JP2004509521A - 適応アルゴリズムを用いて適応チャネル等化器の重みベクトルのスパーシティを活用する装置および方法 - Google Patents
適応アルゴリズムを用いて適応チャネル等化器の重みベクトルのスパーシティを活用する装置および方法 Download PDFInfo
- Publication number
- JP2004509521A JP2004509521A JP2002527158A JP2002527158A JP2004509521A JP 2004509521 A JP2004509521 A JP 2004509521A JP 2002527158 A JP2002527158 A JP 2002527158A JP 2002527158 A JP2002527158 A JP 2002527158A JP 2004509521 A JP2004509521 A JP 2004509521A
- Authority
- JP
- Japan
- Prior art keywords
- outside
- time
- algorithm
- weight vector
- ith
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/015—High-definition television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
- H04N5/211—Ghost signal cancellation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
- H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
- H04L25/03057—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception with a recursive structure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
- H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
- H04L25/03057—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception with a recursive structure
- H04L25/0307—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception with a recursive structure using blind adaptation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03987—Equalisation for sparse channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/41—Structure of client; Structure of client peripherals
- H04N21/426—Internal components of the client ; Characteristics thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L2025/0335—Arrangements for removing intersymbol interference characterised by the type of transmission
- H04L2025/03375—Passband transmission
- H04L2025/03382—Single of vestigal sideband
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L2025/03433—Arrangements for removing intersymbol interference characterised by equaliser structure
- H04L2025/03439—Fixed structures
- H04L2025/03445—Time domain
- H04L2025/03471—Tapped delay lines
- H04L2025/03484—Tapped delay lines time-recursive
- H04L2025/03503—Tapped delay lines time-recursive as a combination of feedback and prediction filters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L2025/03592—Adaptation methods
- H04L2025/03598—Algorithms
- H04L2025/03611—Iterative algorithms
- H04L2025/03617—Time recursive algorithms
- H04L2025/0363—Feature restoration, e.g. constant modulus
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L2025/03592—Adaptation methods
- H04L2025/03598—Algorithms
- H04L2025/03681—Control of adaptation
- H04L2025/03687—Control of adaptation of step size
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
装置(320)は、改良された適応アルゴリズムを用いて適応チャネル等化器(300)のターゲット重みベクトルのスパーシティを活用する。適応アルゴリズムは、先験関数と費用関数を用い、これらの関数に適切な値を選定する。本発明で用いられるアルゴリズムは、疎な送信チャネルでの適応等化器係数を算出するのに適する。改良されたスパースアルゴリズムは、スパースLMS(最小平均二乗)アルゴリズム、スパースCMA(コンスタントモジュラスアルゴリズム)、スパースDD(Decision Directed)アルゴリズムの形態を取る。
Description
【0001】
【発明の背景】
基礎出願
本件出願は、2000年9月11日出願の仮出願第60/231,610号および2001年1月18日出願の仮出願第60/262,506号に基づき、その優先権を主張する。
技術分野
本発明は、広くはディジタル通信デバイスの適応チャネル等化器に関し、特に、アルゴリズムを用いて適応チャネル等化器のターゲット重みベクトルのスパーシティ(sparsity)を活用する装置および方法に関する。
背景技術
ディジタル高精細度テレビジョン(HDTV)同盟は、テレビ産業の製造研究団体で組織されるグループであり、その共同研究の成果として、ディジタルHDTVシステムの標準規格を開発、提案した。連邦通信委員会(FCC:Federal Communication Commission)は多少の変更を加えたうえで、同盟の標準規格をHDTVの公式放送規格として採択した。この規格はATSC規格(Advanced Television System Committee Digital Television Standard)として知られている。
【0002】
地上の放送チャネルを対象としたHDTVデータ送信のためのATSC規格は、12の独立した時間多重格子符号(Time−multiplexed Trellis−coded)のデータストリームのシーケンスを、10.76MHzで8レベルのVSB(Vestigital Sideband)シンボルストリームに変調した信号を用いる。この信号は、標準的なVHFあるいはUHFチャネルに対応する6MHz周波数帯域に変換され、チャネルを介して送信される。
【0003】
ATSC規格は、HDTV信号の2ビットデータシンボルを、8レベル(すなわち3ビット)の一次元配列にしたがって格子符号化することを要する。各データシンボルのうち1ビットはあらかじめ符号化(pre−code)されており、残りの1ビットは、4状態格子符号(Trellis code)にしたがってハーフレートの符号化処理を受け、2つの符号化されたビットが生成される。インターリーブを行うために、12の同一のエンコーダとプレコーダが設けられ、各エンコーダとプレコーダは、12の連続するデータシンボルごとに順次動作する。第1のエンコーダでは、シンボル0、12、24、36、…が第1系列として符号化され、第2のエンコーダでは、シンボル1、13、25、37、…が第2系列として符号化され、シンボル2、14、26、38、…は第3系列として符号化され、以下同様に、トータルで12の符号化列が生成される。したがって、ATSC規格では、HDTV受信機においても、信号中の12系列の時分割インターリーブデータシンボルに対処すべく、12の格子デコーダ(Trellis decoder)を必要とする。HDTV受信機の各格子デコーダは、符号化されたデータシンボルストリーム中に含まれる12のデータシンボルごとに復号する。
【0004】
ATCS規格受信機の格子デコーダは、8レベルのVSBシンボルに変換、変調、送信される直前に格子符号化されたオリジナルのディジタルデータを、検索する。格子符号を用いることによって、受信信号の信号/雑音比が改善される。また、12の独立したストリームを時間多重化することによって、同一周波数のアナログNTSC放送信号との同チャネル干渉を防止できる。なお、NTSCはNational Television standards Committeeの略である。
【0005】
4状態格子符号を複合する格子デコーダは、周知のViterbi復号アルゴリズムにしたがって動作する。各デコーダは、分岐基準生成ユニットと、アッダ/コンパレータ/セレクタユニットと、パスメモリユニットとを備える。この構成は、たとえば、G.Ungerboeck による“Trellis−coded Modulation With Redundant Signal Set, Part I, Introduction; Part II, State of the Art,”IEEE Communications Magazine, Vol.25, pp.5−21 に開示されている。
【0006】
また、雑音による信頼性の劣化に加え、送信された信号は、決定論的なチャネル歪と、マルチパス干渉によって引き起こされる歪とを被っている。このため、通常は格子デコーダの前段に適応チャネル等化器が挿入され、これらの歪を補償する。送信側の12の格子エンコーダによって生成されたシンボルストリームとできる限り近いシンボルストリームを再生するのが最終目的だからである。
【0007】
一般に使用されている等化アーキテクチャは、決定フィードバック等化器(DFE:Decision Feedback Equalizer)として知られる第2の等化器を利用する。このアーキテクチャでは、通常のフォワード等化器(FE:Forward Equalizer)をDFEが補足している。等化器全体(FEとDFE)からは、現在のシンボルの本来の送信値についての推定値が出力され、この出力は決定フィードバック等化器(DFE)に入力される。DFEからの出力は、フォワード等化器(FE)の出力に加算されて、出力シンボルが生成される。一般的な処理では、出力シンボルの推定値は、等化器の出力を単純に「スライシング」することによって得られる。「スライシング」とは、実際の出力に最も近い(VSB変調されたATSC規格による8段階の)許容シンボル値を取り込むプロセスを言う。決定フィードバック等化器(DFE)でスライシングされたシンボルを用いることによって、簡単な手法でほぼ最良のエラー率特性を達成することができる。しかしこの方法は、スライシングエラーによる誤り増殖を被るおそれがある。HDTV信号の等化器後段における一般的なシンボルエラー率は20%にも達するので、DFEフィルタタップの数が増えると、深刻な問題となる。
【0008】
等化器を通過した後、HDTV信号は格子デコーダで復号される。この格子デコーダはViterbiアルゴリズムを用いて、送信側でハーフレート格子符号化(Trellis coding)されたシンボルストリームを復号する。前述したように、ATSC規格は、12の格子エンコーダと12の格子デコーダを時間多重方式で並列に用いている。格子復号の後は、バイトインターリーブ解除(de−interleave)とリードソロモン復号が行われ、信号中の送信エラーをさらに補正する。
【0009】
適応等化器のフィルタ係数を計算するアルゴリズムは多数存在するが、一般に用いられているのが最小平均二乗(LMS:Least Mean Square)アルゴリズムである。LMSアルゴリズムは、現在の係数とデータタップ値、および等化器のエラーを用いて、新たな係数値を算出する反復近似方法である。LMSアルゴリズムでは、各フィルタ係数が所望の最適値に収束するまで演算を繰り返す。
【0010】
一般的なLMSアルゴリズムでは次式を用いて係数ベクトルが決定される。
【0011】
Cn+1 = C + μEdn
ここでCn は時間nにおける係数ベクトル、μは適応速度定数、dn は時間nにおけるフィルタのデータベクトル、Eは等化器出力から算出されたエラー(誤差)である。Eの値は、データストリームに埋め込まれた公知の調整シーケンスを用いて、Decision Directed方式で計算できる。あるいはCMA(Constant Modulus Algorithm)アルゴリズムやDD(Decision Directed)アルゴリズムを用いて、ブラインド方式で算出してもよい。
【0012】
送信チャネルはしばしばスパース(sparse:疎)になる。最適設計された適応等化器は送信チャネルのスパーシティ(sparsity)を反映するが、従来の最小平均二乗(LMS)アルゴリズムや、CMA(Constant Modulus Algorithm)、DD(Decision Directed)アルゴリズムといった方法は、疎な送信チャネルに関する「アプリオリ(先験的)」な情報を活用していない。
【0013】
最近では、ターゲットの重みベクトルが疎であるとき、通常の勾配方法よりも、累乗勾配(EG:exponentiated Gradient)アルゴリズムを用いたほうが性能がよいとわかっている。“Exponentiated Gradient Versus Gradient Descent for Linear Predictors”by J.Kivinen and M.K. Warmuth in Information and Computation, 132(1), pp. 1−64, 1997 参照。ただし、EGアルゴリズムにはいくつかの問題もあり、これを通信信号処理に適用することは困難である。たとえば、EGアルゴリズムでは演算処理の複雑さを免れ得ない。
【0014】
したがって、一般の受信機であろうとATSC VSB受信機であろうと、適応チャネル等化器のターゲットの重みベクトルのスパーシティ(sparsity)を有効に活用できる適応等化アルゴリズムの実現が望まれている。
発明の概要
上述した従来技術における問題点を解決するため、本発明の装置および方法は、改良されたアルゴリズムを用いて適応チャネル等化器のターゲットの重みベクトルのスパーシティ(sparsity)を有効利用する。
【0015】
本発明では、通信チャネルの既知のスパーシティ情報を用いて、適応等化器係数を算出し、等化器係数の係数収束率を高める。
【0016】
本発明の目的のひとつは、効率的な適応チャネル等化器を設計する装置および方法を提供することにある。
【0017】
本発明の別の目的は、適応チャネル等化器のターゲット重みベクトルのスパーシティを活用できる改良されたアルゴリズムを用いる装置および方法の提供にある。
【0018】
本発明のひとつの態様として、LMS(最小平均二乗)アルゴリズムを改良して、適応チャネル等化器のターゲット重みベクトルのスパーシティを活用する装置および方法を提供することにある。
【0019】
本発明の別の態様では、CMA(Constant Modulus)アルゴリズムを改良して、適応チャネル等化器のターゲット重みベクトルのスパーシティを活用できる装置および方法を提供することにある。
【0020】
本発明のさらに別の態様では、DD(Decision Directed)アルゴリズムを改良して、適用チャネル等化器のターゲット重みベクトルのスパーシティを活用できる装置および方法を提供することにある。
【0021】
以上は、当業者が以下の詳細な説明をよりよく理解できるように、発明の目的とする特徴、効果を概略的に述べたものであるが、クレームの主題を裏付ける詳細な記載で、技術的効果がさらに理解される。当業者にとっては、本願に開示される発明のコンセプトと実施形態に基づいて、本発明の目的を達成する多数の変形例や設計が可能であり、そのような均等物についても、本発明の技術的範囲に含まれるものとする。
【0022】
本発明を詳細に説明する前に、本明細書中のいくつかの用語について定義する。「含む」「備える」という用語は限定のない包含を意味し、「または」という言葉は、「および/または」を含む場合もある。「関連する」という用語は、「含む」、「含まれる」、「相互連結する」、「包含する」、「包含される」、「接続する」、「つながる」、「通じる」、「協同する」、「インターリーブする」、「並置する」、「近接する」、「結合する」、「有する」、「特性を有する」などの意味を含み得る。また、「コントローラ」、「プロセッサ」、「装置」というときは、少なくともひとつの動作を制御する任意のデバイス、システム、これらの部分を意味し、ハードウェア、ファームウェア、ソフトウェア、およびこれらの任意の組み合わせによって実現される。特定のコントローラに関する機能は中央集中型でも分散型でもよく、局所あるいは遠隔のものも含む。コントローラはまた、1以上のデータプロセッサと、アプリケーションプログラムおよびOS(operating system)プログラムを実行する関連の入出力装置およびメモリを含む場合もある。上記以外にも、用語、文言の意味は、明細書全体から導かれるものである。このような用語の意味は、現在または過去の用法のみならず、将来の用法にも当てはまることを当業者は理解されたい。
発明の実施の形態
本発明の原理を説明するために使用される添付図面および以下の実施の形態の説明は、あくまでも例示として用いられるだけであり、本発明の範囲を限定するように解釈されるべきではない。以下で述べる実施の形態では、HDTVシステムに適用される例をとって説明するが、本発明はこれらの例に限定されない。適用チャネル等化器のターゲット重みベクトルのスパーシティを活用する改良されたアルゴリズムは、類似する任意のシステムに適用可能であり、当業者であればそのような適用例は用意に想到できるものである。
【0023】
図1は、高精細度テレビジョン(HDTV)送信機100の一例を示すブロック図である。MPEGコンパチブルデータパケットは、リードソロモン(RS)エンコーダ110により、フォワードエラー補正(FEC)のため符号化される。次に、各データフィールドの連続するセグメントのデータパケットは、データインターリーバ120によってインターリーブされる。インターリーブされたデータパケットは、格子エンコーダ130によってさらにインターリーブされ、符号化される。格子エンコーダ130は、各シンボルが3ビットで表現されるシンボルストリームを生成する。3ビットのうちの1ビットはあらかじめ符号化(プレコード)され、残りの2ビットは、4状態格子符号化によって生成される。
【0024】
格子エンコーダ130は、12の並列の格子エンコーダ/プレコーダユニットで構成され、インターリーブされた12の符号化データシーケンスを生成する。格子エンコーダ/プレコーダユニットの各々で符号化された3ビットは、マルチプレクサ140に送られ、フィールドおよびセグメント同期ビットと結合される。さらに、パイロット挿入ユニット150でパイロット信号が挿入され、VSB(Vestigial Sideband)モジュレータ160により、VSB抑制搬送波で8レベル変調される。データストリームはさらに、RFコンバータ170により、無線周波数に変換される。
【0025】
図2は、HDTV受信機200の一例を示すブロック図である。受信されたRF信号は、チューナ210によって中間周波数(IF)帯域に変換される。次に、IFフィルタ/デテクタ220によってフィルタリングされ、ディジタル方式に変換される。検出信号は、各々が8レベル配列のひとつのレベルを表すデータシンボルストリームの形式になっている。この信号はさらに、NTSC除去フィルタ230でフィルタリングされ、等化/位相トラッキングユニット240により、信号等化および位相トラッキング処理を受ける。このように処理された符号化データシンボルは、次に格子デコーダ250で格子復号化される。復号されたデータシンボルは、データデインターリーバ(data de−interleaver)260によって、インターリーブが解除され、最後にリードソロモンデコーダ270でリードソロモン復号化される。これにより、送信機100により送信されたMPEGコンパチブルデータパケットが回復する。
【0026】
図2の構成を、コンピュータディスケット280として実現してもよい。この場合、たとえば、テレビジョン受信機200のコンピュータディスクドライブ(不図示)に、コンピュータディスケット280を挿入する。コンピュータディスクドライブは、テレビジョン受信機200の適応チャネル等化器のターゲット重みベクトルに関する信号情報を受信し、その信号情報をコンピュータディスケット280に書き込む。また別の構成例として、コンピュータディスケット280に、本発明の方法を実行するコンピュータプログラムを格納する構成としてもよい。さらに、コンピュータディスケット280は、コンピュータ処理されたデータおよび命令を格納できる任意の種類の媒体であってもよい。
【0027】
図3は、図2の等化器/位相トラッカ240で使用される従来の適応チャネル等化器300のブロック図である。従来の適応チャネル等化器300は、フォワード等化器(FE)フィルタ310と、決定フィードバック等化器(DFE)フィルタ320を備える。フォワード等化器(FE)フィルタ310の出力は、加算器330において、決定フィードバック等化器(DFE)フィルタ330の出力に加算され、適応チャネル等化器300の出力を生成する。
【0028】
フォワード等化器(FE)フィルタ310は、その入力として未補償のチャネルシンボルデータを受け付けるが、決定フィードバック等化器(DFE)フィルタ320の方は、シンボルがノイズにより劣化する前に、その入力としてチャネルを送信されてきたシンボルの推定値を必要とする。
【0029】
周知のように、DFEフィルタ320は、等化器の出力を単純にスライシングすることによって、出力されたシンボルの推定値を入力として得ることができる。「スライシング」とは、実際の出力に最も近い(VSB変調されたATSC規格による8段階の)許容シンボル値を取り込むプロセスを言う。図3の例では、レベルスライサ340が等化器300から出力されたシンボルをスライスし、マルチプレクサ350を介して決定フィードバック等化器(DFE)フィルタ320に供給する。出力されたシンボルの推定値をDFEフィルタ320に供給するこの方法は、スライシングエラーに起因する誤り増殖を被るおそれがある。
【0030】
また、DFEフィルタ320は、調整モードとブラインドモードの双方で動作できることが知られている。調整モードでは、DFEフィルタ320は、ある既知の時間に既知のシンボルの「調整シーケンス(あるいはトレーニングシーケンス)」をマルチプレクサ350を介して受け取る。DFEフィルタ320は、この既知の調整シーケンスを、「調整適合用の等化器エラー」と比較する。調整適合用の等化器エラーは、上述した既知の調整シーケンスから等化器出力を減算することによって得られる。比較後、DFEフィルタ320は、等化器の出力が調整信号の既知のシーケンスと整合するように、その動作を調整する。
【0031】
一方、ブラインドモードでは、DFEフィルタ320は、ブラインドエラーユニット360から「ブラインド適合用の等化器エラー」を受け取る。ブラインドエラーユニット360は、等化器の出力を、データの統計的期待分布と比較し、ブラインド適合用の等化器エラーを生成する。DFEフィルタ320は生成されたエラーに基づいて、等化器の出力がデータの統計的期待分布に整合するように、その動作を調整する。
【0032】
図4は、図3に示したフォワード等化器(FE)フィルタ310と決定フィードバック等化器(DFE)フィルタ320で使用される一般的な適応有限インパルス応答(FIR)フィルタ400を示す。チャネル歪ができる限り補償されるように、FIRフィルタ400の係数が決定される。FIRフィルタ400の長さは、このFIRフィルタ400が補正するように設計されている最大減損遅延に対応する。
【0033】
FIRフィルタ400は、多数のフィルタタップセル(以下、単に「フィルタタップ」と称する)410で構成される。各フィルタタップ410は、データ格納レジスタ420と、係数格納レジスタ430と、乗算器440とを有する。乗算器440の出力は、加算器450に入力される。加算器450は、重み付けされたすべてのタップ値の総和を求め、フィルタ出力を生成する。フィルタタップ410はまた、係数適応ユニット460を有し、係数適応ユニット460は、最新のフィルタ係数を計算して更新する。係数適応ユニット460への入力は、(1) 現在の係数値、(2) データタップ値、(3) 等化器エラー(信号期待値と実際に出力された信号値との差)である。係数適応ユニット460は、適応プロセスが実行されている間のみ動作する。
【0034】
フィルタ係数を計算する一般的な方法では、周知の最小平均二乗(LMS)アルゴリズムを用いる。LMSアルゴリズムは、現在の係数とデータタップ値および等化器エラー(誤差)を用いて近似を繰り返し、新たな係数値を算出する。LMSアルゴリズムでは、各フィルタ係数が所望の最適値に収束するまで演算を繰り返す。
【0035】
一般的なLMSアルゴリズムでは次式を用いて係数ベクトルが決定される。
【0036】
Cn+1 = C + μEdn
ここでCn は時間nにおける係数ベクトル、μは適応速度定数、dn は時間nにおけるフィルタのデータベクトル、Eは等化器出力から算出されたエラーである。Eの値は、データストリームに埋め込まれた既知の調整シーケンスを用いて、Decision Directed方式で計算することができる。あるいはCMA(Constant Modulus Algorithm)アルゴリズムやDD(Decision Directed)アルゴリズムを用いてブラインド方式で算出してもよい。
【0037】
図5は、フォワード等化器(FE)フィルタ310と格子デコーダ250との接続関係および格子デコーダ250と決定フィードバック等化器(DFE)フィルタ320との接続関係を示す。フォワード等化器(FE)フィルタ310からの出力は、加算器330において、決定フィードバック等化器(DFE)フィルタ320の出力と加算され、格子デコーダ250への入力が生成される。格子デコーダ250からのパスメモリ出力は、決定フィードバック等化器(DFE)フィルタ320にフィードバックされる。パスメモリ出力に含まれる情報は、決定フィードバック等化器(DFE)フィルタ320のエラー低減のために使用される。
【0038】
本発明に係る装置および方法は、適応等化器係数を算出するための改良されたアルゴリズムを提供する。改良されたアルゴリズムは、種々の異なる等化器回路に使用可能であり、たとえば図5に例示する等化器回路では、このアルゴリズムは決定フィードバック等化器(DFE)320に設定される適応等化器係数の算出に用いられるが、これ以外の等化器回路にも適用だけに限られるわけではない。
【0039】
本発明による改良アルゴリズムは、スパース(sparse:疎)な送信チャネルに用いられる等化器回路で効果的に機能する。従来の等化器回路はターゲット重みベクトルのスパーシティを活用するように意図された一群のアルゴリズムを用いていたが、従来のアルゴリズムは、(1) 調整シーケンスが有効に使用可能であり、(2) 重み付けが正であり、(3) 重みを合計すると均一になる、ことを前提として構想されていた。
【0040】
一方、本発明の改良アルゴリズムは、これらの要因を前提として要しないので、適応チャネル等化器のターゲット重みベクトルの既知のスパーシティをより効果的に活用することが可能になる。
【0041】
従来のアルゴリズムのひとつに、EG(Exponentiated gradient:累乗勾配)アルゴリズムがある。近年、ターゲット重みベクトルが疎(sparse)である場合は、通常の勾配方法を用いるよりも、EGアルゴリズムのほうが性能がよいことがわかってきた。“Exponentiated Gradient Versus Gradient Descent for Linear Predictors”by J.Kivinen and M.K. Warmuth in Information and Computation, 132(1), pp. 1−64, 1997 を参照。ただし、EGアルゴリズムにはいくつかの問題もあり、これを通信信号処理に適用することは困難である。たとえば、EGアルゴリズムでは演算処理の複雑さを免れ得ない。また、EGアルゴリズムは、上述した仮定(1)および(3)を必要とする
本発明に係る改良アルゴリズムの背景は、R.E.Mahony と R.C. Williamsonの共著による論文“Riemannian Structure of Some New Gradient Descent Learning Algorithmn(新規な勾配降下学習アルゴリズムにおけるリーマン構造)”, Proceedings of IEEE 2000 Symposium on Adaptive Systems for Signal Processing, Communication and Control, pp. 197−202, 2000 を参照するとよく理解できる。この論文は、幾何学的な「優先構造(preferential structure)」を用いて、事前の知識を学習アルゴリズムの中に符号化する方法に関して広く論じている。主なコンセプトは、アルゴリズムが既知の事前情報を組み込む形状の誤差面(error surface)に展開するように、メトリック(metric:距離関数)を定義することを含む。たとえば、i番目の成分は信頼性があるがj番目の成分は信頼性がないとわかっている場合、アルゴリズムはj番目の方向により大きなステップを取る。これは基礎となるスペースを歪ませることによって行われ、実際はアルゴリズムのステップサイズを所望の方向に増加あるいは減少することによって実現できる。
【0042】
数学的には、優先距離関数は、i番目の重みパラメータwi についての既知の「アプリオリ(先験的)」な知識を表わす関数φi(wi)のファミリーである。アプリオリとは、ベイズの定理でいう「prior(事前あるいは先験)」と同義である。一般に自然勾配(NG:Natural Gradient)」は、式(1)で表される。
【0043】
【数13】
ここでLは「費用関数」であり、これが最小になるように見積もってゆく。Φはφの不定積分である。
【0044】
式(1)で表される一般的な自然勾配(NG)アルゴリズムの反復演算結果は、非線形なΦとΦ−1を含むせいで、非常に複雑である。より有用な方法として、テイラー級数を用いて式(1)の一次近似を導く方法があり、この手法は式(2)で表される。
【0045】
【数14】
式(2)で表される方法は、「近似自然勾配(ANG:Approzimate Natural Gradient)」法と呼ばれている。近似自然勾配方法のより詳細な情報については、R.K. Martin、W.A. Sethares、R.C. Williamson 共著の“Exploiting Sparsity in Equalization Algorithms”, Cornell University Technical Report XX−2000 を参照されたい。
【0046】
費用関数Lと先験知識φを適切に選定することによって、特に重み付けのスパーシティと情報構造を活用するように設計された適応方法を創出することが可能になる。本発明は、費用関数と先験知識を種々の状況に応じて選定する一連の新たなアルゴリズムで構成される。たとえば8レベルVSB変調されたHDTV等化器のように、特定の目的にアルゴリズムを適用する際の先験情報の適切な選択方法については、後述する。
【0047】
ターゲット重みベクトルの先験情報は、第1原理から得られる。たとえば、チャネルが空間および時間的に十分に隔てられた多数の離散反射で構成されるならば、そのチャネルは疎であると考えられる。先験情報はまた、統計学的研究に基づいて導き出せる。たとえば、特定の等化器はしばしば、タップのほとんどがほぼゼロとなるコンフィギュレーションに収束するなどである。しかし、このような先験情報をアルゴリズムの中に用いるためには、簡単な関数の形に作り直す必要がある。
【0048】
ターゲット重みベクトルのデータベースがあるとする。ここから、収集されたすべてのチャネルデータのすべての等化器係数のヒストグラムを作成するのである。スパーシティの予想に従えと、ヒストグラムは、少数の大タップと、多数の小タップという形をとる。次に、ヒストグラムにパラメータで表現された曲線をフィットさせる必要がある。この関数は先験情報φの候補としてすぐれている。
【0049】
たとえば、先験情報を表す関数として、式(3)が得られるとする。
【0050】
【数15】
式(3)において、重みパラメータwが小さければ、φ(w)は大きく、wが大きければφ(w)は小さくなる。指数αは、ヒストグラムがどのように減衰するかを表す。絶対値を取ることによって、重み付けwは、正と負の双方の値を取ることができる。εは分母がゼロにならないことを補償する。
【0051】
このような先験関数φと費用関数Lとの間に、以下の関係が示される。
命題1 φ、γ、
【0052】
【外77】
を、それぞれ式(2)の近似自然勾配(ANG)アルゴリズムの先験情報、パラメータ表示、費用関数とする。
【0053】
【外78】
は式(4)で表わされる。
【0054】
【数16】
ここでχk は測定された入力データ、関数
【0055】
【外79】
は(少なくともそのドメインにわたって)反転関数を取り得る。今、関数
【0056】
【外80】
と
【0057】
【外81】
があり、式(5)が成立するとする。
【0058】
【数17】
このとき、
【0059】
【外82】
【0060】
【外83】
【0061】
【外84】
は、同じ近似自然勾配(ANG)アルゴリズムのための、先験情報、パラメータ表示、費用関数の代替である。
【0062】
特に、近似自然勾配(ANG)アルゴリズムは、基準パラメータ表示γ(w)=wを用いて、別の先験情報φからも導くことができる。この先験情報は、再パラメータ表示関数のような混乱の影響がなく、先験情報としての信頼性を表しているので、「真の」先験情報を呼ばれる。ANGアルゴリズムはまた、基準先験情報φ=1(パラメータのすべての値が同様に見込みありという信頼性の度合いに対応する)を用いて、再パラメータ表示することによっても、導くことができる。この場合、γは、アルゴリズムが基準ユークリッド勾配で展開する費用関数を与える。これらの方法を使い分けるのが有用である。先験情報の観点からアルゴリズムの振る舞いを理解するのが容易な場合もあるし、費用関数野の見地から理解するほうが容易な場合もあるからである。式5で、
【0063】
【外85】
をφ2 で除算した値が等しいことから、同じアルゴリズムを双方のフレームワークに並進(平行移動)できる。
【0064】
したがって、γ(w)=w、α=1である式(3)の先験関数は、先験関数φ(w)=1、パラメータ表示γ(w)が式(6)で表される費用関数Lに対応することになる。
【0065】
【数18】
どちらの観点からも有効であり、いずれを用いても同じ反復更新の規則に到ることになるが、前者の方は先験情報が何であるべきかを容易に決定することができ、後者は適切な近似自然勾配(ANG)アルゴリズムを容易に書き表すことができる。
【0066】
次に、本発明で用いられる改良されたアルゴリズムについて説明する。多くの場合、式(2)で表される近似自然勾配(ANG)アルゴリズムと、等化のユークリッド勾配(φ=1に対応)の費用関数と、真の先験情報(γ(w)=wに対応)とが与えられる。改良されたアルゴリズムは、特に疎なチャネルに適するように構想された最小平均二乗(LMS)アルゴリズムのである。また別の例として、改良されたアルゴリズムは、ブラインドCMA(コンスタントモジュラスアルゴリズム)や、DD(Decision Directed)アルゴリズムを用いる。これらのアルゴリズムも同様に、ターゲット重みベクトルについての先験情報を活用することができる。
[アルゴリズム1 疎(スパース)LMSアルゴリズム]
式(6)で表されるパラメータ表示および先験関数φ(w)=1とともに、式(7)で表される基準MSE(平均二乗誤差)費用関数を用いると、式(8)の近似自然勾配(ANG)アルゴリズムが導かれる。
【0067】
【数19】
【0068】
【数20】
α=1の場合、式(3)の先験情報と費用関数γ(w)=wを用いても、式(8)のANGアルゴリズムを得ることができる。式(8)のANGアルゴリズムと基準LMSアルゴリズムとの相違は、ステップサイズμに乗算する
【0069】
【外86】
の項がある点である。基本的に、時間kにおけるi番目の重みベクトル
【0070】
【外87】
の現在の推定値が小さい場合は、更新結果、すなわち時間k+1におけるi番目の重みベクトルも小さい。逆に、現在の
【0071】
【外88】
が大きければ、更新結果も大きい。これは、単純かつ直截に、なぜ式(8)の改良されたアルゴリズムがスパース(疎)な環境でより性能良く機能するかを示している。データの信頼性が低そうな場合(たとえば、先験情報と異なるなど)、大きなステップサイズを取り、データの信頼性が高そうな場合(先験情報を補強するなど)は、小さなステップサイズを取る。
【0072】
上述したすべての導出は、個々の重み付けに対して個別に行われる。したがって、異なる重みに対して異なる先験情報を使用できれば、異なるアルゴリズムの更新結果を用いることができる。これはたとえば、中央のタップが大きく等化器端部のタップが小さく疎である場合の等化器の設計について有益なものとなる。
[アルゴリズム2 疎(スパース)CMAアルゴリズムのブラインド適応]
通信上の問題の多くは、送信信号が有限のアルファベットから取り出される疎うそで構成されることにある。この特性を、適応の方向性を指示するのに活用することができる。よく用いられる方法のひとつは、式(9)の費用関数を含むコンスタントモジュラスアルゴリズム(CMA:Constant Modulus Algorithm)である。
【0073】
【数21】
ここでcは与えられた配置にとって適切な定数である。式(9)の最も有用な側面は、yk から独立したアルゴリズムを導けることと、調整信号(トレーニング信号)がなくても式(9)を用いて重み付けを適応できることである。このようなアルゴリズムを「ブラインド」アルゴリズムと称する。以下で、自然勾配(NG)と近似自然勾配(ANG)の手法を式(9)に組み合わせることによって、どのようにして重み付けについての先験知識を明確に活用した反復演算結果を算出するブラインドアルゴリズムを導くのかを説明する。
【0074】
最も単純な例は、重み付けについての均一な先験関数φ(w)=1の場合である。これは、Φ(w)=1、Φ−1(z)=zに対応する。この場合、式(10)の自然勾配(NG)アルゴリズムが導かれる。
【0075】
【数22】
式(2)を用いても、まさに同じ形の近似自然勾配(ANG)アルゴリズムが導かれる。実際、式(10)は、基準CMAアルゴリズムである。
【0076】
しかし、先験知識が式(3)の先験関数を示唆する場合を仮定してみると、近似自然勾配(ANG)アルゴリズムは式(11)のようになる。
【0077】
【数23】
もちろん、別の先験情報を用いても、同様の方法でまた別の反復更新の規則(アルゴリズム)を導くことができる。
【0078】
費用関数
【0079】
【外89】
を変形することも可能である。変形例として、式(9)を式(12)のように一般化したものがある。
【0080】
【数24】
ここでpおよびqは、多様な値を取る。この費用関数を先験情報と組み合わせると、自然勾配(NG)あるいはより単純な近似自然勾配(ANG)の形で、一般化された疎なCMAアルゴリズムが導ける。単純なANGの形でのアルゴリズムは式(13)に示される。
【0081】
【数25】
この場合、式(14)の真の先験関数を用いる。
【0082】
【数26】
すべてのアルゴリズムを、複雑なケースのために一般化することができる。すべてのアルゴリズムについて、異なる重み付けwが、それぞれ異なる先験情報と、この先験情報に整合する異なる反復更新規則とを有するように設計することが可能である。
[アルゴリズム3 疎(スパース)DDアルゴリズムのブラインド適応]
もうひとつの重要なアルゴリズムは、有限アルファベット用に設計されたDD(Decision Directed)ブラインドアルゴリズムである。DDアルゴリズムは、式(15)で表される費用関数におけるユークリッド降下とみることができる。
【0083】
【数27】
ここで関数Qは、アルファベット中の最も近い文字への独立変数を定量化したものである。この導出では、関数Qは不連続であるという事実は無視し、形式上その導関数をゼロに置き換える。
【0084】
最も単純な例は、均一な先験関数φ(w)=1および基準パラメータ表示γ(w)=wの場合である。この場合、式(16)の自然勾配(NG)アルゴリズムが導かれる。
【0085】
【数28】
式(2)を用いても、同じ形の近似自然勾配(ANG)アルゴリズムが導かれる。式(16)は、基準DDアルゴリズムである。
【0086】
式(17)で表される先験関数φ(w)が1ではなく、分数である場合、この先験関数と基準パラメータ表示を用いると、近似自然勾配(ANG)アルゴリズムは式(18)のようになる。
【0087】
【数29】
【0088】
【数30】
式(18)の重み付けは、式(6)の再パラメータ表示を用いて式(15)で定義される費用関数Lのユークリッド降下に対応する。その他の先験関数を用いても、同様の方法で、別のアルゴリズム(反復更新規則)やその他の変形を導くことができる。たとえば、式(15)に含まれる指数係数は2ではなく、別の値を用いてもよい。
[アルゴリズムの性能]
上述した先験情報を活用することによって、より高い収束率を実現できることの理論的証拠は、種々存在する。たとえば、前述のR.E.Mahony, R.C. Williamsonの共著による“Riemannian Structure of Some New Gradient Descent Learning Algorithmn”, Proceedings of IEEE 2000 Symposium on Adaptive Systems for Signal Processing, Communication and Control, pp. 197−202, 2000 や、S.T. Hill, R.C. Williamsonの共著による1999年9月の“Convergence of Exponentiated Gradient Algorithms”, IEEE Transactions on Signal Processing などである。
【0089】
図6は、通常のLMSアルゴリズムと、本発明に係る疎(スパース)LMSアルゴリズムを用いていくつかのシステムで実験した比較結果の特性カーブを示すグラフである。比較は、平均二乗誤差(MSE)、収束率、トラッキング性能により行われた。比較を公正なものにするために、ステップサイズを選択して収束後にMSEを等式化した。2つのアルゴリズムの収束率はシミュレーションにより比較した。本発明による改良を実証するために完全に既知の設定でスパーシティを利用した。
【0090】
シミュレーションは疎な環境で行われた。第1のチャネルは10のタップを有し、[1、3、4、8]番目に位置するタップが[0.1、1.0、−0.5、0.1]の値をとる非ゼロタップとした。第2のチャネルは、100のタップを有し、[1、30、35、85]番目に位置するタップが同様に[0.1、1.0、−0.5、0.1]の値をとる非ゼロタップとした。ゼロ初期化を行い、収束点での平均二乗誤差MSEが同じになるようにステップサイズμを選択した。すなわちμ=0.0050になるように、第1チャネルのステップサイズをμsparse=0.0215、第2チャネルのステップサイズをμsparse=0.0629とした。ノイズパワーは(0.0215)2 、疎LMSアルゴリズムにおけるεの値は、1/16とした。
【0091】
図6は、上述した第1チャネルと第2チャネルにおいて、LMSアルゴリズムと疎LMSアルゴリズムの、時間経過(シンボル数)とMSE(平均二乗誤差)の関係を示す。MSE(平均二乗誤差)は、各アルゴリズムについて100回の試行の全体平均を取ることによって計算した。このグラフから、環境が十分に疎であれば、疎LMSアルゴリズムの収束率のほうが、ずっと早いことがわかる。
【0092】
図7は、LMSアルゴリズムと疎LMSアルゴリズムのトラッキング性能を示すグラフである。シミュレーションは、20タップのチャネルを用いて行われ、このうち2つのタップがサインカーブで時間変化している。実際のチャネルは、図6の上のグラフに示されるチャネルの1010倍の規模である。タップ15とタップ16は、それぞれ1+0.2sin(π/256k)と、0.2sin(π/256k)で変化するように設定した。kは繰り返し回数であり、ステップサイズは平均二乗誤差(MSE)を等化するように選択した。
【0093】
図7の上のグラフは、小タップと大タップの双方が変化する場合の、実際のタップ(破線)と、アルゴリズムによる推定値とを示している。疎LMSアルゴリズムは、タップが大きいとすぐれたトラッキング能力を示すが、タップが小さいと、そうでもない。これは、有効ステップサイズがほとんどゼロに近いくらいに小さいからである。図7の下のグラフは、LMSアルゴリズムと疎LMSアルゴリズムについて、大きいタップのみが変化する場合の平均二乗誤差(MSE)を示す。疎LMSアルゴリズムは、タップが大きいときにトラッキング性能を発揮するので、その平均二乗誤差も通常のMLSアルゴリズムほどばらつかない。
【0094】
自然勾配アルゴリズムの枠組みから、LMSアルゴリズムと広範囲の変種が導かれてきたが、同様に、その他のアルゴリズム(たとえばCMAアルゴリズムやDD−LMSアルゴリズム)とその変種も導かれている。再パラメータ表示と先験情報のコンセプトを用いて、システムの分布に関する先験知識をどのように活用するかを、特にタップの疎分布を例にとって説明した。
【0095】
先験知識(たとえば8レベルVSM変調等化器の問題など)がある場合、そのような知識を活用するように設計されたアルゴリズムを採用するに越したことはない。
【0096】
本発明を特定の実施形態に基づいて述べてきたが、当業者にとって本発明のコンセプトと範囲を離れることなく、多様な変形、代替、適用が可能であることは言うまでもない。
【図面の簡単な説明】
【図1】
一般的なHDTV送信機のブロック図である。
【図2】
一般的なHDTV受信機のブロック図である。
【図3】
一般的なフォワード等化器(FE)フィルタと決定フィードバック等化器(DFE)フィルタとを備える適応チャネル等化器のブロック図である。
【図4】
適応チャネル等化器で用いられる適応有限インパルス応答(FIR:Finite Impulse Response)のブロック図である。
【図5】
フォワード等化器(FE)から格子デコーダへの接続、および格子デコーダから決定フィードバック等化器(DFE)への接続を示すブロック図である。
【図6】
平均二乗誤差(MSE)と時間との関係を、一般的なLMSアルゴリズムと疎LMSアルゴリズムについて示すグラフである。
【図7】
LMSアルゴリズムと疎LMSアルゴリズムのトラッキング性能を示すグラフである。
【発明の背景】
基礎出願
本件出願は、2000年9月11日出願の仮出願第60/231,610号および2001年1月18日出願の仮出願第60/262,506号に基づき、その優先権を主張する。
技術分野
本発明は、広くはディジタル通信デバイスの適応チャネル等化器に関し、特に、アルゴリズムを用いて適応チャネル等化器のターゲット重みベクトルのスパーシティ(sparsity)を活用する装置および方法に関する。
背景技術
ディジタル高精細度テレビジョン(HDTV)同盟は、テレビ産業の製造研究団体で組織されるグループであり、その共同研究の成果として、ディジタルHDTVシステムの標準規格を開発、提案した。連邦通信委員会(FCC:Federal Communication Commission)は多少の変更を加えたうえで、同盟の標準規格をHDTVの公式放送規格として採択した。この規格はATSC規格(Advanced Television System Committee Digital Television Standard)として知られている。
【0002】
地上の放送チャネルを対象としたHDTVデータ送信のためのATSC規格は、12の独立した時間多重格子符号(Time−multiplexed Trellis−coded)のデータストリームのシーケンスを、10.76MHzで8レベルのVSB(Vestigital Sideband)シンボルストリームに変調した信号を用いる。この信号は、標準的なVHFあるいはUHFチャネルに対応する6MHz周波数帯域に変換され、チャネルを介して送信される。
【0003】
ATSC規格は、HDTV信号の2ビットデータシンボルを、8レベル(すなわち3ビット)の一次元配列にしたがって格子符号化することを要する。各データシンボルのうち1ビットはあらかじめ符号化(pre−code)されており、残りの1ビットは、4状態格子符号(Trellis code)にしたがってハーフレートの符号化処理を受け、2つの符号化されたビットが生成される。インターリーブを行うために、12の同一のエンコーダとプレコーダが設けられ、各エンコーダとプレコーダは、12の連続するデータシンボルごとに順次動作する。第1のエンコーダでは、シンボル0、12、24、36、…が第1系列として符号化され、第2のエンコーダでは、シンボル1、13、25、37、…が第2系列として符号化され、シンボル2、14、26、38、…は第3系列として符号化され、以下同様に、トータルで12の符号化列が生成される。したがって、ATSC規格では、HDTV受信機においても、信号中の12系列の時分割インターリーブデータシンボルに対処すべく、12の格子デコーダ(Trellis decoder)を必要とする。HDTV受信機の各格子デコーダは、符号化されたデータシンボルストリーム中に含まれる12のデータシンボルごとに復号する。
【0004】
ATCS規格受信機の格子デコーダは、8レベルのVSBシンボルに変換、変調、送信される直前に格子符号化されたオリジナルのディジタルデータを、検索する。格子符号を用いることによって、受信信号の信号/雑音比が改善される。また、12の独立したストリームを時間多重化することによって、同一周波数のアナログNTSC放送信号との同チャネル干渉を防止できる。なお、NTSCはNational Television standards Committeeの略である。
【0005】
4状態格子符号を複合する格子デコーダは、周知のViterbi復号アルゴリズムにしたがって動作する。各デコーダは、分岐基準生成ユニットと、アッダ/コンパレータ/セレクタユニットと、パスメモリユニットとを備える。この構成は、たとえば、G.Ungerboeck による“Trellis−coded Modulation With Redundant Signal Set, Part I, Introduction; Part II, State of the Art,”IEEE Communications Magazine, Vol.25, pp.5−21 に開示されている。
【0006】
また、雑音による信頼性の劣化に加え、送信された信号は、決定論的なチャネル歪と、マルチパス干渉によって引き起こされる歪とを被っている。このため、通常は格子デコーダの前段に適応チャネル等化器が挿入され、これらの歪を補償する。送信側の12の格子エンコーダによって生成されたシンボルストリームとできる限り近いシンボルストリームを再生するのが最終目的だからである。
【0007】
一般に使用されている等化アーキテクチャは、決定フィードバック等化器(DFE:Decision Feedback Equalizer)として知られる第2の等化器を利用する。このアーキテクチャでは、通常のフォワード等化器(FE:Forward Equalizer)をDFEが補足している。等化器全体(FEとDFE)からは、現在のシンボルの本来の送信値についての推定値が出力され、この出力は決定フィードバック等化器(DFE)に入力される。DFEからの出力は、フォワード等化器(FE)の出力に加算されて、出力シンボルが生成される。一般的な処理では、出力シンボルの推定値は、等化器の出力を単純に「スライシング」することによって得られる。「スライシング」とは、実際の出力に最も近い(VSB変調されたATSC規格による8段階の)許容シンボル値を取り込むプロセスを言う。決定フィードバック等化器(DFE)でスライシングされたシンボルを用いることによって、簡単な手法でほぼ最良のエラー率特性を達成することができる。しかしこの方法は、スライシングエラーによる誤り増殖を被るおそれがある。HDTV信号の等化器後段における一般的なシンボルエラー率は20%にも達するので、DFEフィルタタップの数が増えると、深刻な問題となる。
【0008】
等化器を通過した後、HDTV信号は格子デコーダで復号される。この格子デコーダはViterbiアルゴリズムを用いて、送信側でハーフレート格子符号化(Trellis coding)されたシンボルストリームを復号する。前述したように、ATSC規格は、12の格子エンコーダと12の格子デコーダを時間多重方式で並列に用いている。格子復号の後は、バイトインターリーブ解除(de−interleave)とリードソロモン復号が行われ、信号中の送信エラーをさらに補正する。
【0009】
適応等化器のフィルタ係数を計算するアルゴリズムは多数存在するが、一般に用いられているのが最小平均二乗(LMS:Least Mean Square)アルゴリズムである。LMSアルゴリズムは、現在の係数とデータタップ値、および等化器のエラーを用いて、新たな係数値を算出する反復近似方法である。LMSアルゴリズムでは、各フィルタ係数が所望の最適値に収束するまで演算を繰り返す。
【0010】
一般的なLMSアルゴリズムでは次式を用いて係数ベクトルが決定される。
【0011】
Cn+1 = C + μEdn
ここでCn は時間nにおける係数ベクトル、μは適応速度定数、dn は時間nにおけるフィルタのデータベクトル、Eは等化器出力から算出されたエラー(誤差)である。Eの値は、データストリームに埋め込まれた公知の調整シーケンスを用いて、Decision Directed方式で計算できる。あるいはCMA(Constant Modulus Algorithm)アルゴリズムやDD(Decision Directed)アルゴリズムを用いて、ブラインド方式で算出してもよい。
【0012】
送信チャネルはしばしばスパース(sparse:疎)になる。最適設計された適応等化器は送信チャネルのスパーシティ(sparsity)を反映するが、従来の最小平均二乗(LMS)アルゴリズムや、CMA(Constant Modulus Algorithm)、DD(Decision Directed)アルゴリズムといった方法は、疎な送信チャネルに関する「アプリオリ(先験的)」な情報を活用していない。
【0013】
最近では、ターゲットの重みベクトルが疎であるとき、通常の勾配方法よりも、累乗勾配(EG:exponentiated Gradient)アルゴリズムを用いたほうが性能がよいとわかっている。“Exponentiated Gradient Versus Gradient Descent for Linear Predictors”by J.Kivinen and M.K. Warmuth in Information and Computation, 132(1), pp. 1−64, 1997 参照。ただし、EGアルゴリズムにはいくつかの問題もあり、これを通信信号処理に適用することは困難である。たとえば、EGアルゴリズムでは演算処理の複雑さを免れ得ない。
【0014】
したがって、一般の受信機であろうとATSC VSB受信機であろうと、適応チャネル等化器のターゲットの重みベクトルのスパーシティ(sparsity)を有効に活用できる適応等化アルゴリズムの実現が望まれている。
発明の概要
上述した従来技術における問題点を解決するため、本発明の装置および方法は、改良されたアルゴリズムを用いて適応チャネル等化器のターゲットの重みベクトルのスパーシティ(sparsity)を有効利用する。
【0015】
本発明では、通信チャネルの既知のスパーシティ情報を用いて、適応等化器係数を算出し、等化器係数の係数収束率を高める。
【0016】
本発明の目的のひとつは、効率的な適応チャネル等化器を設計する装置および方法を提供することにある。
【0017】
本発明の別の目的は、適応チャネル等化器のターゲット重みベクトルのスパーシティを活用できる改良されたアルゴリズムを用いる装置および方法の提供にある。
【0018】
本発明のひとつの態様として、LMS(最小平均二乗)アルゴリズムを改良して、適応チャネル等化器のターゲット重みベクトルのスパーシティを活用する装置および方法を提供することにある。
【0019】
本発明の別の態様では、CMA(Constant Modulus)アルゴリズムを改良して、適応チャネル等化器のターゲット重みベクトルのスパーシティを活用できる装置および方法を提供することにある。
【0020】
本発明のさらに別の態様では、DD(Decision Directed)アルゴリズムを改良して、適用チャネル等化器のターゲット重みベクトルのスパーシティを活用できる装置および方法を提供することにある。
【0021】
以上は、当業者が以下の詳細な説明をよりよく理解できるように、発明の目的とする特徴、効果を概略的に述べたものであるが、クレームの主題を裏付ける詳細な記載で、技術的効果がさらに理解される。当業者にとっては、本願に開示される発明のコンセプトと実施形態に基づいて、本発明の目的を達成する多数の変形例や設計が可能であり、そのような均等物についても、本発明の技術的範囲に含まれるものとする。
【0022】
本発明を詳細に説明する前に、本明細書中のいくつかの用語について定義する。「含む」「備える」という用語は限定のない包含を意味し、「または」という言葉は、「および/または」を含む場合もある。「関連する」という用語は、「含む」、「含まれる」、「相互連結する」、「包含する」、「包含される」、「接続する」、「つながる」、「通じる」、「協同する」、「インターリーブする」、「並置する」、「近接する」、「結合する」、「有する」、「特性を有する」などの意味を含み得る。また、「コントローラ」、「プロセッサ」、「装置」というときは、少なくともひとつの動作を制御する任意のデバイス、システム、これらの部分を意味し、ハードウェア、ファームウェア、ソフトウェア、およびこれらの任意の組み合わせによって実現される。特定のコントローラに関する機能は中央集中型でも分散型でもよく、局所あるいは遠隔のものも含む。コントローラはまた、1以上のデータプロセッサと、アプリケーションプログラムおよびOS(operating system)プログラムを実行する関連の入出力装置およびメモリを含む場合もある。上記以外にも、用語、文言の意味は、明細書全体から導かれるものである。このような用語の意味は、現在または過去の用法のみならず、将来の用法にも当てはまることを当業者は理解されたい。
発明の実施の形態
本発明の原理を説明するために使用される添付図面および以下の実施の形態の説明は、あくまでも例示として用いられるだけであり、本発明の範囲を限定するように解釈されるべきではない。以下で述べる実施の形態では、HDTVシステムに適用される例をとって説明するが、本発明はこれらの例に限定されない。適用チャネル等化器のターゲット重みベクトルのスパーシティを活用する改良されたアルゴリズムは、類似する任意のシステムに適用可能であり、当業者であればそのような適用例は用意に想到できるものである。
【0023】
図1は、高精細度テレビジョン(HDTV)送信機100の一例を示すブロック図である。MPEGコンパチブルデータパケットは、リードソロモン(RS)エンコーダ110により、フォワードエラー補正(FEC)のため符号化される。次に、各データフィールドの連続するセグメントのデータパケットは、データインターリーバ120によってインターリーブされる。インターリーブされたデータパケットは、格子エンコーダ130によってさらにインターリーブされ、符号化される。格子エンコーダ130は、各シンボルが3ビットで表現されるシンボルストリームを生成する。3ビットのうちの1ビットはあらかじめ符号化(プレコード)され、残りの2ビットは、4状態格子符号化によって生成される。
【0024】
格子エンコーダ130は、12の並列の格子エンコーダ/プレコーダユニットで構成され、インターリーブされた12の符号化データシーケンスを生成する。格子エンコーダ/プレコーダユニットの各々で符号化された3ビットは、マルチプレクサ140に送られ、フィールドおよびセグメント同期ビットと結合される。さらに、パイロット挿入ユニット150でパイロット信号が挿入され、VSB(Vestigial Sideband)モジュレータ160により、VSB抑制搬送波で8レベル変調される。データストリームはさらに、RFコンバータ170により、無線周波数に変換される。
【0025】
図2は、HDTV受信機200の一例を示すブロック図である。受信されたRF信号は、チューナ210によって中間周波数(IF)帯域に変換される。次に、IFフィルタ/デテクタ220によってフィルタリングされ、ディジタル方式に変換される。検出信号は、各々が8レベル配列のひとつのレベルを表すデータシンボルストリームの形式になっている。この信号はさらに、NTSC除去フィルタ230でフィルタリングされ、等化/位相トラッキングユニット240により、信号等化および位相トラッキング処理を受ける。このように処理された符号化データシンボルは、次に格子デコーダ250で格子復号化される。復号されたデータシンボルは、データデインターリーバ(data de−interleaver)260によって、インターリーブが解除され、最後にリードソロモンデコーダ270でリードソロモン復号化される。これにより、送信機100により送信されたMPEGコンパチブルデータパケットが回復する。
【0026】
図2の構成を、コンピュータディスケット280として実現してもよい。この場合、たとえば、テレビジョン受信機200のコンピュータディスクドライブ(不図示)に、コンピュータディスケット280を挿入する。コンピュータディスクドライブは、テレビジョン受信機200の適応チャネル等化器のターゲット重みベクトルに関する信号情報を受信し、その信号情報をコンピュータディスケット280に書き込む。また別の構成例として、コンピュータディスケット280に、本発明の方法を実行するコンピュータプログラムを格納する構成としてもよい。さらに、コンピュータディスケット280は、コンピュータ処理されたデータおよび命令を格納できる任意の種類の媒体であってもよい。
【0027】
図3は、図2の等化器/位相トラッカ240で使用される従来の適応チャネル等化器300のブロック図である。従来の適応チャネル等化器300は、フォワード等化器(FE)フィルタ310と、決定フィードバック等化器(DFE)フィルタ320を備える。フォワード等化器(FE)フィルタ310の出力は、加算器330において、決定フィードバック等化器(DFE)フィルタ330の出力に加算され、適応チャネル等化器300の出力を生成する。
【0028】
フォワード等化器(FE)フィルタ310は、その入力として未補償のチャネルシンボルデータを受け付けるが、決定フィードバック等化器(DFE)フィルタ320の方は、シンボルがノイズにより劣化する前に、その入力としてチャネルを送信されてきたシンボルの推定値を必要とする。
【0029】
周知のように、DFEフィルタ320は、等化器の出力を単純にスライシングすることによって、出力されたシンボルの推定値を入力として得ることができる。「スライシング」とは、実際の出力に最も近い(VSB変調されたATSC規格による8段階の)許容シンボル値を取り込むプロセスを言う。図3の例では、レベルスライサ340が等化器300から出力されたシンボルをスライスし、マルチプレクサ350を介して決定フィードバック等化器(DFE)フィルタ320に供給する。出力されたシンボルの推定値をDFEフィルタ320に供給するこの方法は、スライシングエラーに起因する誤り増殖を被るおそれがある。
【0030】
また、DFEフィルタ320は、調整モードとブラインドモードの双方で動作できることが知られている。調整モードでは、DFEフィルタ320は、ある既知の時間に既知のシンボルの「調整シーケンス(あるいはトレーニングシーケンス)」をマルチプレクサ350を介して受け取る。DFEフィルタ320は、この既知の調整シーケンスを、「調整適合用の等化器エラー」と比較する。調整適合用の等化器エラーは、上述した既知の調整シーケンスから等化器出力を減算することによって得られる。比較後、DFEフィルタ320は、等化器の出力が調整信号の既知のシーケンスと整合するように、その動作を調整する。
【0031】
一方、ブラインドモードでは、DFEフィルタ320は、ブラインドエラーユニット360から「ブラインド適合用の等化器エラー」を受け取る。ブラインドエラーユニット360は、等化器の出力を、データの統計的期待分布と比較し、ブラインド適合用の等化器エラーを生成する。DFEフィルタ320は生成されたエラーに基づいて、等化器の出力がデータの統計的期待分布に整合するように、その動作を調整する。
【0032】
図4は、図3に示したフォワード等化器(FE)フィルタ310と決定フィードバック等化器(DFE)フィルタ320で使用される一般的な適応有限インパルス応答(FIR)フィルタ400を示す。チャネル歪ができる限り補償されるように、FIRフィルタ400の係数が決定される。FIRフィルタ400の長さは、このFIRフィルタ400が補正するように設計されている最大減損遅延に対応する。
【0033】
FIRフィルタ400は、多数のフィルタタップセル(以下、単に「フィルタタップ」と称する)410で構成される。各フィルタタップ410は、データ格納レジスタ420と、係数格納レジスタ430と、乗算器440とを有する。乗算器440の出力は、加算器450に入力される。加算器450は、重み付けされたすべてのタップ値の総和を求め、フィルタ出力を生成する。フィルタタップ410はまた、係数適応ユニット460を有し、係数適応ユニット460は、最新のフィルタ係数を計算して更新する。係数適応ユニット460への入力は、(1) 現在の係数値、(2) データタップ値、(3) 等化器エラー(信号期待値と実際に出力された信号値との差)である。係数適応ユニット460は、適応プロセスが実行されている間のみ動作する。
【0034】
フィルタ係数を計算する一般的な方法では、周知の最小平均二乗(LMS)アルゴリズムを用いる。LMSアルゴリズムは、現在の係数とデータタップ値および等化器エラー(誤差)を用いて近似を繰り返し、新たな係数値を算出する。LMSアルゴリズムでは、各フィルタ係数が所望の最適値に収束するまで演算を繰り返す。
【0035】
一般的なLMSアルゴリズムでは次式を用いて係数ベクトルが決定される。
【0036】
Cn+1 = C + μEdn
ここでCn は時間nにおける係数ベクトル、μは適応速度定数、dn は時間nにおけるフィルタのデータベクトル、Eは等化器出力から算出されたエラーである。Eの値は、データストリームに埋め込まれた既知の調整シーケンスを用いて、Decision Directed方式で計算することができる。あるいはCMA(Constant Modulus Algorithm)アルゴリズムやDD(Decision Directed)アルゴリズムを用いてブラインド方式で算出してもよい。
【0037】
図5は、フォワード等化器(FE)フィルタ310と格子デコーダ250との接続関係および格子デコーダ250と決定フィードバック等化器(DFE)フィルタ320との接続関係を示す。フォワード等化器(FE)フィルタ310からの出力は、加算器330において、決定フィードバック等化器(DFE)フィルタ320の出力と加算され、格子デコーダ250への入力が生成される。格子デコーダ250からのパスメモリ出力は、決定フィードバック等化器(DFE)フィルタ320にフィードバックされる。パスメモリ出力に含まれる情報は、決定フィードバック等化器(DFE)フィルタ320のエラー低減のために使用される。
【0038】
本発明に係る装置および方法は、適応等化器係数を算出するための改良されたアルゴリズムを提供する。改良されたアルゴリズムは、種々の異なる等化器回路に使用可能であり、たとえば図5に例示する等化器回路では、このアルゴリズムは決定フィードバック等化器(DFE)320に設定される適応等化器係数の算出に用いられるが、これ以外の等化器回路にも適用だけに限られるわけではない。
【0039】
本発明による改良アルゴリズムは、スパース(sparse:疎)な送信チャネルに用いられる等化器回路で効果的に機能する。従来の等化器回路はターゲット重みベクトルのスパーシティを活用するように意図された一群のアルゴリズムを用いていたが、従来のアルゴリズムは、(1) 調整シーケンスが有効に使用可能であり、(2) 重み付けが正であり、(3) 重みを合計すると均一になる、ことを前提として構想されていた。
【0040】
一方、本発明の改良アルゴリズムは、これらの要因を前提として要しないので、適応チャネル等化器のターゲット重みベクトルの既知のスパーシティをより効果的に活用することが可能になる。
【0041】
従来のアルゴリズムのひとつに、EG(Exponentiated gradient:累乗勾配)アルゴリズムがある。近年、ターゲット重みベクトルが疎(sparse)である場合は、通常の勾配方法を用いるよりも、EGアルゴリズムのほうが性能がよいことがわかってきた。“Exponentiated Gradient Versus Gradient Descent for Linear Predictors”by J.Kivinen and M.K. Warmuth in Information and Computation, 132(1), pp. 1−64, 1997 を参照。ただし、EGアルゴリズムにはいくつかの問題もあり、これを通信信号処理に適用することは困難である。たとえば、EGアルゴリズムでは演算処理の複雑さを免れ得ない。また、EGアルゴリズムは、上述した仮定(1)および(3)を必要とする
本発明に係る改良アルゴリズムの背景は、R.E.Mahony と R.C. Williamsonの共著による論文“Riemannian Structure of Some New Gradient Descent Learning Algorithmn(新規な勾配降下学習アルゴリズムにおけるリーマン構造)”, Proceedings of IEEE 2000 Symposium on Adaptive Systems for Signal Processing, Communication and Control, pp. 197−202, 2000 を参照するとよく理解できる。この論文は、幾何学的な「優先構造(preferential structure)」を用いて、事前の知識を学習アルゴリズムの中に符号化する方法に関して広く論じている。主なコンセプトは、アルゴリズムが既知の事前情報を組み込む形状の誤差面(error surface)に展開するように、メトリック(metric:距離関数)を定義することを含む。たとえば、i番目の成分は信頼性があるがj番目の成分は信頼性がないとわかっている場合、アルゴリズムはj番目の方向により大きなステップを取る。これは基礎となるスペースを歪ませることによって行われ、実際はアルゴリズムのステップサイズを所望の方向に増加あるいは減少することによって実現できる。
【0042】
数学的には、優先距離関数は、i番目の重みパラメータwi についての既知の「アプリオリ(先験的)」な知識を表わす関数φi(wi)のファミリーである。アプリオリとは、ベイズの定理でいう「prior(事前あるいは先験)」と同義である。一般に自然勾配(NG:Natural Gradient)」は、式(1)で表される。
【0043】
【数13】
ここでLは「費用関数」であり、これが最小になるように見積もってゆく。Φはφの不定積分である。
【0044】
式(1)で表される一般的な自然勾配(NG)アルゴリズムの反復演算結果は、非線形なΦとΦ−1を含むせいで、非常に複雑である。より有用な方法として、テイラー級数を用いて式(1)の一次近似を導く方法があり、この手法は式(2)で表される。
【0045】
【数14】
式(2)で表される方法は、「近似自然勾配(ANG:Approzimate Natural Gradient)」法と呼ばれている。近似自然勾配方法のより詳細な情報については、R.K. Martin、W.A. Sethares、R.C. Williamson 共著の“Exploiting Sparsity in Equalization Algorithms”, Cornell University Technical Report XX−2000 を参照されたい。
【0046】
費用関数Lと先験知識φを適切に選定することによって、特に重み付けのスパーシティと情報構造を活用するように設計された適応方法を創出することが可能になる。本発明は、費用関数と先験知識を種々の状況に応じて選定する一連の新たなアルゴリズムで構成される。たとえば8レベルVSB変調されたHDTV等化器のように、特定の目的にアルゴリズムを適用する際の先験情報の適切な選択方法については、後述する。
【0047】
ターゲット重みベクトルの先験情報は、第1原理から得られる。たとえば、チャネルが空間および時間的に十分に隔てられた多数の離散反射で構成されるならば、そのチャネルは疎であると考えられる。先験情報はまた、統計学的研究に基づいて導き出せる。たとえば、特定の等化器はしばしば、タップのほとんどがほぼゼロとなるコンフィギュレーションに収束するなどである。しかし、このような先験情報をアルゴリズムの中に用いるためには、簡単な関数の形に作り直す必要がある。
【0048】
ターゲット重みベクトルのデータベースがあるとする。ここから、収集されたすべてのチャネルデータのすべての等化器係数のヒストグラムを作成するのである。スパーシティの予想に従えと、ヒストグラムは、少数の大タップと、多数の小タップという形をとる。次に、ヒストグラムにパラメータで表現された曲線をフィットさせる必要がある。この関数は先験情報φの候補としてすぐれている。
【0049】
たとえば、先験情報を表す関数として、式(3)が得られるとする。
【0050】
【数15】
式(3)において、重みパラメータwが小さければ、φ(w)は大きく、wが大きければφ(w)は小さくなる。指数αは、ヒストグラムがどのように減衰するかを表す。絶対値を取ることによって、重み付けwは、正と負の双方の値を取ることができる。εは分母がゼロにならないことを補償する。
【0051】
このような先験関数φと費用関数Lとの間に、以下の関係が示される。
命題1 φ、γ、
【0052】
【外77】
を、それぞれ式(2)の近似自然勾配(ANG)アルゴリズムの先験情報、パラメータ表示、費用関数とする。
【0053】
【外78】
は式(4)で表わされる。
【0054】
【数16】
ここでχk は測定された入力データ、関数
【0055】
【外79】
は(少なくともそのドメインにわたって)反転関数を取り得る。今、関数
【0056】
【外80】
と
【0057】
【外81】
があり、式(5)が成立するとする。
【0058】
【数17】
このとき、
【0059】
【外82】
【0060】
【外83】
【0061】
【外84】
は、同じ近似自然勾配(ANG)アルゴリズムのための、先験情報、パラメータ表示、費用関数の代替である。
【0062】
特に、近似自然勾配(ANG)アルゴリズムは、基準パラメータ表示γ(w)=wを用いて、別の先験情報φからも導くことができる。この先験情報は、再パラメータ表示関数のような混乱の影響がなく、先験情報としての信頼性を表しているので、「真の」先験情報を呼ばれる。ANGアルゴリズムはまた、基準先験情報φ=1(パラメータのすべての値が同様に見込みありという信頼性の度合いに対応する)を用いて、再パラメータ表示することによっても、導くことができる。この場合、γは、アルゴリズムが基準ユークリッド勾配で展開する費用関数を与える。これらの方法を使い分けるのが有用である。先験情報の観点からアルゴリズムの振る舞いを理解するのが容易な場合もあるし、費用関数野の見地から理解するほうが容易な場合もあるからである。式5で、
【0063】
【外85】
をφ2 で除算した値が等しいことから、同じアルゴリズムを双方のフレームワークに並進(平行移動)できる。
【0064】
したがって、γ(w)=w、α=1である式(3)の先験関数は、先験関数φ(w)=1、パラメータ表示γ(w)が式(6)で表される費用関数Lに対応することになる。
【0065】
【数18】
どちらの観点からも有効であり、いずれを用いても同じ反復更新の規則に到ることになるが、前者の方は先験情報が何であるべきかを容易に決定することができ、後者は適切な近似自然勾配(ANG)アルゴリズムを容易に書き表すことができる。
【0066】
次に、本発明で用いられる改良されたアルゴリズムについて説明する。多くの場合、式(2)で表される近似自然勾配(ANG)アルゴリズムと、等化のユークリッド勾配(φ=1に対応)の費用関数と、真の先験情報(γ(w)=wに対応)とが与えられる。改良されたアルゴリズムは、特に疎なチャネルに適するように構想された最小平均二乗(LMS)アルゴリズムのである。また別の例として、改良されたアルゴリズムは、ブラインドCMA(コンスタントモジュラスアルゴリズム)や、DD(Decision Directed)アルゴリズムを用いる。これらのアルゴリズムも同様に、ターゲット重みベクトルについての先験情報を活用することができる。
[アルゴリズム1 疎(スパース)LMSアルゴリズム]
式(6)で表されるパラメータ表示および先験関数φ(w)=1とともに、式(7)で表される基準MSE(平均二乗誤差)費用関数を用いると、式(8)の近似自然勾配(ANG)アルゴリズムが導かれる。
【0067】
【数19】
【0068】
【数20】
α=1の場合、式(3)の先験情報と費用関数γ(w)=wを用いても、式(8)のANGアルゴリズムを得ることができる。式(8)のANGアルゴリズムと基準LMSアルゴリズムとの相違は、ステップサイズμに乗算する
【0069】
【外86】
の項がある点である。基本的に、時間kにおけるi番目の重みベクトル
【0070】
【外87】
の現在の推定値が小さい場合は、更新結果、すなわち時間k+1におけるi番目の重みベクトルも小さい。逆に、現在の
【0071】
【外88】
が大きければ、更新結果も大きい。これは、単純かつ直截に、なぜ式(8)の改良されたアルゴリズムがスパース(疎)な環境でより性能良く機能するかを示している。データの信頼性が低そうな場合(たとえば、先験情報と異なるなど)、大きなステップサイズを取り、データの信頼性が高そうな場合(先験情報を補強するなど)は、小さなステップサイズを取る。
【0072】
上述したすべての導出は、個々の重み付けに対して個別に行われる。したがって、異なる重みに対して異なる先験情報を使用できれば、異なるアルゴリズムの更新結果を用いることができる。これはたとえば、中央のタップが大きく等化器端部のタップが小さく疎である場合の等化器の設計について有益なものとなる。
[アルゴリズム2 疎(スパース)CMAアルゴリズムのブラインド適応]
通信上の問題の多くは、送信信号が有限のアルファベットから取り出される疎うそで構成されることにある。この特性を、適応の方向性を指示するのに活用することができる。よく用いられる方法のひとつは、式(9)の費用関数を含むコンスタントモジュラスアルゴリズム(CMA:Constant Modulus Algorithm)である。
【0073】
【数21】
ここでcは与えられた配置にとって適切な定数である。式(9)の最も有用な側面は、yk から独立したアルゴリズムを導けることと、調整信号(トレーニング信号)がなくても式(9)を用いて重み付けを適応できることである。このようなアルゴリズムを「ブラインド」アルゴリズムと称する。以下で、自然勾配(NG)と近似自然勾配(ANG)の手法を式(9)に組み合わせることによって、どのようにして重み付けについての先験知識を明確に活用した反復演算結果を算出するブラインドアルゴリズムを導くのかを説明する。
【0074】
最も単純な例は、重み付けについての均一な先験関数φ(w)=1の場合である。これは、Φ(w)=1、Φ−1(z)=zに対応する。この場合、式(10)の自然勾配(NG)アルゴリズムが導かれる。
【0075】
【数22】
式(2)を用いても、まさに同じ形の近似自然勾配(ANG)アルゴリズムが導かれる。実際、式(10)は、基準CMAアルゴリズムである。
【0076】
しかし、先験知識が式(3)の先験関数を示唆する場合を仮定してみると、近似自然勾配(ANG)アルゴリズムは式(11)のようになる。
【0077】
【数23】
もちろん、別の先験情報を用いても、同様の方法でまた別の反復更新の規則(アルゴリズム)を導くことができる。
【0078】
費用関数
【0079】
【外89】
を変形することも可能である。変形例として、式(9)を式(12)のように一般化したものがある。
【0080】
【数24】
ここでpおよびqは、多様な値を取る。この費用関数を先験情報と組み合わせると、自然勾配(NG)あるいはより単純な近似自然勾配(ANG)の形で、一般化された疎なCMAアルゴリズムが導ける。単純なANGの形でのアルゴリズムは式(13)に示される。
【0081】
【数25】
この場合、式(14)の真の先験関数を用いる。
【0082】
【数26】
すべてのアルゴリズムを、複雑なケースのために一般化することができる。すべてのアルゴリズムについて、異なる重み付けwが、それぞれ異なる先験情報と、この先験情報に整合する異なる反復更新規則とを有するように設計することが可能である。
[アルゴリズム3 疎(スパース)DDアルゴリズムのブラインド適応]
もうひとつの重要なアルゴリズムは、有限アルファベット用に設計されたDD(Decision Directed)ブラインドアルゴリズムである。DDアルゴリズムは、式(15)で表される費用関数におけるユークリッド降下とみることができる。
【0083】
【数27】
ここで関数Qは、アルファベット中の最も近い文字への独立変数を定量化したものである。この導出では、関数Qは不連続であるという事実は無視し、形式上その導関数をゼロに置き換える。
【0084】
最も単純な例は、均一な先験関数φ(w)=1および基準パラメータ表示γ(w)=wの場合である。この場合、式(16)の自然勾配(NG)アルゴリズムが導かれる。
【0085】
【数28】
式(2)を用いても、同じ形の近似自然勾配(ANG)アルゴリズムが導かれる。式(16)は、基準DDアルゴリズムである。
【0086】
式(17)で表される先験関数φ(w)が1ではなく、分数である場合、この先験関数と基準パラメータ表示を用いると、近似自然勾配(ANG)アルゴリズムは式(18)のようになる。
【0087】
【数29】
【0088】
【数30】
式(18)の重み付けは、式(6)の再パラメータ表示を用いて式(15)で定義される費用関数Lのユークリッド降下に対応する。その他の先験関数を用いても、同様の方法で、別のアルゴリズム(反復更新規則)やその他の変形を導くことができる。たとえば、式(15)に含まれる指数係数は2ではなく、別の値を用いてもよい。
[アルゴリズムの性能]
上述した先験情報を活用することによって、より高い収束率を実現できることの理論的証拠は、種々存在する。たとえば、前述のR.E.Mahony, R.C. Williamsonの共著による“Riemannian Structure of Some New Gradient Descent Learning Algorithmn”, Proceedings of IEEE 2000 Symposium on Adaptive Systems for Signal Processing, Communication and Control, pp. 197−202, 2000 や、S.T. Hill, R.C. Williamsonの共著による1999年9月の“Convergence of Exponentiated Gradient Algorithms”, IEEE Transactions on Signal Processing などである。
【0089】
図6は、通常のLMSアルゴリズムと、本発明に係る疎(スパース)LMSアルゴリズムを用いていくつかのシステムで実験した比較結果の特性カーブを示すグラフである。比較は、平均二乗誤差(MSE)、収束率、トラッキング性能により行われた。比較を公正なものにするために、ステップサイズを選択して収束後にMSEを等式化した。2つのアルゴリズムの収束率はシミュレーションにより比較した。本発明による改良を実証するために完全に既知の設定でスパーシティを利用した。
【0090】
シミュレーションは疎な環境で行われた。第1のチャネルは10のタップを有し、[1、3、4、8]番目に位置するタップが[0.1、1.0、−0.5、0.1]の値をとる非ゼロタップとした。第2のチャネルは、100のタップを有し、[1、30、35、85]番目に位置するタップが同様に[0.1、1.0、−0.5、0.1]の値をとる非ゼロタップとした。ゼロ初期化を行い、収束点での平均二乗誤差MSEが同じになるようにステップサイズμを選択した。すなわちμ=0.0050になるように、第1チャネルのステップサイズをμsparse=0.0215、第2チャネルのステップサイズをμsparse=0.0629とした。ノイズパワーは(0.0215)2 、疎LMSアルゴリズムにおけるεの値は、1/16とした。
【0091】
図6は、上述した第1チャネルと第2チャネルにおいて、LMSアルゴリズムと疎LMSアルゴリズムの、時間経過(シンボル数)とMSE(平均二乗誤差)の関係を示す。MSE(平均二乗誤差)は、各アルゴリズムについて100回の試行の全体平均を取ることによって計算した。このグラフから、環境が十分に疎であれば、疎LMSアルゴリズムの収束率のほうが、ずっと早いことがわかる。
【0092】
図7は、LMSアルゴリズムと疎LMSアルゴリズムのトラッキング性能を示すグラフである。シミュレーションは、20タップのチャネルを用いて行われ、このうち2つのタップがサインカーブで時間変化している。実際のチャネルは、図6の上のグラフに示されるチャネルの1010倍の規模である。タップ15とタップ16は、それぞれ1+0.2sin(π/256k)と、0.2sin(π/256k)で変化するように設定した。kは繰り返し回数であり、ステップサイズは平均二乗誤差(MSE)を等化するように選択した。
【0093】
図7の上のグラフは、小タップと大タップの双方が変化する場合の、実際のタップ(破線)と、アルゴリズムによる推定値とを示している。疎LMSアルゴリズムは、タップが大きいとすぐれたトラッキング能力を示すが、タップが小さいと、そうでもない。これは、有効ステップサイズがほとんどゼロに近いくらいに小さいからである。図7の下のグラフは、LMSアルゴリズムと疎LMSアルゴリズムについて、大きいタップのみが変化する場合の平均二乗誤差(MSE)を示す。疎LMSアルゴリズムは、タップが大きいときにトラッキング性能を発揮するので、その平均二乗誤差も通常のMLSアルゴリズムほどばらつかない。
【0094】
自然勾配アルゴリズムの枠組みから、LMSアルゴリズムと広範囲の変種が導かれてきたが、同様に、その他のアルゴリズム(たとえばCMAアルゴリズムやDD−LMSアルゴリズム)とその変種も導かれている。再パラメータ表示と先験情報のコンセプトを用いて、システムの分布に関する先験知識をどのように活用するかを、特にタップの疎分布を例にとって説明した。
【0095】
先験知識(たとえば8レベルVSM変調等化器の問題など)がある場合、そのような知識を活用するように設計されたアルゴリズムを採用するに越したことはない。
【0096】
本発明を特定の実施形態に基づいて述べてきたが、当業者にとって本発明のコンセプトと範囲を離れることなく、多様な変形、代替、適用が可能であることは言うまでもない。
【図面の簡単な説明】
【図1】
一般的なHDTV送信機のブロック図である。
【図2】
一般的なHDTV受信機のブロック図である。
【図3】
一般的なフォワード等化器(FE)フィルタと決定フィードバック等化器(DFE)フィルタとを備える適応チャネル等化器のブロック図である。
【図4】
適応チャネル等化器で用いられる適応有限インパルス応答(FIR:Finite Impulse Response)のブロック図である。
【図5】
フォワード等化器(FE)から格子デコーダへの接続、および格子デコーダから決定フィードバック等化器(DFE)への接続を示すブロック図である。
【図6】
平均二乗誤差(MSE)と時間との関係を、一般的なLMSアルゴリズムと疎LMSアルゴリズムについて示すグラフである。
【図7】
LMSアルゴリズムと疎LMSアルゴリズムのトラッキング性能を示すグラフである。
Claims (20)
- 適応チャネル等化器のターゲット重みベクトルのスパーシティを活用するアルゴリズムを用いて適応等化器係数を算出し、少なくともひとつの適応等化器係数の収束率を高める装置。
- 前記アルゴリズムは、先験関数の選定値と、費用関数の選定値のいずれかを用いることを特徴とする請求項1に記載の装置。
- 適応チャネル等化器のターゲット重みベクトルのスパーシティを活用するアルゴリズムを用いて適応等化器係数を算出し、少なくともひとつの適応等化器係数の収束率を高める性能を有するテレビジョン受信機。
- 前記アルゴリズムは、先験関数の選定値と、費用関数の選定値のいずれかを用いることを特徴とする請求項6に記載のテレビジョン受信機。
- 適応チャネル等化器のターゲット重みベクトルのスパーシティを活用するアルゴリズムを用いて少なくともひとつの適応等化器係数を算出するステップと、
前記少なくともひとつの適応等化器係数の収束率を高めるステップと
を含む適応等化器係数の計算方法。 - 前記アルゴリズムに、先験関数の選定値と、費用関数の選定値のいずれかを与えるステップをさらに含むことを特徴とする請求項11に記載の方法。
- コンピュータ読み取り可能な記憶媒体に格納され、以下のステップを実行して適応等化器係数を算出するコンピュータにより実行可能なプロセス:
適応チャネル等化器のターゲット重みベクトルのスパーシティを活用するアルゴリズムを用いて少なくともひとつの適応等化器係数を算出するステップ;および
前記少なくともひとつの適応等化器係数の収束率を高めるステップ。 - 前記アルゴリズムに、先験関数の選定値と、費用関数の選定値のいずれかを与えるステップをさらに含むことを特徴とする、請求項16に記載のコンピュータにより実行可能なプロセス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US23161000P | 2000-09-11 | 2000-09-11 | |
US26250601P | 2001-01-18 | 2001-01-18 | |
PCT/US2001/028758 WO2002023842A1 (en) | 2000-09-11 | 2001-09-10 | Apparatus and method for using adaptive algorithms to exploit sparsity in target weight vectors in an adaptive channel equalizer |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004509521A true JP2004509521A (ja) | 2004-03-25 |
Family
ID=26925270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002527158A Pending JP2004509521A (ja) | 2000-09-11 | 2001-09-10 | 適応アルゴリズムを用いて適応チャネル等化器の重みベクトルのスパーシティを活用する装置および方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7061977B2 (ja) |
EP (1) | EP1319289A1 (ja) |
JP (1) | JP2004509521A (ja) |
KR (1) | KR20020096041A (ja) |
CN (1) | CN1395780A (ja) |
WO (1) | WO2002023842A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004302470A (ja) * | 2003-03-31 | 2004-10-28 | Microsoft Corp | 漸進的ベイズ学習を使用する雑音推定の方法 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7027500B1 (en) * | 2000-12-12 | 2006-04-11 | Ati Research, Inc. | Linear prediction based initialization of a single-axis blind equalizer for VSB signals |
US7321642B2 (en) * | 2002-04-05 | 2008-01-22 | Micronas Semiconductors, Inc. | Synchronization symbol re-insertion for a decision feedback equalizer combined with a trellis decoder |
US7385913B2 (en) * | 2002-04-24 | 2008-06-10 | Motorola, Inc. | Method and apparatus for compensating for variations in a receive portion of a wireless communication device |
KR100446304B1 (ko) * | 2002-08-16 | 2004-08-31 | 삼성전자주식회사 | 고화질 텔레비전에 사용되는 등화기 및 등화 방법 |
US7450518B2 (en) * | 2003-03-12 | 2008-11-11 | Broadcom Corporation | Sparse channel dual-error tracking adaptive filter/equalizer |
US20040264562A1 (en) * | 2003-06-25 | 2004-12-30 | Song Wu | Decision feedback equalization for high speed serial links |
US7739320B2 (en) * | 2004-05-19 | 2010-06-15 | Panasonic Corporation | Waveform equalizer, waveform equalization method, and integrated circuit |
GB2425011A (en) * | 2005-04-07 | 2006-10-11 | Ely Jay Malkin | Encoding video data using a transformation function |
CN100393115C (zh) * | 2005-08-05 | 2008-06-04 | 上海明波通信技术有限公司 | 一种数字电视信道自适应均衡方法 |
KR100703124B1 (ko) | 2006-06-16 | 2007-04-09 | 한국산업기술대학교산학협력단 | 선형 파워 앰프 |
CN100433795C (zh) * | 2006-09-01 | 2008-11-12 | 上海大学 | 基于变换域数学形态学的图像降噪方法 |
US7616685B2 (en) * | 2007-01-19 | 2009-11-10 | Techwell, Inc. | Method for channel tracking in an LMS adaptive equalizer for 8VSB |
US8385397B2 (en) * | 2007-01-19 | 2013-02-26 | Techwell Llc | Method for determining the step size for an LMS adaptive equalizer for 8VSB |
EP1956782A1 (en) * | 2007-02-08 | 2008-08-13 | Abb Research Ltd. | Method and apparatus for adaptive blind equalization |
US8144759B2 (en) * | 2007-05-04 | 2012-03-27 | University Of Central Florida Research Foundation, Inc. | Adaptive methods employing optimal convergence factors for processing complex signals and systems |
KR100864008B1 (ko) * | 2007-05-10 | 2008-10-16 | 주식회사 대우일렉트로닉스 | 입체 음향을 위한 적응 간섭 제거 방법 |
BRPI0811117A2 (pt) * | 2007-05-16 | 2014-12-23 | Thomson Licensing | Aparelho e método para codificar e decodificar sinais |
BRPI0818616A2 (pt) * | 2007-10-15 | 2015-04-07 | Thomson Licensing | Aparelho e método para codificação e decodificação de sinais. |
EP2201772A2 (en) * | 2007-10-15 | 2010-06-30 | Thomson Licensing | Apparatus and method for communicating burst mode activity |
CN101836407B (zh) * | 2007-12-10 | 2013-03-27 | 中兴通讯股份有限公司 | 终端射频性能的优化方法 |
CN101478349B (zh) * | 2009-01-20 | 2013-05-08 | 南京信息工程大学 | 基于正交小波包变换的双模式变步长盲均衡方法 |
EP2466580A1 (en) * | 2010-12-14 | 2012-06-20 | Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. | Encoder and method for predictively encoding, decoder and method for decoding, system and method for predictively encoding and decoding and predictively encoded information signal |
RU2477551C1 (ru) * | 2011-11-01 | 2013-03-10 | Общество с ограниченной ответственностью "Специальный Технологический Центр" | Способ многоканального адаптивного приема радиосигналов и устройство, его реализующее |
WO2015013058A1 (en) * | 2013-07-24 | 2015-01-29 | Mh Acoustics, Llc | Adaptive beamforming for eigenbeamforming microphone arrays |
US9369213B1 (en) | 2015-03-09 | 2016-06-14 | Alcatel Lucent | Demultiplexing processing for a receiver |
US10129053B2 (en) * | 2015-05-28 | 2018-11-13 | Multiphy Ltd. | Steepest descent FFE computation and tracking |
CN106253878B (zh) * | 2016-07-19 | 2018-10-12 | 重庆邮电大学 | 一种冲击噪声下的自适应联合滤波方法 |
US10902837B2 (en) | 2017-08-25 | 2021-01-26 | The Regents Of The University Of California | Sparsity-aware adaptive feedback cancellation |
US11696083B2 (en) | 2020-10-21 | 2023-07-04 | Mh Acoustics, Llc | In-situ calibration of microphone arrays |
US11223447B1 (en) * | 2021-03-31 | 2022-01-11 | Seagate Technology Llc | Multiple detector data channel and data detection utilizing different cost functions |
CN113347230B (zh) * | 2021-05-13 | 2022-09-06 | 长沙星融元数据技术有限公司 | 基于可编程交换机的负载均衡方法、装置、设备及介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4027257A (en) * | 1976-06-01 | 1977-05-31 | Xerox Corporation | Frequency domain automatic equalizer having logic circuitry |
US4141072A (en) * | 1976-12-28 | 1979-02-20 | Xerox Corporation | Frequency domain automatic equalizer using minimum mean square error correction criteria |
KR0144294B1 (ko) * | 1994-12-14 | 1998-07-15 | 배순훈 | 수렴특성을 개선시킨 등화기 |
US5526378A (en) | 1994-12-14 | 1996-06-11 | Thomson Consumer Electronics, Inc. | Blind multipath correction for digital communication channel |
US6426972B1 (en) * | 1998-06-19 | 2002-07-30 | Nxtwave Communications | Reduced complexity equalizer for multi mode signaling |
US6477200B1 (en) * | 1998-11-09 | 2002-11-05 | Broadcom Corporation | Multi-pair gigabit ethernet transceiver |
US6693958B1 (en) | 1998-12-22 | 2004-02-17 | Thomson Licensing S.A. | Adaptive channel equalizer having a training mode |
US20020086707A1 (en) * | 2000-11-15 | 2002-07-04 | Struhsaker Paul F. | Wireless communication system using block filtering and fast equalization-demodulation and method of operation |
-
2001
- 2001-09-10 CN CN01803654A patent/CN1395780A/zh active Pending
- 2001-09-10 US US09/952,573 patent/US7061977B2/en not_active Expired - Lifetime
- 2001-09-10 JP JP2002527158A patent/JP2004509521A/ja active Pending
- 2001-09-10 EP EP01970985A patent/EP1319289A1/en not_active Withdrawn
- 2001-09-10 KR KR1020027006069A patent/KR20020096041A/ko not_active Application Discontinuation
- 2001-09-10 WO PCT/US2001/028758 patent/WO2002023842A1/en not_active Application Discontinuation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004302470A (ja) * | 2003-03-31 | 2004-10-28 | Microsoft Corp | 漸進的ベイズ学習を使用する雑音推定の方法 |
Also Published As
Publication number | Publication date |
---|---|
US20020054634A1 (en) | 2002-05-09 |
US7061977B2 (en) | 2006-06-13 |
CN1395780A (zh) | 2003-02-05 |
KR20020096041A (ko) | 2002-12-28 |
EP1319289A1 (en) | 2003-06-18 |
WO2002023842A1 (en) | 2002-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2004509521A (ja) | 適応アルゴリズムを用いて適応チャネル等化器の重みベクトルのスパーシティを活用する装置および方法 | |
US6775335B2 (en) | Method and apparatus for equalization and tracking of coded digital communications signals | |
US6734920B2 (en) | System and method for reducing error propagation in a decision feedback equalizer of ATSC VSB receiver | |
JP4063677B2 (ja) | トレリス符号化されたシステム用の2段等化器 | |
EP1449337B1 (en) | Apparatus and method for constraining the value of feedback filter tap coefficients in a decision feedback equalizer | |
JP4741254B2 (ja) | 決定フィードバックイコライザ及びフィードバックフィルタ係数のアップデート方法 | |
US6178209B1 (en) | Method of estimating trellis encoded symbols utilizing simplified trellis decoding | |
US7616685B2 (en) | Method for channel tracking in an LMS adaptive equalizer for 8VSB | |
KR20050019829A (ko) | 적응적 등화기를 위한 에러 발생 | |
JP2004533753A (ja) | Atsc方式高品位テレビ受信機におけるトレリスデコーダのトレースバック出力を使用する判定帰還型等化器データの作成 | |
US6671314B1 (en) | Decision feedback equalizer for a digital signal receiving system | |
KR100988225B1 (ko) | 트렐리스 방식으로 디코딩된 데이터를 제공하는 장치 및 방법과, 등화기/트렐리스 디코더 시스템 | |
US7218673B2 (en) | Channel equalizer of single carrier receiver and equalizing method thereof | |
JP3464535B2 (ja) | 適応型ディジタルフィルタ | |
Georgoulakis et al. | An efficient decision feedback equalizer for the ATSC DTV receiver |