazione magnetica, i parametri DDNP del rilevatore sono aggiornati utilizzando questi parametri nuovamente aggiornati ai limiti del settore /frammento o quando il rilevatore non è occupato.
I parametri DDNP adattati possono essere utilizzati dal rilevatore direttamente. Tuttavia, per ridurre la complessità del rilevatore, i parametri DDNP vengono convertiti in una forma che è direttamente utilizzabile dal rilevatore. Il componente che effettua questa conversione viene mostrato come un componente post-calcolo 140 o cooker nella figura 1. I rilevatori 150 vengono allineati ai parametri di uscita del componente di calcolo 140. Quindi i rilevatori 150 iniziano ad utilizzare i parametri DDNP nuovamente adattati una volta che i parametri sono calcolati dal componente di calcolo 140.
La figura 5 mostra uno stadio di adattamento continuo di un sistema di calibrazione DDNP adattativa 500 secondo un esempio di realizzazione di questa invenzione.
Per l’adattamento continuo, i filtri DDNP, le distorsioni ed i termini di varianza passati ad un componente di calcolo 510 al limite del settore /frammento sono anche le variabili di partenza utilizzate per l’adattamento del limite del settore /frammento successivo. Perciò, quelle variabili vengono mostrate come gli ingressi al componente di adattamento.
II sistema ed il metodo ADDNP dell’invenzione possono approssimare o degenerare le distorsioni di stato superiore utilizzando distorsioni di stato inferiore. Nel seguito viene descritto come le distorsioni ad 8 stati vengono utilizzate per approssimare le distorsioni a 16 stati.
Supponendo che “yk” indichi i campioni equalizzati e che “edeba” (“a" più recente) indichi i bit NRZ, le distorsioni a 16 stati condizionata ai bit NRZ sono date da:
Le distorsioni a 8 stati indicate da “b<8>c” sono le seguenti:
Utilizzando le distorsioni a 8 stati, le distorsioni a 16 stati possono essere degenerate come segue:
e
dove la “sottolineatura” rappresenta un’operazione di negazione binaria ossia, “0=1” e “1=0”.
La figura 6 mostra una tabella 600 utilizzata per determinare quali distorsioni a 8 stati devono essere utilizzate al posto di una distorsione a 16 stati secondo un esempio di realizzazione di questa invenzione.
La tabella 600 fornisce distorsioni a 16 stati degenerate da distorsioni a 8 stati. Il vantaggio della degenerazione di distorsione è una ridotta complessità o area. Se la degenerazione non venisse effettuata per un rilevatore a 16 stati, le distorsioni 32x3 (supponendo una DDNP a 3 prese) dovrebbero essere adattate. Con la degenerazione, le distorsioni 16x3 dovrebbero essere adattate. Di conseguenza, la degenerazione risparmia sia potenza sia area.
Il sistema ADDNP dell’invenzione supporta anche la degenerazione/ approssimazione della varianza e del filtro di predizione.
La degenerazione dei parametri consente di condividere gli stessi parametri DDNP tra le condizioni che hanno un diverso numero di transizioni. Ad esempio, la condizione c=[1010] ha una simmetria di polarità di c=[0101]. Entrambe le condizioni hanno tre transizioni e condividono gli stessi filtri DDNP e la stessa varianza. Con la degenerazione di grado -1, le condizioni [0010] e [1101] condividono gli stessi parametri con [1010] e [0101]. In alcuni esempi di realizzazione, il bit meno significativo bk-4 per la condizione c=[bk-3 bk-2 bk-i bk] viene ignorato per la degenerazione di grado - 1.
Come tale, in alcuni esempi di realizzazione, con la degenerazione di grado -1 (in aggiunta alla simmetria di polarità), le seguenti condizioni appartengono allo stesso gruppo (la sottolineatura indica la simmetria di polarità):
(0 bk-2 bk-i bk), (1 bk-2 bk-i bk), (0 bk-2 bk-i bk), (1 bk-2 bk-i bk)-La figur a 7 mostra una tabella 700 di condizioni degeneri per un rilevatore a 8 stati secondo un esempio di realizzazione di questa invenzione.
Nel sistema di predizione del rumore precedentemente descritto in dettaglio nell’equazione 4, i campioni di rumore L passati erano utilizzati per sbiancare il campione di rumore attuale. Questo approccio viene utilizzato quando i campioni/ dati futuri non influenzano i dati passati. Tuttavia, i sistemi di registrazione magnetica hanno durate di ISI molto lunghe che si estendono sia al passato sia al futuro. Perciò i dati futuri influenzano anche i dati passati. Di conseguenza, il campione di rumore corrente viene correlato con i campioni di rumore sia passati sia futuri. Si può trarre vantaggio da questa proprietà unica dei sistemi di registrazione magnetica per utilizzare la predizione del rumore causale e anti-causale.
La figura 8 è un grafico 800 che confronta la prestazione SFR/BER di un sistema secondo un esempio di realizzazione di questa invenzione rispetto ad un sistema che utilizza la soluzione Wiener .
Il grafico 800 confronta la prestazione del sistema e del metodo di calibrazione ADDNP dell’invenzione rispetto alla soluzione Wiener su un canale di registrazione magnetica perpendicolare ad alta densità con rumore ad alto jitter. In questo confronto, si presuppone il target di risposta parziale a 2 prese e una lunghezza di correlazione di 3 (ossia, 3 distorsioni di presa e 2 filtri a presa). La frequenza di guasto di settore (SFR) che presuppone una capacità di controllo e correzione dell’errore (ECC) di simboli a 20 10 bit e le prestazioni del tasso di errore di bit (BER) del rilevatore vengono mostrate nel grafico 800, Come mostra il grafico 800, il sistema ed il metodo ADDNP dell’invenzione hanno prestazioni molto vicine alla soluzione Wiener ottimale senza essere costosa in termini di hardware da un punto di vista computazionale. Inoltre, le condizioni di canale non cambiano per questa simulazione, ed i vantaggi del rilevatore dell’invenzione diventano ancora piu marcati quando cambiano le condizioni di canale.
In un esempio di realizzazione, erano presenti le seguenti condizioni:
un canale di registrazione perpendicolare con UBD=2.10, 90% di jitter;
un sistema a 16 stati avente distorsioni 16x3 degenerate utilizzando distorsioni a 8 stati rispetto alle reali etichette di stato a 16 stati (vale a dire, nessuna degenerazione di distorsione); e
per il filtro e la varianza, era presente la simmetria polare ma non la degenerazione (vale a dire, venivano utilizzati 16 1x2 filtri di predizione e 16 distorsioni).
La figura 9 è un grafico 900 che confronta le distorsioni a 16 stati degenerate utilizzando distorsioni a 8 stati rispetto alle reali distorsioni da 16 stati.
La figura 10 è un grafico 1000 che confronta filtri di predizione adattati utilizzando distorsioni degeneri rispetto a filtri di predizione adattati utilizzando le reali distorsioni a 16 stati.
La figura 11 è un grafico 1 100 che confronta varianze adattate utilizzando distorsioni degeneri rispetto a varianze adattate utilizzando le reali distorsioni a 16 stati.
I risultati mostrati nelle figure 9-11 mostrano che i filtri e le varianze adattati utilizzando distorsioni degeneri sono molto simili ai filtri ed alle varianze adattati utilizzando le reali distorsioni a 16 stati.
La figura 12 mostra un metodo 1200 di predizione adattativa del rumore dipendente dai dati (ADDNP) secondo un esempio di realizzazione di questa invenzione.
Come viene mostrato al blocco 12 10, il metodo 1200 comprende l’adattamento delle distorsioni iniziali effettuando la media dei campioni che utilizzano il profilo di guadagno ottimale. Il metodo 1200 comprende anche l’adattamento dei coefficienti di filtro DDNP iniziali utilizzando le distorsioni iniziali adattate nel blocco 1230 adattando continuamente i termini di distorsione. Nel blocco 1250, il metodo 1200 comprende inoltre l’adattamento della varianza di un errore di predizione iniziale utilizzando le distorsioni iniziali adattate ed i coefficienti di filtro iniziali adattati effettuando la media dei quadrati delle varianze di errore di predizione che utilizzano il profilo di guadagno ottimale adattando continuamente le distorsioni ed i filtri DDNP.
Sebbene la presente invenzione sia stata descritta con un esempio di realizzazione esemplificativo, diverse variazioni e modifiche possono essere suggerita da un esperto del ramo. Resta inteso che la presente invenzione racchiude tali variazioni e modifiche in quanto rientrano nell’ambito delle rivendicazioni allegate.

Claims (15)

  1. RIVENDICAZIONI 1. Metodo comprendente: la calibrazione dei parametri di predizione del rumore: adattando una o più distorsioni adattando uno o più coefficienti di filtro utilizzando l’una o più distorsioni iniziali adattate; e adattando una o più varianze deH’errore di predizione utilizzando l’una o più distorsioni adattate e l’uno o più coefficienti di filtro adattati.
  2. 2. Metodo secondo la rivendicazione 1 in cui una o più distorsioni sono adattate effettuando la media di una pluralità di campioni che utilizzano un profilo di guadagno ottimale, in cui il profilo di guadagno ottimale fornisce una media corrente dell’una o più distorsioni adattate.
  3. 3. Metodo secondo la rivendicazione 1 in cui l’una o più varianze dell’errore di predizione sono adattate effettuando la media del quadrato degli errori di predizione che utilizzano un profilo di guadagno ottimale, in cui il profilo di guadagno ottimale fornisce una media corrente dell’una o più varianze dell’errore di predizione adattate.
  4. 4. Metodo secondo la rivendicazione 1 comprendente inoltre: l’adattamento continuo dell’una o più distorsioni adattando l’uno o più coefficienti di filtro.
  5. 5. Metodo secondo la rivendicazione 1 comprendente inoltre: l’adattamento continuo di almeno una dell’una o più distorsioni e dell’uno o più coefficienti di filtro adattando la varianza dell’errore di predizione.
  6. 6. Metodo secondo la rivendicazione 1 in cui l’uno o più coefficienti di filtro sono inoltre definiti come coefficienti di filtro per la predizione del rumore dipendente dai dati (DDNP).
  7. 7. Metodo secondo la rivendicazione 1 in cui viene effettuato almeno uno tra l’adattamento dell’uno o più coefficienti di filtro e l’adattamento dell’una o più varianze dell’errore di predizione utilizzando le distorsioni che non sono state adattate.
  8. 8. Metodo secondo la rivendicazione 1 in cui viene effettuato almeno uno tra l’adattamento dell’una o più distorsioni, l’adattamento dell’uno o più coefficienti di filtro e l’adattamento di una varianza deH’errore di predizione utilizzando dati noti e dati sconosciuti.
  9. 9 . Metodo secondo la rivendicazione 1 comprendente inoltre: l’utilizzo di un’informazione di affidabilità di canale da un rilevator e di canale per qualificare uno o più campioni da utilizzare tramite un mezzo di adattamento con un adattamento che utilizza dati predetti dal rilevatore di canale.
  10. 10. Metodo secondo la rivendicazione 1 comprendente inoltre: raggiornarne nto di almeno una delle distorsioni correnti, dei coefficienti di filtro correnti e delle variante dell’errore di predizione correnti, con almeno una dell’una o più distorsioni aggiornate, dell’uno o più coefficienti di filtro aggiornati, e dell’una o più varianze dell’errore di predizione aggiornate al limite di un settore o frammento o quando un rilevatore di canale non è occupato.
  11. 11. Metodo secondo la rivendicazione 1 in cui l’adattamento dell’uno o più coefficienti di filtro comprende inoltre: l’utilizzo di un primo tasso di adattamento durante un primo periodo di adattamento iniziale; l’utilizzo di un secondo tasso di adattamento durante un secondo periodo di adattamento iniziale, in cui il secondo tasso di adattamento è più lento o più piccolo del primo tasso di adattamento; e l’utilizzo di un terzo tasso di adattamento durante un adattamento continuo, in cui il terzo tasso di adattamento è più lento o più piccolo del secondo tasso di adattamento.
  12. 12. Metodo secondo la rivendicazione 11 in cui il primo tasso di adattamento viene utilizzato finché non viene raccolto un numero predeterminato di occorrenze o hit.
  13. 13. Metodo secondo la rivendicazione 1 ulteriormente comprendente: l’adattamento dei parametri di predizione del rumore per una seconda condizione prima che un adattamento dei parametri di predizione del rumore per una prima condizione sia completato.
  14. 14. Sistema (100) comprendente: un componente di adattamento della distorsione (110) utilizzabile per adattare una o più distorsioni; un componente di coefficienti di filtro (120) utilizzabile per adattare uno o più coefficienti di filtro utilizzando l’una o più distorsioni adattate; e un componente di varianza dell’errore di predizione (130) utilizzabile per adattare l’una o più varianze deH’errore di predizione utilizzando l’una o più distorsioni adattate e l’uno o più coefficienti di filtro adattati.
  15. 15. Sistema (100) secondo la rivendicazione 14 ulteriormente comprendente: un rilevatore (150); e un componente di calcolo (140) utilizzabile per ricevere parametri di predizione del rumore, i parametri di predizione del rumore comprendendo : una o più distorsioni adattate, uno o più coefficienti di filtro adattati utilizzando l’una o più distorsioni adattate, e una o più varianze dell’errore di predizione adattate utilizzando l’una o più distorsioni adattate e l’uno o più coefficienti di filtro adattati, in cui il componente di calcolo (140) è inoltre utilizzabile per convertire i parametri di predizione del rumore in una forma che sia direttamente utilizzabile dal rilevatore (150).
IT001755A 2009-10-13 2009-10-13 Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp) ITMI20091755A1 (it)

Priority Applications (2)

Application Number Priority Date Filing Date Title
IT001755A ITMI20091755A1 (it) 2009-10-13 2009-10-13 Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp)
US12/687,797 US8290102B2 (en) 2009-10-13 2010-01-14 Adaptive data dependent noise prediction (ADDNP)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
IT001755A ITMI20091755A1 (it) 2009-10-13 2009-10-13 Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp)

Publications (1)

Publication Number Publication Date
ITMI20091755A1 true ITMI20091755A1 (it) 2011-04-14

Family

ID=41800657

Family Applications (1)

Application Number Title Priority Date Filing Date
IT001755A ITMI20091755A1 (it) 2009-10-13 2009-10-13 Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp)

Country Status (2)

Country Link
US (1) US8290102B2 (it)
IT (1) ITMI20091755A1 (it)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8910028B1 (en) * 2011-10-27 2014-12-09 Marvell International Ltd. Implementation of LLR biasing method in non-binary iterative decoding
US9190104B2 (en) * 2012-12-13 2015-11-17 Avago Technologies General Ip (Singapore) Pte. Ltd. Systems and methods for data retry using averaging process
US9189379B2 (en) * 2013-02-06 2015-11-17 Avago Technologies General Ip (Singapore) Pte. Ltd. Buffer for managing data samples in a read channel
US9093083B1 (en) 2014-10-01 2015-07-28 Seagate Technology Llc Adaptive read channel system for different noise types
US9489976B2 (en) 2015-04-06 2016-11-08 Seagate Technology Llc Noise prediction detector adaptation in transformed space
US10445171B2 (en) 2016-02-29 2019-10-15 Seagate Technology Llc On-the-fly error detection algorithm during retry procedure
US11953987B1 (en) 2022-09-16 2024-04-09 Western Digital Technologies, Inc. Trained states equalizer in a read channel

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003088240A2 (en) * 2002-04-18 2003-10-23 Infineon Technologies Ag Method and apparatus for calibrating data-dependent noise prediction
US20050249273A1 (en) * 2004-05-05 2005-11-10 Ashley Jonathan J Method and apparatus for generating filter tap weights and biases for signal dependent branch metric computation
WO2007007244A1 (en) * 2005-07-13 2007-01-18 Koninklijke Philips Electronics N.V. Data - dependent noise predictor in data-aided timing recovery
WO2009082542A1 (en) * 2007-12-21 2009-07-02 Lsi Corporation Systems and methods for adaptive equalization in recording channels

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003088240A2 (en) * 2002-04-18 2003-10-23 Infineon Technologies Ag Method and apparatus for calibrating data-dependent noise prediction
US20050249273A1 (en) * 2004-05-05 2005-11-10 Ashley Jonathan J Method and apparatus for generating filter tap weights and biases for signal dependent branch metric computation
WO2007007244A1 (en) * 2005-07-13 2007-01-18 Koninklijke Philips Electronics N.V. Data - dependent noise predictor in data-aided timing recovery
WO2009082542A1 (en) * 2007-12-21 2009-07-02 Lsi Corporation Systems and methods for adaptive equalization in recording channels

Also Published As

Publication number Publication date
US8290102B2 (en) 2012-10-16
US20110085628A1 (en) 2011-04-14

Similar Documents

Publication Publication Date Title
ITMI20091755A1 (it) Sistema e metodo per la predizione adattativa del rumore dipendente dai dati (addnp)
US7872978B1 (en) Obtaining parameters for minimizing an error event probability
US8027409B2 (en) Noise prediction-based signal detection and cross-talk mitigation
US7764732B2 (en) Adaptive error slicer and residual intersymbol interference estimator
US8379711B2 (en) Methods and apparatus for decision-feedback equalization with oversampled phase detector
US7522663B2 (en) Burst error limiting feedback equalizer system and method for multidimensional modulation systems
US8045606B2 (en) Bidirectional equalizer with improved equalization efficiency using viterbi decoder information and equalization method using the bidirectional equalizer
US9344272B1 (en) Parallel replica CDR to correct offset and gain in a baud rate sampling phase detector
US8102910B2 (en) Re-adaption of equalizer parameter to center a sample point in a baud-rate clock and data recovery receiver
JP2000222824A (ja) 適応等化回路
CN115362657B (zh) 用于数据采样器漂移补偿的系统和方法
US8074157B2 (en) Methods and apparatus for reduced complexity soft-output viterbi detection
KR20140063184A (ko) 등화장치 및 그 동작 방법
WO2017118987A1 (en) A low resolution adc-dsp optimization based on non-uniform quantization and mlse for data centers interconnects
US10243591B2 (en) Sequence detectors
US9237044B1 (en) Methods for joint optimization of link equalization
US9288086B2 (en) Decision-feedback analyzer and methods for operating the same
US7170930B2 (en) Receiver
WO2005024822A1 (ja) 再生信号処理装置、及び再生信号処理方法
US10103743B1 (en) Analog-to-digital converter and control method thereof
US9319057B1 (en) Device and method for providing filtering for an analog-to-digital converter (ADC)
US9021342B2 (en) Methods to improve ACS performance
JP2020522924A (ja) アナログ信号から生成されるシーケンスに対応するシンボル値を検出する方法、及びシーケンス検出器
KR100860503B1 (ko) 계층적 궤환 필터 및 연판정 장치를 이용한 결정 궤환등화기
CN116805894A (zh) 检错纠错装置及相关方法