JP2797035B2 - ニューラルネットによる波形処理装置及びその設計方法 - Google Patents
ニューラルネットによる波形処理装置及びその設計方法Info
- Publication number
- JP2797035B2 JP2797035B2 JP3031952A JP3195291A JP2797035B2 JP 2797035 B2 JP2797035 B2 JP 2797035B2 JP 3031952 A JP3031952 A JP 3031952A JP 3195291 A JP3195291 A JP 3195291A JP 2797035 B2 JP2797035 B2 JP 2797035B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- input
- output
- transmission
- digital signal
- 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.)
- Expired - Lifetime
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
- G11B20/10481—Improvement or modification of read or write signals optimisation methods
- G11B20/10518—Improvement or modification of read or write signals optimisation methods using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- 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
- G11B20/22—Signal processing not specific to the method of recording or reproducing; Circuits therefor for reducing distortions
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B5/00—Recording by magnetisation or demagnetisation of a record carrier; Reproducing by magnetic means; Record carriers therefor
- G11B5/02—Recording, reproducing, or erasing methods; Read, write or erase circuits therefor
- G11B5/027—Analogue recording
- G11B5/035—Equalising
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B5/00—Recording by magnetisation or demagnetisation of a record carrier; Reproducing by magnetic means; Record carriers therefor
- G11B5/02—Recording, reproducing, or erasing methods; Read, write or erase circuits therefor
- G11B5/09—Digital recording
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B7/00—Recording or reproducing by optical means, e.g. recording using a thermal beam of optical radiation by modifying optical properties or the physical structure, reproducing using an optical beam at lower power by sensing optical properties; Record carriers therefor
- G11B7/004—Recording, reproducing or erasing methods; Read, write or erase circuits therefor
-
- 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
- H04L25/03165—Arrangements for removing intersymbol interference using neural networks
-
- 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
- H04L2025/03464—Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/903—Control
- Y10S706/909—Communication
Description
【０００１】
【産業上の利用分野】本発明は、デジタル信号を記録再
生・伝送する際に生じた信号劣化を除去する波形等化手
段に係り、特にニューラルネットを利用し、簡易な構成
で、かつ、高性能な波形等化装置及びその設計方法を提
供するものである。
生・伝送する際に生じた信号劣化を除去する波形等化手
段に係り、特にニューラルネットを利用し、簡易な構成
で、かつ、高性能な波形等化装置及びその設計方法を提
供するものである。
【０００２】
【従来の技術】近年、デジタル信号による記録再生（伝
送）が盛んに利用されている。しかし、デジタル信号に
よる場合でも、媒体（伝送系）自体への記録（伝送）は
アナログ（信号）である。そして、磁気記録再生系では
ピークシフトとして知られているように、信号波形が部
分的に時間シフトして記録・再生されて劣化し、信号デ
ータである「０」「１」の判定を誤ることがある。ま
た、光学記録再生系でも、レンズの収差などにより、信
号の劣化（符号間干渉）が生じる。
送）が盛んに利用されている。しかし、デジタル信号に
よる場合でも、媒体（伝送系）自体への記録（伝送）は
アナログ（信号）である。そして、磁気記録再生系では
ピークシフトとして知られているように、信号波形が部
分的に時間シフトして記録・再生されて劣化し、信号デ
ータである「０」「１」の判定を誤ることがある。ま
た、光学記録再生系でも、レンズの収差などにより、信
号の劣化（符号間干渉）が生じる。
【０００３】このようなデジタル信号の劣化は、記録再
生系（伝送系）などで頻繁に発生するものである。これ
に対して、従来では、図９に示すようなトランスバーサ
ル形フィルタによる波形等化装置が用いられていた。再
生装置からの入力信号は、遅延回路３０ａ〜３０ｄによ
り遅延された後、異なる増幅係数を有するアンプ３１ａ
〜３１ｅで増幅され，加算回路３２で加算出力されてい
た。しかし、このような波形等化装置では、十分な効果
が得られなかった。
生系（伝送系）などで頻繁に発生するものである。これ
に対して、従来では、図９に示すようなトランスバーサ
ル形フィルタによる波形等化装置が用いられていた。再
生装置からの入力信号は、遅延回路３０ａ〜３０ｄによ
り遅延された後、異なる増幅係数を有するアンプ３１ａ
〜３１ｅで増幅され，加算回路３２で加算出力されてい
た。しかし、このような波形等化装置では、十分な効果
が得られなかった。
【０００４】ここで、磁気記録再生系の信号劣化につい
て説明すると以下の通りである。図１０（Ａ）〜（Ｅ）
は磁気記録再生系に発生する信号劣化の状態を示すもの
である。これはＮＲＺ（Non Return to Zero）符号を記
録再生した場合を示している。
て説明すると以下の通りである。図１０（Ａ）〜（Ｅ）
は磁気記録再生系に発生する信号劣化の状態を示すもの
である。これはＮＲＺ（Non Return to Zero）符号を記
録再生した場合を示している。
【０００５】同図（Ａ）のように理想的な電流で記録し
ても、実際に記録される磁化パターンは同図（Ｂ）のよ
うに劣化したものとなる。再生時には微分波形として再
生されるから理想的な電流で記録した場合には同図
（Ｃ）になり、波形の劣化はなくピークシフトも発生し
ない。
ても、実際に記録される磁化パターンは同図（Ｂ）のよ
うに劣化したものとなる。再生時には微分波形として再
生されるから理想的な電流で記録した場合には同図
（Ｃ）になり、波形の劣化はなくピークシフトも発生し
ない。
【０００６】しかし、同図（Ｄ）のように劣化した信号
を再生すると、同図（Ｅ）のように、ピークシフトΔｔ
が生じた微分波形となってしまう。このように劣化して
いると、記録波形の反転（ＮＲＺ符号であるので、磁化
反転が「１」を表わす）がどこで起きたのか分からなく
なってしまい、正しい波形が再生できないこととなる。
すなわち、ｔ2 とｔ3 で反転しているにもかかわらず、
ｔ1 とｔ4 で反転しているように判断されたり、あるい
はレベルがこの部分で低いため、反転なしと判断されて
しまう。逆にこの低いレベルを反転と見なすと、ｔ6 だ
けであるべき反転がｔ5 及びｔ7 までも反転しているよ
うに、誤った判断をしてしまうことになる。
を再生すると、同図（Ｅ）のように、ピークシフトΔｔ
が生じた微分波形となってしまう。このように劣化して
いると、記録波形の反転（ＮＲＺ符号であるので、磁化
反転が「１」を表わす）がどこで起きたのか分からなく
なってしまい、正しい波形が再生できないこととなる。
すなわち、ｔ2 とｔ3 で反転しているにもかかわらず、
ｔ1 とｔ4 で反転しているように判断されたり、あるい
はレベルがこの部分で低いため、反転なしと判断されて
しまう。逆にこの低いレベルを反転と見なすと、ｔ6 だ
けであるべき反転がｔ5 及びｔ7 までも反転しているよ
うに、誤った判断をしてしまうことになる。
【０００７】また、光学記録再生系では、もっと大きい
信号の劣化が生じる。光学記録再生系においてはレンズ
に収差があり、この収差が全て信号の劣化（符号干渉）
を生ずる原因となる。レンズの収差としては、「ザイデ
ルの５収差」と呼ばれる５種類の収差があり、その中で
も、非点収差・球面収差・コマ収差はデジタル信号に符
号間の干渉を発生させ、これを劣化させる大きな原因と
なる。さらに、光ディスクの傾きによっても光学的収差
が生じ、符号間の干渉が引起こされて、信号が劣化す
る。
信号の劣化が生じる。光学記録再生系においてはレンズ
に収差があり、この収差が全て信号の劣化（符号干渉）
を生ずる原因となる。レンズの収差としては、「ザイデ
ルの５収差」と呼ばれる５種類の収差があり、その中で
も、非点収差・球面収差・コマ収差はデジタル信号に符
号間の干渉を発生させ、これを劣化させる大きな原因と
なる。さらに、光ディスクの傾きによっても光学的収差
が生じ、符号間の干渉が引起こされて、信号が劣化す
る。
【０００８】図１１（Ａ）〜（Ｄ）は、光学記録再生系
に発生する信号劣化の状態を示すものである。ここでは
Ｔmin ＝２Ｔ（最小ピットサイズがクロック周期の２
倍）の場合を示している。同図（Ａ）が原波形であっ
て、注目すべき部分Ｘ，Ｙについて説明する。
に発生する信号劣化の状態を示すものである。ここでは
Ｔmin ＝２Ｔ（最小ピットサイズがクロック周期の２
倍）の場合を示している。同図（Ａ）が原波形であっ
て、注目すべき部分Ｘ，Ｙについて説明する。
【０００９】部分Ｘでは左（時間的に前）に２Ｔ（のデ
ータ）があり、右に６Ｔ（のデータ）がある。部分Ｙで
は逆に左に６Ｔ（のデータ）が右に２Ｔ（のデータ）が
ある。光学記録再生はエネルギーによるものであり、磁
気記録再生におけるＮ極Ｓ極と言ったものに相当する逆
の要素を持たない。このため球面収差によってボケが発
生すると、同図（Ｂ）のように大きな符号長である６Ｔ
（のデータ）の周辺が太る結果となり、ｔ2 はｔ1 にず
れ、ｔ3 はｔ4 にずれてしまう。さらにコマ収差による
劣化はひどい結果をもたらす。同図（Ｃ）はコマ収差が
ディスクの回転方向と逆の方向（逆）に発生した場合で
あり、同図（Ｄ）はコマ収差がディスクの回転方向
（正）に発生した場合であり、原因によりずれ量が異な
る。
ータ）があり、右に６Ｔ（のデータ）がある。部分Ｙで
は逆に左に６Ｔ（のデータ）が右に２Ｔ（のデータ）が
ある。光学記録再生はエネルギーによるものであり、磁
気記録再生におけるＮ極Ｓ極と言ったものに相当する逆
の要素を持たない。このため球面収差によってボケが発
生すると、同図（Ｂ）のように大きな符号長である６Ｔ
（のデータ）の周辺が太る結果となり、ｔ2 はｔ1 にず
れ、ｔ3 はｔ4 にずれてしまう。さらにコマ収差による
劣化はひどい結果をもたらす。同図（Ｃ）はコマ収差が
ディスクの回転方向と逆の方向（逆）に発生した場合で
あり、同図（Ｄ）はコマ収差がディスクの回転方向
（正）に発生した場合であり、原因によりずれ量が異な
る。
【００１０】このように光学記録再生系による読み取
り、すなわち、光ディスクのような場合ではレンズ・光
学系の収差は前述のように多く存在し、どの収差にどれ
ほど起因して符号劣化が発生したか定量的には把握でき
ないので、従来の波形等化装置ではほとんど対応できな
かった。すなわち、符号の干渉程度（符号の劣化の程
度）や劣化の原因によって異なる係数値（図９に示した
アンプの増幅係数）が要求されるので一義的に定まら
ず、従来のような線形な波形等化装置では対応できなか
った。
り、すなわち、光ディスクのような場合ではレンズ・光
学系の収差は前述のように多く存在し、どの収差にどれ
ほど起因して符号劣化が発生したか定量的には把握でき
ないので、従来の波形等化装置ではほとんど対応できな
かった。すなわち、符号の干渉程度（符号の劣化の程
度）や劣化の原因によって異なる係数値（図９に示した
アンプの増幅係数）が要求されるので一義的に定まら
ず、従来のような線形な波形等化装置では対応できなか
った。
【００１１】しかし、磁気記録再生系に発生した前記図
１０（Ｄ）及び（Ｅ）に示すような信号劣化の状態であ
っても、磁気記録再生系の特性やＮＲＺ符号に熟知した
経験者であれば正しく判断することができる。つまり、
反転自身は必ずペアになっており、正の反転には必ず負
の反転が続き、正負正負と続く。したがって、ｔ2 とｔ
3 について言えば、ここで短い期間で反転したと判断で
き、この付近ではピークシフトによって実際よりも長い
期間になっていることから、反転自身はｔ1 ，ｔ4 でな
くｔ2 ，ｔ3 であると正しく判断できる。また、ｔ5 ，
ｔ6 ，ｔ7 はいずれも正でありペアになっていないこと
から、ｔ6 で反転していることが判明する。
１０（Ｄ）及び（Ｅ）に示すような信号劣化の状態であ
っても、磁気記録再生系の特性やＮＲＺ符号に熟知した
経験者であれば正しく判断することができる。つまり、
反転自身は必ずペアになっており、正の反転には必ず負
の反転が続き、正負正負と続く。したがって、ｔ2 とｔ
3 について言えば、ここで短い期間で反転したと判断で
き、この付近ではピークシフトによって実際よりも長い
期間になっていることから、反転自身はｔ1 ，ｔ4 でな
くｔ2 ，ｔ3 であると正しく判断できる。また、ｔ5 ，
ｔ6 ，ｔ7 はいずれも正でありペアになっていないこと
から、ｔ6 で反転していることが判明する。
【００１２】さらに、光学記録再生系に発生した前記図
１１（Ｂ）〜（Ｄ）に示すような信号劣化の状態であっ
ても、光学記録再生系の特性に熟知した経験者によれば
正しく判断することができる。つまり、６Ｔ（のデー
タ）の傾きからコマ収差の方向とその量が分かり、その
状態をもとにして正しい反転位置を知ることができる。
１１（Ｂ）〜（Ｄ）に示すような信号劣化の状態であっ
ても、光学記録再生系の特性に熟知した経験者によれば
正しく判断することができる。つまり、６Ｔ（のデー
タ）の傾きからコマ収差の方向とその量が分かり、その
状態をもとにして正しい反転位置を知ることができる。
【００１３】
【発明が解決しようとする課題】しかしながら、デジタ
ル信号を記録再生・伝送する際に生じた信号劣化をリア
ルタイムで除去する場合に、上記したように、経験的・
分析的にする方法では現実的解決策とはいえない。ま
た、前述した従来の波形等化装置では十分な性能が得ら
れず、その設計（例えば、伝送再生系に応じた増幅係数
の決定）も容易ではなかった。
ル信号を記録再生・伝送する際に生じた信号劣化をリア
ルタイムで除去する場合に、上記したように、経験的・
分析的にする方法では現実的解決策とはいえない。ま
た、前述した従来の波形等化装置では十分な性能が得ら
れず、その設計（例えば、伝送再生系に応じた増幅係数
の決定）も容易ではなかった。
【００１４】ところで、最近ではニューラルネットによ
り信号処理することが試みられている。ニューラルネッ
トは、非線形の入出力特性を有する複数の変換系が独立
した可変の重みで結ばれた結合体であり、学習により重
みが可変されて構築されるものである。ニューラルネッ
トでは、目的とする前向きの伝達動作（フィードフォワ
ード処理）と、バックプロパゲーションなどの学習動作
（フィードバック処理）との動作処理がなされ、計算機
上でのシミュレーション動作として実行されるのが一般
的である。このため、ニューラルネットによる高速な処
理動作やリアルタイムな信号処理は計算機の性能から不
可能とされ、さらに、非線形の入出力特性を有する変換
系を実際に構成するのも容易ではなかった。
り信号処理することが試みられている。ニューラルネッ
トは、非線形の入出力特性を有する複数の変換系が独立
した可変の重みで結ばれた結合体であり、学習により重
みが可変されて構築されるものである。ニューラルネッ
トでは、目的とする前向きの伝達動作（フィードフォワ
ード処理）と、バックプロパゲーションなどの学習動作
（フィードバック処理）との動作処理がなされ、計算機
上でのシミュレーション動作として実行されるのが一般
的である。このため、ニューラルネットによる高速な処
理動作やリアルタイムな信号処理は計算機の性能から不
可能とされ、さらに、非線形の入出力特性を有する変換
系を実際に構成するのも容易ではなかった。
【００１５】このような状況の下では、ニューラルネッ
トを利用して、上述した磁気記録再生系や光学記録再生
系の特性を学習させ、伝送再生系からの劣化したデジタ
ル信号をリアルタイムで波形等化して出力させること
は、非現実的なものとされ、まったく考えられていなか
った。
トを利用して、上述した磁気記録再生系や光学記録再生
系の特性を学習させ、伝送再生系からの劣化したデジタ
ル信号をリアルタイムで波形等化して出力させること
は、非現実的なものとされ、まったく考えられていなか
った。
【００１６】そこで、本発明は、伝送再生系からの劣化
したデジタル信号を波形処理（波形等化）して出力する
波形処理装置を、非線形の入出力特性を有する複数の変
換系が独立した可変の重みで結ばれニューラルネットに
より実現するものであり、特に、変換系の具体的な構成
と重みの現実的な学習方法を提供するものである。
したデジタル信号を波形処理（波形等化）して出力する
波形処理装置を、非線形の入出力特性を有する複数の変
換系が独立した可変の重みで結ばれニューラルネットに
より実現するものであり、特に、変換系の具体的な構成
と重みの現実的な学習方法を提供するものである。
【００１７】
【課題を解決するための手段】本発明は、伝送再生系か
らの劣化したデジタル信号を遅延させる手段と、非線形
の入出力特性を有する複数の変換系が独立した固定の重
みで結ばれた変換手段とからなり、時間的に前後させた
前記デジタル信号を前記変換手段に入力し、前記伝送再
生系の特性に応じて、前記劣化したデジタル信号を波形
処理して出力するようにしたニューラルネットによる波
形処理装置であって、前記固定の重みとして、ニューラ
ルネットにより前記伝送再生系の特性に対して予め学習
された重みを抵抗と反転型オペアンプとで構成すると共
に、前記非線形の入出力特性を有する変換系として、
異なる線形特性を有する三以上の入出力領域から構成さ
れた半導体素子、互いに逆方向に並列接続された半導
体対、互いに逆方向に並列接続されたダイオードを用
いたことを特徴とするニューラルネットによる波形処理
装置を提供するものである。
らの劣化したデジタル信号を遅延させる手段と、非線形
の入出力特性を有する複数の変換系が独立した固定の重
みで結ばれた変換手段とからなり、時間的に前後させた
前記デジタル信号を前記変換手段に入力し、前記伝送再
生系の特性に応じて、前記劣化したデジタル信号を波形
処理して出力するようにしたニューラルネットによる波
形処理装置であって、前記固定の重みとして、ニューラ
ルネットにより前記伝送再生系の特性に対して予め学習
された重みを抵抗と反転型オペアンプとで構成すると共
に、前記非線形の入出力特性を有する変換系として、
異なる線形特性を有する三以上の入出力領域から構成さ
れた半導体素子、互いに逆方向に並列接続された半導
体対、互いに逆方向に並列接続されたダイオードを用
いたことを特徴とするニューラルネットによる波形処理
装置を提供するものである。
【００１８】本発明は、伝送再生系からの劣化したデジ
タル信号を遅延させる手段と、非線形の入出力特性を有
する複数の変換系が独立した固定の重みで結ばれた変換
手段とからなり、前記伝送再生系からの劣化したデジタ
ル信号を波形処理して出力する波形処理装置を設計する
ためのニューラルネットによる波形処理装置の設計方法
であって、前記波形処理装置と等価となるように非線形
の入出力特性を有する複数の変換系が独立した可変の重
みで結ばれたニューラルネットを用いて、前記伝送再生
系の特性に応じた重みを可変学習させ、この可変学習さ
せた重みをもとにして前記変換手段の固定の重みを設計
決定すると共に、前記伝送再生系の特性に応じた重みを
可変学習させるに際して、教師信号としては、出力され
るべきデジタル信号の２値と、この２値の中間の値とを
用いたことを特徴とするニューラルネットによる波形処
理装置の設計方法を提供するものである。
タル信号を遅延させる手段と、非線形の入出力特性を有
する複数の変換系が独立した固定の重みで結ばれた変換
手段とからなり、前記伝送再生系からの劣化したデジタ
ル信号を波形処理して出力する波形処理装置を設計する
ためのニューラルネットによる波形処理装置の設計方法
であって、前記波形処理装置と等価となるように非線形
の入出力特性を有する複数の変換系が独立した可変の重
みで結ばれたニューラルネットを用いて、前記伝送再生
系の特性に応じた重みを可変学習させ、この可変学習さ
せた重みをもとにして前記変換手段の固定の重みを設計
決定すると共に、前記伝送再生系の特性に応じた重みを
可変学習させるに際して、教師信号としては、出力され
るべきデジタル信号の２値と、この２値の中間の値とを
用いたことを特徴とするニューラルネットによる波形処
理装置の設計方法を提供するものである。
【００１９】
【００２０】
【００２１】
【００２２】
【実施例】本発明になるニューラルネットによる波形等
化装置及びその設計方法の一実施例を以下図面と共に詳
細に説明する。なお、本波形等化装置ＷＥは、図３に示
すような実体的な信号処理装置であり、図４（Ｃ）に示
すように、記録媒体（または伝送系）Ｍにより記録・伝
送されたデジタル信号を再生・受信する場合に使用さ
れ、再生（受信）装置Ｄからの再生信号（波形劣化した
デジタル信号）を波形等化して出力するものである。そ
して、その設計方法は図４（Ａ）〜（Ｃ）に示す手法に
よるものである。
化装置及びその設計方法の一実施例を以下図面と共に詳
細に説明する。なお、本波形等化装置ＷＥは、図３に示
すような実体的な信号処理装置であり、図４（Ｃ）に示
すように、記録媒体（または伝送系）Ｍにより記録・伝
送されたデジタル信号を再生・受信する場合に使用さ
れ、再生（受信）装置Ｄからの再生信号（波形劣化した
デジタル信号）を波形等化して出力するものである。そ
して、その設計方法は図４（Ａ）〜（Ｃ）に示す手法に
よるものである。
【００２３】（ニューラルネットＮによる波形等化処理
の基本概念）最初に、ニューラルネットによる波形等化
装置及びその設計方法の基本概念であるニューラルネッ
トＮによる波形等化処理ついて説明する。図１はニュー
ラルネット（ニューラルネットワーク）による波形等化
処理（信号処理）の概念図である。
の基本概念）最初に、ニューラルネットによる波形等化
装置及びその設計方法の基本概念であるニューラルネッ
トＮによる波形等化処理ついて説明する。図１はニュー
ラルネット（ニューラルネットワーク）による波形等化
処理（信号処理）の概念図である。
【００２４】同図に示すように、ニューラルネットによ
る波形等化処理においては、入力信号（再生装置Ｄから
の波形劣化したデジタル信号）は、直列に接続された遅
延手段ＤＬによって所定の遅延時間が与えられて、時間
的に前後する複数の入力信号（値）がニューラルネット
Ｎに入力されるように構成されている。
る波形等化処理においては、入力信号（再生装置Ｄから
の波形劣化したデジタル信号）は、直列に接続された遅
延手段ＤＬによって所定の遅延時間が与えられて、時間
的に前後する複数の入力信号（値）がニューラルネット
Ｎに入力されるように構成されている。
【００２５】ニューラルネットＮは、例えばバックプロ
パゲーション(back propagation)を学習アルゴリズムと
する層状（例えば入力層，中間層［隠れ層］，出力層の
３層）のニューラルネットであり、可変の重みＷで結ば
れた多数のユニット（ニューロン、シナップスとも称さ
れる）の結合（体）である。ユニットＵは非線形の入出
力特性を有する変換系であり、ユニットＵには前層から
の出力値に独立した重みＷが乗算して得られた前層から
の総和が入力され、この総和が非線形変換されて後層に
出力されている。
パゲーション(back propagation)を学習アルゴリズムと
する層状（例えば入力層，中間層［隠れ層］，出力層の
３層）のニューラルネットであり、可変の重みＷで結ば
れた多数のユニット（ニューロン、シナップスとも称さ
れる）の結合（体）である。ユニットＵは非線形の入出
力特性を有する変換系であり、ユニットＵには前層から
の出力値に独立した重みＷが乗算して得られた前層から
の総和が入力され、この総和が非線形変換されて後層に
出力されている。
【００２６】ニューラルネットＮは、（既知の）入力信
号に対して出力された出力信号が教師信号と比較されて
ユニット間の結合の強さを表わす可変の重みＷが変化・
収束され、すなわち学習され、所望のニューラルネット
が構築されて波形等化機能を有するようになる。すなわ
ち、ニューラルネットＮからは、略２値データ化された
デジタル信号が最終出力される。
号に対して出力された出力信号が教師信号と比較されて
ユニット間の結合の強さを表わす可変の重みＷが変化・
収束され、すなわち学習され、所望のニューラルネット
が構築されて波形等化機能を有するようになる。すなわ
ち、ニューラルネットＮからは、略２値データ化された
デジタル信号が最終出力される。
【００２７】（ニューラルネットＮとユニットＵの構
成）次に、ニューラルネットＮとユニットＵについて詳
述する。図１に示したニューラルネットＮは、前述した
ように、多数のユニット（Ｕ）によりなる入力層、中間
層、出力層などから構成した層状のニューラルネットで
ある。
成）次に、ニューラルネットＮとユニットＵについて詳
述する。図１に示したニューラルネットＮは、前述した
ように、多数のユニット（Ｕ）によりなる入力層、中間
層、出力層などから構成した層状のニューラルネットで
ある。
【００２８】ユニットＵは脳のニューロンを工学的にモ
デル化した非線形な入出力特性を有する変換系であり、
ニューラルネットＮは可変の重みＷで結ばれた多数のユ
ニットの結合（体）である。図２は、図１に示したニュ
ーラルネットのユニット結合を示す図である。ユニット
Ｕは非線形の入出力特性、例えば入力値Ｘに対して出力
値Ｙ＝Ｆ（Ｘ）を出力する非線形関数Ｆ（Ｘ）により構
成された変換系である。入力値としては、前層の出力値
（あるいはニューラルネットへの入力値）に、独立した
可変の重みＷが乗算して得られた総和が入力されてお
り、この入力値が非線形変換されて後層に出力されてい
る。なお、ニューラルネットＮの各ユニットＵに、直流
バイアス値を（可変の重みＷを介して）入力しても良
い。この直流バイアスの最適値も後述する学習で決定さ
れる。
デル化した非線形な入出力特性を有する変換系であり、
ニューラルネットＮは可変の重みＷで結ばれた多数のユ
ニットの結合（体）である。図２は、図１に示したニュ
ーラルネットのユニット結合を示す図である。ユニット
Ｕは非線形の入出力特性、例えば入力値Ｘに対して出力
値Ｙ＝Ｆ（Ｘ）を出力する非線形関数Ｆ（Ｘ）により構
成された変換系である。入力値としては、前層の出力値
（あるいはニューラルネットへの入力値）に、独立した
可変の重みＷが乗算して得られた総和が入力されてお
り、この入力値が非線形変換されて後層に出力されてい
る。なお、ニューラルネットＮの各ユニットＵに、直流
バイアス値を（可変の重みＷを介して）入力しても良
い。この直流バイアスの最適値も後述する学習で決定さ
れる。
【００２９】より詳述すれば、図２は、層状のニューラ
ルネットワークを構成する第ｎ層のｉ番目のユニット結
合を示す図であり、第ｎ層のｉ番目のユニットへの入力
値Ｘ（ｎ，ｉ）は、前層である第ｎ−１層の各ユニット
の出力値に第ｎ−１層のｊ番目と第ｎ層のｉ番目のユニ
ットとの間の結合の強さを表わす重みＷ（ｎ，ｉ，ｊ）
を掛けたものの総和となるように構成されている。そし
て、入力値Ｘ（ｎ，ｉ）は非線形関数Ｆ（Ｘ）に入力さ
れ、Ｙ（ｎ，ｉ）＝Ｆ｛Ｘ（ｎ，ｉ）｝と非線形変換さ
れて、次層のユニットに出力されるように構成されてい
る。
ルネットワークを構成する第ｎ層のｉ番目のユニット結
合を示す図であり、第ｎ層のｉ番目のユニットへの入力
値Ｘ（ｎ，ｉ）は、前層である第ｎ−１層の各ユニット
の出力値に第ｎ−１層のｊ番目と第ｎ層のｉ番目のユニ
ットとの間の結合の強さを表わす重みＷ（ｎ，ｉ，ｊ）
を掛けたものの総和となるように構成されている。そし
て、入力値Ｘ（ｎ，ｉ）は非線形関数Ｆ（Ｘ）に入力さ
れ、Ｙ（ｎ，ｉ）＝Ｆ｛Ｘ（ｎ，ｉ）｝と非線形変換さ
れて、次層のユニットに出力されるように構成されてい
る。
【００３０】前記可変の重みＷ（ｎ，ｉ，ｊ）はユニッ
ト（Ｕ）の結合の強さを表わすものであり、この重みＷ
（ｎ，ｉ，ｊ）を変化・収束させて、すなわち、学習さ
せて所望のニューラルネットが構築される。ニューラル
ネット構築の学習アルゴリズムとしては公知のバックプ
ロパケーション(back propagation)がある。すなわち、
図１に示すニューラルネットＮにおいて、入力値（入力
パターン）が入力層に入力されると、この入力値は入力
層→中間層→出力層へ伝達・処理され、出力層から出力
値（出力パターン）が出力される（フィードフォワード
処理）。この出力値は、それまでの学習によって得られ
た重みにもとづくものである。
ト（Ｕ）の結合の強さを表わすものであり、この重みＷ
（ｎ，ｉ，ｊ）を変化・収束させて、すなわち、学習さ
せて所望のニューラルネットが構築される。ニューラル
ネット構築の学習アルゴリズムとしては公知のバックプ
ロパケーション(back propagation)がある。すなわち、
図１に示すニューラルネットＮにおいて、入力値（入力
パターン）が入力層に入力されると、この入力値は入力
層→中間層→出力層へ伝達・処理され、出力層から出力
値（出力パターン）が出力される（フィードフォワード
処理）。この出力値は、それまでの学習によって得られ
た重みにもとづくものである。
【００３１】これに対して望ましい出力値（教師信号）
が与えられると、出力層→中間層→入力層の順で伝達・
処理され、重みの学習がなされる（フィードバック処
理）。重みの学習とは、実際の出力値と望ましい出力値
との差を減らすように、ユニット間の結合の強さ、すな
わち、重みＷ（ｎ，ｉ，ｊ）を変化・収束させることで
ある。次に、上述したニューラルネットＮによる波形等
化処理の基本概念をもとに、本発明であるニューラルネ
ットによる波形等化装置ＷＥの具体的構成（実体的信号
処理装置によるハードウェア的実行部分、すなわち、固
定の重みによる所望の信号処理）と、ニューラルネット
による波形等化装置の具体的設計方法（計算機によるソ
フトウェア的実行部分、すなわち、可変の重みによる予
めの学習処理）について詳述する。
が与えられると、出力層→中間層→入力層の順で伝達・
処理され、重みの学習がなされる（フィードバック処
理）。重みの学習とは、実際の出力値と望ましい出力値
との差を減らすように、ユニット間の結合の強さ、すな
わち、重みＷ（ｎ，ｉ，ｊ）を変化・収束させることで
ある。次に、上述したニューラルネットＮによる波形等
化処理の基本概念をもとに、本発明であるニューラルネ
ットによる波形等化装置ＷＥの具体的構成（実体的信号
処理装置によるハードウェア的実行部分、すなわち、固
定の重みによる所望の信号処理）と、ニューラルネット
による波形等化装置の具体的設計方法（計算機によるソ
フトウェア的実行部分、すなわち、可変の重みによる予
めの学習処理）について詳述する。
【００３２】（ニューラルネットＮによる波形等化装置
ＷＥの具体的構成）本発明であるニューラルネットによ
る波形等化装置ＷＥの具体的構成（ハードウェア的実行
部分）について説明する。図３は、オペアンプ，ダイオ
ード対，抵抗などにより具体的に構成した、図１及び図
２に示したニューラルネットＮと等価な波形等化装置の
回路図である。この波形等化装置ＷＥは、固定の重みを
有する実体的な信号処理装置で、所望の信号処理（フィ
ードフォワード処理）のみを高速で実行するものであ
り、学習機能を有しない簡易な回路で構成されたもので
ある。
ＷＥの具体的構成）本発明であるニューラルネットによ
る波形等化装置ＷＥの具体的構成（ハードウェア的実行
部分）について説明する。図３は、オペアンプ，ダイオ
ード対，抵抗などにより具体的に構成した、図１及び図
２に示したニューラルネットＮと等価な波形等化装置の
回路図である。この波形等化装置ＷＥは、固定の重みを
有する実体的な信号処理装置で、所望の信号処理（フィ
ードフォワード処理）のみを高速で実行するものであ
り、学習機能を有しない簡易な回路で構成されたもので
ある。
【００３３】図３に示すように、ユニット（Ｕ）は所定
の反転増幅特性を有する汎用の反転型オペアンプ１ａ・
１ｂ，２ａ・２ｂ，３ａ・３ｂ，４ａ・４ｂと、所定の
増幅特性を有するバッファアンプ５，６，７，８，９
と、非線形の入出力特性（接合特性）を有するダイオー
ド対（１０，１１，１２，１３）からなる。ダイオード
対は、信号ラインと接地ラインとの間に逆方向に並列接
続されたもので、図５に示すように、ダイオードの接合
特性を利用した非線形な入出力特性を有するものであ
る。すなわち、異なる線形特性を有する３つの入出力領
域Ｅ1，Ｅ2 ，Ｅ3 から構成された非線形の変換系とし
て動作するものである。なお、同図では、中心電位を０
とした例を示している。
の反転増幅特性を有する汎用の反転型オペアンプ１ａ・
１ｂ，２ａ・２ｂ，３ａ・３ｂ，４ａ・４ｂと、所定の
増幅特性を有するバッファアンプ５，６，７，８，９
と、非線形の入出力特性（接合特性）を有するダイオー
ド対（１０，１１，１２，１３）からなる。ダイオード
対は、信号ラインと接地ラインとの間に逆方向に並列接
続されたもので、図５に示すように、ダイオードの接合
特性を利用した非線形な入出力特性を有するものであ
る。すなわち、異なる線形特性を有する３つの入出力領
域Ｅ1，Ｅ2 ，Ｅ3 から構成された非線形の変換系とし
て動作するものである。なお、同図では、中心電位を０
とした例を示している。
【００３４】ユニット（Ｕ）間の抵抗Ｒji，Ｒj （ R1
1,R21,R31,R41,R51,R12,R22,R32,R42,R52,R13,R23,R33,
R43,R53,R1 ,R2 ,R3 ）はユニット間の結合の強さを表
わす固定の重みとして機能するものである。つまり、重
みW(2,i,j)は抵抗Ｒjiに対応し、重みW(3,1,j)は抵抗Ｒ
j に対応する。固定の抵抗Ｒji，Ｒj の抵抗値は、後述
する設計方法により決定される値である。
1,R21,R31,R41,R51,R12,R22,R32,R42,R52,R13,R23,R33,
R43,R53,R1 ,R2 ,R3 ）はユニット間の結合の強さを表
わす固定の重みとして機能するものである。つまり、重
みW(2,i,j)は抵抗Ｒjiに対応し、重みW(3,1,j)は抵抗Ｒ
j に対応する。固定の抵抗Ｒji，Ｒj の抵抗値は、後述
する設計方法により決定される値である。
【００３５】なお、ユニット間の結合の強さを表わす重
み（係数）は、後述するように正負の値を有するが、負
の重み対しては前記反転型オペアンプを単独で使用して
（例えば、抵抗R21 と反転型オペアンプ１ａによる構
成）信号を反転させ、正の重み対しては２つの反転型オ
ペアンプを直列に使用して（例えば、抵抗R31 と反転型
オペアンプ１ｂ及び反転型オペアンプ１ａによる構成）
信号を再反転させて対応させている。１４，１５，１
６，１７は、所定の遅延時間（例えば、再生信号である
デジタルデータの１周期Ｔの半分であるＴ／２）を有す
るディレイラインである。
み（係数）は、後述するように正負の値を有するが、負
の重み対しては前記反転型オペアンプを単独で使用して
（例えば、抵抗R21 と反転型オペアンプ１ａによる構
成）信号を反転させ、正の重み対しては２つの反転型オ
ペアンプを直列に使用して（例えば、抵抗R31 と反転型
オペアンプ１ｂ及び反転型オペアンプ１ａによる構成）
信号を再反転させて対応させている。１４，１５，１
６，１７は、所定の遅延時間（例えば、再生信号である
デジタルデータの１周期Ｔの半分であるＴ／２）を有す
るディレイラインである。
【００３６】入力信号（再生装置Ｄからの波形劣化した
デジタル信号）は遅延手段（ディレイライン）１４，１
５，１６，１７によって前記所定の遅延時間が与えられ
て、（ニューラルネットの）入力層に入力されている。
時間的に前後した複数の入力波形（値）は入力層のユニ
ットU(1,1)〜U(1,5)である各バッファアンプ５，６，
７，８，９で増幅された後に分割されて、前記抵抗を介
して中間層のユニットへ入力されている。
デジタル信号）は遅延手段（ディレイライン）１４，１
５，１６，１７によって前記所定の遅延時間が与えられ
て、（ニューラルネットの）入力層に入力されている。
時間的に前後した複数の入力波形（値）は入力層のユニ
ットU(1,1)〜U(1,5)である各バッファアンプ５，６，
７，８，９で増幅された後に分割されて、前記抵抗を介
して中間層のユニットへ入力されている。
【００３７】ユニットへの入力値としては、前層である
入力層の出力値が、独立した固定の重みとして機能する
抵抗Ｒｊｉ（Ｒ１１，Ｒ２１，Ｒ３１，Ｒ４１，Ｒ５
１，Ｒ１２，Ｒ２２，Ｒ３２，Ｒ４２，Ｒ５２，Ｒ１
３，Ｒ２３，Ｒ３３，Ｒ４３，Ｒ５３）を介して重み付
けされた後に、中間層のユニットＵ（２，１）〜Ｕ
（２，３）を構成するオペアンプ１ａ・１ｂ，２ａ・２
ｂ，３ａ・３ｂの反転入力端子に入力され、加算合成さ
れている。なお、オペアンプの非反転入力端子は接地さ
れている。オペアンプより（反転または再反転）増幅さ
れた入力値は、ダイオード対１０，１１，１２により非
線形変換されて後層である出力層に出力されている。ダ
イオード対は、前記図５に示したような非線形な入出力
特性を有するので、非線形変換がなされて出力されるこ
ととなる。なお、ユニットに直流バイアス値を入力する
場合には、学習で決定された固定の直流値を有する独立
した直流電圧源（図示せず）を設けて、この直流電圧源
とユニット（中間層，出力層）の入力とを、学習で決定
された固定の重みとして機能する抵抗を介して接続すれ
ば良い。
入力層の出力値が、独立した固定の重みとして機能する
抵抗Ｒｊｉ（Ｒ１１，Ｒ２１，Ｒ３１，Ｒ４１，Ｒ５
１，Ｒ１２，Ｒ２２，Ｒ３２，Ｒ４２，Ｒ５２，Ｒ１
３，Ｒ２３，Ｒ３３，Ｒ４３，Ｒ５３）を介して重み付
けされた後に、中間層のユニットＵ（２，１）〜Ｕ
（２，３）を構成するオペアンプ１ａ・１ｂ，２ａ・２
ｂ，３ａ・３ｂの反転入力端子に入力され、加算合成さ
れている。なお、オペアンプの非反転入力端子は接地さ
れている。オペアンプより（反転または再反転）増幅さ
れた入力値は、ダイオード対１０，１１，１２により非
線形変換されて後層である出力層に出力されている。ダ
イオード対は、前記図５に示したような非線形な入出力
特性を有するので、非線形変換がなされて出力されるこ
ととなる。なお、ユニットに直流バイアス値を入力する
場合には、学習で決定された固定の直流値を有する独立
した直流電圧源（図示せず）を設けて、この直流電圧源
とユニット（中間層，出力層）の入力とを、学習で決定
された固定の重みとして機能する抵抗を介して接続すれ
ば良い。
【００３８】出力層のユニットU(3,1)であるオペアンプ
４ａ（及び４ｂ），ダイオード対１３には、前記中間層
からの出力が抵抗Ｒj （R1,R2 ,R3）を介して入力さ
れ、前述した中間層のユニットと同様に、非線形変換さ
れて出力信号（すなわち、波形等化されたデジタル信
号）としてに出力される。
４ａ（及び４ｂ），ダイオード対１３には、前記中間層
からの出力が抵抗Ｒj （R1,R2 ,R3）を介して入力さ
れ、前述した中間層のユニットと同様に、非線形変換さ
れて出力信号（すなわち、波形等化されたデジタル信
号）としてに出力される。
【００３９】（ニューラルネットによる波形等化装置の
設計方法）次に、ニューラルネットによる波形等化装置
の設計方法（ワークステーションによるソフトウェア的
実行部分）を説明する。なお、この設計方法が対象とす
る波形等化装置（ＷＥ）は、前記図３で説明した回路で
ある。ニューラルネットによる波形等化装置の設計方法
とは、図４（Ａ）〜（Ｃ）に示す手法によって、波形等
化装置ＷＥの抵抗Ｒji，Ｒj （ R11,R21,R31,R41,R51,R
12,R22,R32,R42,R52,R13,R23,R33,R43,R53,R1 ,R2 ,R3
）の値（固定の重み）を、この波形等化装置ＷＥと等
価なニューラルネット（図１に示したニューラルネット
Ｎ）の学習により得られた重みW(2,i,j)，W(3,1,j)によ
り、すなわち、学習により変化・収束した可変の重みに
より具体的に決定することである。なお、ユニット間の
結合の強さを表わす重みは、前述したように正負の値を
有するが、負の重み対しては前記反転型オペアンプを単
独で使用して信号を反転させ、正の重み対しては２つの
反転型オペアンプを直列に使用して信号を再反転させて
対応させている。
設計方法）次に、ニューラルネットによる波形等化装置
の設計方法（ワークステーションによるソフトウェア的
実行部分）を説明する。なお、この設計方法が対象とす
る波形等化装置（ＷＥ）は、前記図３で説明した回路で
ある。ニューラルネットによる波形等化装置の設計方法
とは、図４（Ａ）〜（Ｃ）に示す手法によって、波形等
化装置ＷＥの抵抗Ｒji，Ｒj （ R11,R21,R31,R41,R51,R
12,R22,R32,R42,R52,R13,R23,R33,R43,R53,R1 ,R2 ,R3
）の値（固定の重み）を、この波形等化装置ＷＥと等
価なニューラルネット（図１に示したニューラルネット
Ｎ）の学習により得られた重みW(2,i,j)，W(3,1,j)によ
り、すなわち、学習により変化・収束した可変の重みに
より具体的に決定することである。なお、ユニット間の
結合の強さを表わす重みは、前述したように正負の値を
有するが、負の重み対しては前記反転型オペアンプを単
独で使用して信号を反転させ、正の重み対しては２つの
反転型オペアンプを直列に使用して信号を再反転させて
対応させている。
【００４０】図４（Ａ）に示すように、再生装置Ｄによ
り再生された記録媒体Ｍo からの再生信号は、Ａ／Ｄ変
換されてデジタルメモリ２０に所定のサンプリング周期
で取り込まれる。記録媒体Ｍo には、学習時に利用され
る既知のデジタルデータが予め記録されている。デジタ
ルメモリ２０に取り込まれたデータは、学習処理用のワ
ークステーション２１に転送され、後述する学習演算処
理がなされる。サンプリング周期は、学習演算処理の間
隔（後述するようには例えばデータの１周期Ｔの半分の
時間間隔Ｔ／２）に等しいか、または学習演算処理の間
隔よりも短くしてある。
り再生された記録媒体Ｍo からの再生信号は、Ａ／Ｄ変
換されてデジタルメモリ２０に所定のサンプリング周期
で取り込まれる。記録媒体Ｍo には、学習時に利用され
る既知のデジタルデータが予め記録されている。デジタ
ルメモリ２０に取り込まれたデータは、学習処理用のワ
ークステーション２１に転送され、後述する学習演算処
理がなされる。サンプリング周期は、学習演算処理の間
隔（後述するようには例えばデータの１周期Ｔの半分の
時間間隔Ｔ／２）に等しいか、または学習演算処理の間
隔よりも短くしてある。
【００４１】この時、再生信号は、ビットＰＬＬ（フェ
ーズロックループ）回路２２にも入力されて再生信号
（デジタルデータ）のクロックが抽出されている。抽出
されたクロックは逓倍回路２３で、サンプリング周期に
対応するように逓倍され、位相回路２４で位相調整され
た後に、前記デジタルメモリ２０のサンプリングクロッ
クとして入力されている。
ーズロックループ）回路２２にも入力されて再生信号
（デジタルデータ）のクロックが抽出されている。抽出
されたクロックは逓倍回路２３で、サンプリング周期に
対応するように逓倍され、位相回路２４で位相調整され
た後に、前記デジタルメモリ２０のサンプリングクロッ
クとして入力されている。
【００４２】このように、サンプリング周期の位相は、
記録時と等しい理想的な位相ではなく、再生装置Ｄによ
って再生された現実の信号の位相に合わせている。した
がって、この取り込みデータをもとにしたワークステー
ション２１による後述する学習演算処理は、再生装置Ｄ
によって再生された現実の信号の位相（タイミング）に
合わせてなされることとなり、すなわちニューラルネッ
トは現実的な条件下で学習することとなり、結果的に精
度の良い波形等化がなされる。
記録時と等しい理想的な位相ではなく、再生装置Ｄによ
って再生された現実の信号の位相に合わせている。した
がって、この取り込みデータをもとにしたワークステー
ション２１による後述する学習演算処理は、再生装置Ｄ
によって再生された現実の信号の位相（タイミング）に
合わせてなされることとなり、すなわちニューラルネッ
トは現実的な条件下で学習することとなり、結果的に精
度の良い波形等化がなされる。
【００４３】次に、図４（Ｂ）に示すように、ワークス
テーション２１によって学習演算処理がなされる。ワー
クステーション２１内には、公知のバックプロパケーシ
ョンによる学習アルゴリズムを有するニューラルネット
のシミュレーションプログラムが準備され、前記した図
３に示す具体的な（ニューラルネットによる）波形等化
装置ＷＥと等価である図１に示すニューラルネットＮに
対して学習演算処理が実行される。
テーション２１によって学習演算処理がなされる。ワー
クステーション２１内には、公知のバックプロパケーシ
ョンによる学習アルゴリズムを有するニューラルネット
のシミュレーションプログラムが準備され、前記した図
３に示す具体的な（ニューラルネットによる）波形等化
装置ＷＥと等価である図１に示すニューラルネットＮに
対して学習演算処理が実行される。
【００４４】すなわち、前記再生装置Ｄによって再生さ
れデジタルメモリ２０に取り込まれてワークステーショ
ン２１に転送された取り込みデータは、波形等化装置Ｗ
Ｅと等価であるニューラルネットに入力され、この入力
信号は入力層→中間層→出力層で伝達・演算処理され、
出力層から出力信号が出力される。この出力信号は、そ
れまでの学習によって得られた重みにもとづくものであ
る。演算算出された出力信号は、教師信号（記録媒体Ｍ
o に予め記録されている既知のデジタルデータをもとと
する教師データ）と比較され、出力層→中間層→入力層
の順で伝達・演算処理され、後述する図６（Ａ）〜
（Ｃ）に示すように学習がなされる。
れデジタルメモリ２０に取り込まれてワークステーショ
ン２１に転送された取り込みデータは、波形等化装置Ｗ
Ｅと等価であるニューラルネットに入力され、この入力
信号は入力層→中間層→出力層で伝達・演算処理され、
出力層から出力信号が出力される。この出力信号は、そ
れまでの学習によって得られた重みにもとづくものであ
る。演算算出された出力信号は、教師信号（記録媒体Ｍ
o に予め記録されている既知のデジタルデータをもとと
する教師データ）と比較され、出力層→中間層→入力層
の順で伝達・演算処理され、後述する図６（Ａ）〜
（Ｃ）に示すように学習がなされる。
【００４５】学習とは、実際の出力値（出力信号）と望
ましい出力値（教師信号）との差を減らすように、ニュ
ーラルネットユニット間の結合の強さである重み（係
数）をを可変して収束させることである。
ましい出力値（教師信号）との差を減らすように、ニュ
ーラルネットユニット間の結合の強さである重み（係
数）をを可変して収束させることである。
【００４６】学習させる（学習される）伝送再生系の特
性とは、データ自体の特性，記録装置の特性，再生装置
の特性，伝送ラインの特性などがあり、ニューラルネッ
トの大きさに応じて、適宜選択する。つまり、前記再生
装置Ｄによって再生されサンプリングされる取り込みデ
ータとして、種々の条件、例えば、内容の異なるデー
タ，異なる記録装置により記録された記録媒体からの再
生データ，組立調整状態の異なる再生装置（実際には、
再生装置を正常な状態から調整ずれの状態とする）よる
再生データなどを使用する。このような種々の取り込み
データをもとにして、所望の正解率（性能）が得られる
まで前述した学習を繰り返して、ニューラルネットＮの
ユニット間の結合の強さを表わす重みを可変する。そし
て、伝送再生系の特性を学習して収束したニューラルネ
ットＮの重みが、波形等化装置ＷＥの抵抗Ｒji，Ｒj
（ R11,R21,R31,R41,R51,R12,R22,R32,R42,R52,R13,R2
3,R33,R43,R53,R1 ,R2 ,R3 ）の値として、決定され
る。ニューラルネットの学習方法については、後に詳述
する。
性とは、データ自体の特性，記録装置の特性，再生装置
の特性，伝送ラインの特性などがあり、ニューラルネッ
トの大きさに応じて、適宜選択する。つまり、前記再生
装置Ｄによって再生されサンプリングされる取り込みデ
ータとして、種々の条件、例えば、内容の異なるデー
タ，異なる記録装置により記録された記録媒体からの再
生データ，組立調整状態の異なる再生装置（実際には、
再生装置を正常な状態から調整ずれの状態とする）よる
再生データなどを使用する。このような種々の取り込み
データをもとにして、所望の正解率（性能）が得られる
まで前述した学習を繰り返して、ニューラルネットＮの
ユニット間の結合の強さを表わす重みを可変する。そし
て、伝送再生系の特性を学習して収束したニューラルネ
ットＮの重みが、波形等化装置ＷＥの抵抗Ｒji，Ｒj
（ R11,R21,R31,R41,R51,R12,R22,R32,R42,R52,R13,R2
3,R33,R43,R53,R1 ,R2 ,R3 ）の値として、決定され
る。ニューラルネットの学習方法については、後に詳述
する。
【００４７】最後に、図４（Ｃ）に示すように、具体的
に決定された抵抗値及び反転型オペアンプの有無に基づ
いて、波形等化装置ＷＥが製作されて、再生装置Ｄで再
生された一般的な記録媒体Ｍからの再生信号が波形等化
されて出力される。
に決定された抵抗値及び反転型オペアンプの有無に基づ
いて、波形等化装置ＷＥが製作されて、再生装置Ｄで再
生された一般的な記録媒体Ｍからの再生信号が波形等化
されて出力される。
【００４８】（ニューラルネットの学習方法）次に、前
記した波形等化装置の設計方法におけるニューラルネッ
トの学習について詳述する。本設計方法では学習のタイ
ミング（周期）、すなわち、学習に用いる取り込みデー
タのサンプリング点を最適化すると共に、バックプロパ
ゲーションによる学習として教師信号に最終的なデジタ
ル出力値である「０」「１」以外の中間的な値を用い
て、学習効果を高めている。図６（Ａ）〜（Ｃ）は学習
過程を説明する図である。
記した波形等化装置の設計方法におけるニューラルネッ
トの学習について詳述する。本設計方法では学習のタイ
ミング（周期）、すなわち、学習に用いる取り込みデー
タのサンプリング点を最適化すると共に、バックプロパ
ゲーションによる学習として教師信号に最終的なデジタ
ル出力値である「０」「１」以外の中間的な値を用い
て、学習効果を高めている。図６（Ａ）〜（Ｃ）は学習
過程を説明する図である。
【００４９】学習時、図６（Ｂ）及び（Ｃ）に示すよう
に、学習は例えばデータの１周期Ｔの半分の時間間隔
（周期Ｔ／２）で実行される。前述したように、前記デ
ジタルメモリ２０によるサンプリング周期の位相は、記
録時と等しい理想的な位相ではなく、再生装置Ｄによっ
て再生された現実の信号の位相に合わせている。よっ
て、この取り込みデータをもとにしたワークステーショ
ン２１による学習演算処理は、再生装置Ｄによって再生
された現実の信号の位相に合わせてなされる。すなわち
ニューラルネットは現実的な条件下で学習することとな
り、学習効果が良く、これをもとにした波形等化装置で
は精度の良い波形等化がなされる。
に、学習は例えばデータの１周期Ｔの半分の時間間隔
（周期Ｔ／２）で実行される。前述したように、前記デ
ジタルメモリ２０によるサンプリング周期の位相は、記
録時と等しい理想的な位相ではなく、再生装置Ｄによっ
て再生された現実の信号の位相に合わせている。よっ
て、この取り込みデータをもとにしたワークステーショ
ン２１による学習演算処理は、再生装置Ｄによって再生
された現実の信号の位相に合わせてなされる。すなわち
ニューラルネットは現実的な条件下で学習することとな
り、学習効果が良く、これをもとにした波形等化装置で
は精度の良い波形等化がなされる。
【００５０】また、学習時、図６（Ｂ）及び（Ｃ）に示
すように、教師信号としてはデジタルデータ０に対応す
る値（信号電圧値）「０」及びデジタルデータ１に対応
する値（信号電圧値）「１」以外の値として、中間値、
例えば「0.5」を用いている。前述したように、前記デ
ジタルメモリ２０によるサンプリング周期は、学習の間
隔に等しいか短くしてあり、また、学習の間隔はデータ
の１周期Ｔより短く、例えば、の半分の時間間隔（周期
Ｔ／２）とされている。そして、データの反転時の間の
学習点では教師信号を「0.5 」としている。
すように、教師信号としてはデジタルデータ０に対応す
る値（信号電圧値）「０」及びデジタルデータ１に対応
する値（信号電圧値）「１」以外の値として、中間値、
例えば「0.5」を用いている。前述したように、前記デ
ジタルメモリ２０によるサンプリング周期は、学習の間
隔に等しいか短くしてあり、また、学習の間隔はデータ
の１周期Ｔより短く、例えば、の半分の時間間隔（周期
Ｔ／２）とされている。そして、データの反転時の間の
学習点では教師信号を「0.5 」としている。
【００５１】教師信号「０．５」の時では、出力信号が
両極端の２値である「０」「１」ではなく、この中間値
「０．５」との差を減らすように、結合の強さである重
みを変化・収束させて学習するので、ニューラルネット
内の連想記憶がスムーズになり、効率良く学習される。
なお、教師信号とする中間値は「０．５」の値に限るわ
けでなく、もっと多値にしても良く、同時に補間する数
をもっと多数にしても良い。また、後述する具体例のよ
うに、記録媒体としてＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓ
ｋ）を用いてＣＤからの再生信号を波形等化する場合で
は、ＣＤの記録（カッティング）に用いた矩形波形状の
デジタル信号をＦＩＲフィルタによって処理して、再生
装置の光学ピックアップから得られるように信号を丸く
して教師信号を作成すれば、学習がよりスムーズに進
む。
両極端の２値である「０」「１」ではなく、この中間値
「０．５」との差を減らすように、結合の強さである重
みを変化・収束させて学習するので、ニューラルネット
内の連想記憶がスムーズになり、効率良く学習される。
なお、教師信号とする中間値は「０．５」の値に限るわ
けでなく、もっと多値にしても良く、同時に補間する数
をもっと多数にしても良い。また、後述する具体例のよ
うに、記録媒体としてＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓ
ｋ）を用いてＣＤからの再生信号を波形等化する場合で
は、ＣＤの記録（カッティング）に用いた矩形波形状の
デジタル信号をＦＩＲフィルタによって処理して、再生
装置の光学ピックアップから得られるように信号を丸く
して教師信号を作成すれば、学習がよりスムーズに進
む。
【００５２】（ニューラルネットへの入力信号）上述し
たように、ニューラルネットによる波形等化において
は、入力信号（再生装置Ｄからの波形劣化したデジタル
信号）は遅延手段ＤＬ（ディレイライン９，１０，１
１，１２）によって所定の遅延時間が与えられて、時間
的に前後する複数の入力波形（値）がニューラルネット
に入力されている。このように、入力波形の時間的変化
を入力して、ニューラルネットが波形の特徴を捕まえや
すく、符号間干渉の原因を認識・連想して学習しやすく
しているので、簡易な構成で、しかも精度の良い波形等
化がなされることとなる。
たように、ニューラルネットによる波形等化において
は、入力信号（再生装置Ｄからの波形劣化したデジタル
信号）は遅延手段ＤＬ（ディレイライン９，１０，１
１，１２）によって所定の遅延時間が与えられて、時間
的に前後する複数の入力波形（値）がニューラルネット
に入力されている。このように、入力波形の時間的変化
を入力して、ニューラルネットが波形の特徴を捕まえや
すく、符号間干渉の原因を認識・連想して学習しやすく
しているので、簡易な構成で、しかも精度の良い波形等
化がなされることとなる。
【００５３】（ニューラルネットの最終ユニットへの入
力信号）また、前記したニューラルネットによる波形等
化装置の設計方法を実施した結果、ニューラルネットの
最終ユニット（出力層）への複数の入力信号中に、実質
的に極性が逆である信号が含まれる場合では、波形等化
装置としての性能が良好であった。これは、最終ユニッ
ト（出力層）への複数の入力信号中に、実質的に極性が
逆である信号が含まれることにより、最終ユニットへの
信号では加算でなく差分となり、高域周波数が改善され
てうまい学習が可能となって、性能が向上するためであ
る。
力信号）また、前記したニューラルネットによる波形等
化装置の設計方法を実施した結果、ニューラルネットの
最終ユニット（出力層）への複数の入力信号中に、実質
的に極性が逆である信号が含まれる場合では、波形等化
装置としての性能が良好であった。これは、最終ユニッ
ト（出力層）への複数の入力信号中に、実質的に極性が
逆である信号が含まれることにより、最終ユニットへの
信号では加算でなく差分となり、高域周波数が改善され
てうまい学習が可能となって、性能が向上するためであ
る。
【００５４】前述した図３の例では、中間層から出力層
のユニットへの３つ出力信号がすべて同極なので、極性
が逆である信号を含ませるように、３つの信号に対する
重みに対応する係数（これは抵抗Ｒj による）中、１個
の係数の極性を他２個の極性と実質的に逆とすべく、反
転型オペアンプ４ｂで信号を反転させている。なお、図
示しないが、中間層以前での係数関係により中間層から
出力層のユニットへの（３つの）出力信号が実質的に同
極でない場合では、（３つの）出力信号に対する重みに
対応する係数中、１個の係数の極性を他２個の極性と逆
にする必要はなく、図３のように反転型オペアンプで反
転させる必要はない。
のユニットへの３つ出力信号がすべて同極なので、極性
が逆である信号を含ませるように、３つの信号に対する
重みに対応する係数（これは抵抗Ｒj による）中、１個
の係数の極性を他２個の極性と実質的に逆とすべく、反
転型オペアンプ４ｂで信号を反転させている。なお、図
示しないが、中間層以前での係数関係により中間層から
出力層のユニットへの（３つの）出力信号が実質的に同
極でない場合では、（３つの）出力信号に対する重みに
対応する係数中、１個の係数の極性を他２個の極性と逆
にする必要はなく、図３のように反転型オペアンプで反
転させる必要はない。
【００５５】（ニューラルネットを構成する非線形の変
換系）前記した図３及び図５で詳述したように、非線形
の変換系をダイオード・クリップ回路により、異なる線
形特性を有する３つの入出力領域Ｅ1 ，Ｅ2 ，Ｅ3 から
構成したので、回路が極めて簡易で実現が容易であり、
かつ、学習演算処理も簡単で効率も良い。
換系）前記した図３及び図５で詳述したように、非線形
の変換系をダイオード・クリップ回路により、異なる線
形特性を有する３つの入出力領域Ｅ1 ，Ｅ2 ，Ｅ3 から
構成したので、回路が極めて簡易で実現が容易であり、
かつ、学習演算処理も簡単で効率も良い。
【００５６】（具体的実験例）前記した図４（Ａ）〜
（Ｃ）に示す設計方法にもとずいて、図３に示すニュー
ラルネットによる波形等化装置ＷＥを製作した。図７
（Ａ）は本波形等化装置による波形等化の結果を示す波
形写真、図（８）（Ａ）はタイム・インターバル・アナ
ライザー（Time Interval Analyzer）による等化波形の
分析結果を示す図である。
（Ｃ）に示す設計方法にもとずいて、図３に示すニュー
ラルネットによる波形等化装置ＷＥを製作した。図７
（Ａ）は本波形等化装置による波形等化の結果を示す波
形写真、図（８）（Ａ）はタイム・インターバル・アナ
ライザー（Time Interval Analyzer）による等化波形の
分析結果を示す図である。
【００５７】（ア）条件 a.記録媒体 記録媒体としては、市販のＣＤ（Compact Disk）の2.8
倍の記録密度（トラックピッチは0.95μで1.68倍の密
度、線方向は1.67倍の密度）、線速度は2.5m/s( ＣＤの
約２倍速）で、光学的に記録した。 b.再生装置 光学ピックアップを使用した光学的再生装置 レーザー波長 λ＝ 670nm、レンズＮＡ＝ 0.6 c.ニューラルネットの学習条件 光学系のデ・フォーカス（ピンボケ），ラジアル方向正
負のコマ収差・タンジェンシャル方向正負のコマ収差の
４収差をバックプロパゲーションによって全て学習させ
た。
倍の記録密度（トラックピッチは0.95μで1.68倍の密
度、線方向は1.67倍の密度）、線速度は2.5m/s( ＣＤの
約２倍速）で、光学的に記録した。 b.再生装置 光学ピックアップを使用した光学的再生装置 レーザー波長 λ＝ 670nm、レンズＮＡ＝ 0.6 c.ニューラルネットの学習条件 光学系のデ・フォーカス（ピンボケ），ラジアル方向正
負のコマ収差・タンジェンシャル方向正負のコマ収差の
４収差をバックプロパゲーションによって全て学習させ
た。
【００５８】（イ）比較例 図７（Ｂ）は図９に示した従来の波形等化装置による波
形等化の結果を示す波形写真、図８（Ｂ）は従来の波形
等化装置による等化波形の分析結果を示す図、図７
（Ｃ）は波形等化をしていない再生信号を示す波形写
真、図８（Ｃ）は波形等化をしていない再生信号の分析
結果を示す図である。
形等化の結果を示す波形写真、図８（Ｂ）は従来の波形
等化装置による等化波形の分析結果を示す図、図７
（Ｃ）は波形等化をしていない再生信号を示す波形写
真、図８（Ｃ）は波形等化をしていない再生信号の分析
結果を示す図である。
【００５９】（ウ）比較結果 各装置に、タンジェンシャル正方向の収差を有する再生
信号を入力して波形等化の性能を比較した。
信号を入力して波形等化の性能を比較した。
【００６０】図７（Ａ）〜（Ｃ）から明らかなように、
本波形等化装置ＷＥによれば、再生信号の符号間干渉が
除去されて、劣化のないアイパターンが得られる。ま
た、図８（Ａ）〜（Ｃ）から明らかなように、タイム・
インターバル・アナライザー（Time Interval Analyze
r）による等化波形の分析結果（タイムベース１ｎｓ，
センプル数１０5 ）においても、本波形等化装置ＷＥに
よれば、データビットが略等間隔で、かつ、明確に分離
されており、ジッタ標準偏差SDも小さく、極めて良好な
結果が得られた。
本波形等化装置ＷＥによれば、再生信号の符号間干渉が
除去されて、劣化のないアイパターンが得られる。ま
た、図８（Ａ）〜（Ｃ）から明らかなように、タイム・
インターバル・アナライザー（Time Interval Analyze
r）による等化波形の分析結果（タイムベース１ｎｓ，
センプル数１０5 ）においても、本波形等化装置ＷＥに
よれば、データビットが略等間隔で、かつ、明確に分離
されており、ジッタ標準偏差SDも小さく、極めて良好な
結果が得られた。
【００６１】このように、本波形等化装置によれば、従
来対応出来なかった種々の光学的収差に起因し、多種多
様な符号間干渉により劣化したデジタル信号を正しく再
生することができる。また、その設計方法もニューラル
ネットによるので簡易、かつ、確実である。
来対応出来なかった種々の光学的収差に起因し、多種多
様な符号間干渉により劣化したデジタル信号を正しく再
生することができる。また、その設計方法もニューラル
ネットによるので簡易、かつ、確実である。
【００６２】
【００６３】
【００６４】
【００６５】
【００６６】
【発明の効果】また、前記非線形の入出力特性を有する
変換系として、互いに逆方向に並列接続された半導体対
（例えば、ダイオード対）を用いたニューラルネットに
よる波形処理装置では、極めて簡易な構成で非線形の入
出力特性を有する変換系が得られるので、波形処理装置
を簡易な構成で安価に製作できる。
変換系として、互いに逆方向に並列接続された半導体対
（例えば、ダイオード対）を用いたニューラルネットに
よる波形処理装置では、極めて簡易な構成で非線形の入
出力特性を有する変換系が得られるので、波形処理装置
を簡易な構成で安価に製作できる。
【００６７】さらに、前記非線形の入出力特性を有する
変換系として、異なる線形特性を有する複数の入出力領
域から構成された非線形の変換系を用いたニューラルネ
ットによる波形処理装置では、変換系として動作する回
路が極めて簡易で実現が容易であり、かつ、学習演算処
理も簡単で効率も良い。
変換系として、異なる線形特性を有する複数の入出力領
域から構成された非線形の変換系を用いたニューラルネ
ットによる波形処理装置では、変換系として動作する回
路が極めて簡易で実現が容易であり、かつ、学習演算処
理も簡単で効率も良い。
【００６８】また、ニューラルネットによる波形処理装
置の設計方法として、前記伝送再生系の特性に応じた前
記重みの学習に際して、教師信号としては、出力される
べきデジタル信号の２値とこの２値の中間の値とを用い
たものでは、中間の値との差を減らすようにも、結合の
強さである重みを変化・収束させて学習し、ニューラル
ネット内に連想記憶がスムーズとなり効率良く学習がな
るので、高性能な波形処理装置を容易に設計できる。
置の設計方法として、前記伝送再生系の特性に応じた前
記重みの学習に際して、教師信号としては、出力される
べきデジタル信号の２値とこの２値の中間の値とを用い
たものでは、中間の値との差を減らすようにも、結合の
強さである重みを変化・収束させて学習し、ニューラル
ネット内に連想記憶がスムーズとなり効率良く学習がな
るので、高性能な波形処理装置を容易に設計できる。
【００６９】さらに、ニューラルネットによる波形処理
装置の設計方法として、前記伝送再生系の特性に応じた
前記重みの学習に際して、前記デジタル信号の１周期よ
り短い時間間隔で学習するようにしたものでは、学習が
効率的に行われ、実用的な波形処理装置を容易に設計で
きる。
装置の設計方法として、前記伝送再生系の特性に応じた
前記重みの学習に際して、前記デジタル信号の１周期よ
り短い時間間隔で学習するようにしたものでは、学習が
効率的に行われ、実用的な波形処理装置を容易に設計で
きる。
【００７０】
【図面の簡単な説明】
【図１】本発明になるニューラルネットによる波形等化
の一実施例を示す基本概念図である。
の一実施例を示す基本概念図である。
【図２】図１に示したニューラルネットワークのユニッ
ト結合を示す図である。
ト結合を示す図である。
【図３】ニューラルネットによる波形等化装置の具体的
な回路図であり、ハードウェア的実行をする実体的信号
装置の一例を示すものである。
な回路図であり、ハードウェア的実行をする実体的信号
装置の一例を示すものである。
【図４】ニューラルネットによる波形等化装置の設計方
法を示す図であり、ソフトウェア的実行を説明するもの
である。
法を示す図であり、ソフトウェア的実行を説明するもの
である。
【図５】ダイオード対による非線形な入出力特性を示す
図である。
図である。
【図６】ニューラルネットによる波形等化装置の設計時
における学習過程を説明する図である。
における学習過程を説明する図である。
【図７】（Ａ）は本波形等化装置による波形等化の結果
を示す波形写真、（Ｂ）は図９に示した従来の波形等化
装置による波形等化の結果を示す波形写真、（Ｃ）は波
形等化をしていない再生信号を示す波形写真である。
を示す波形写真、（Ｂ）は図９に示した従来の波形等化
装置による波形等化の結果を示す波形写真、（Ｃ）は波
形等化をしていない再生信号を示す波形写真である。
【図８】（Ａ）は本波形等化装置による等化波形の分析
結果を示す図、（Ｂ）は図９に示した従来の波形等化装
置による等化波形の分析結果を示す図、（Ｃ）は波形等
化をしていない再生信号の分析結果を示す図である。
結果を示す図、（Ｂ）は図９に示した従来の波形等化装
置による等化波形の分析結果を示す図、（Ｃ）は波形等
化をしていない再生信号の分析結果を示す図である。
【図９】従来の波形等化装置示す構成図である。
【図１０】磁気記録再生系に発生する信号劣化の状態を
示すものである。
示すものである。
【図１１】光学記録再生系に発生する信号劣化の状態を
示すものである。
示すものである。
ＷＥ 波形等化装置 Ｍo 既知の記録媒体（伝送系） Ｍ 記録媒体（伝送系） Ｄ 再生（受信）装置 ＤＬ 遅延手段 Ｎ ニューラルネット Ｕ ユニット Ｗ 可変の重み ＷＥ 波形等化装置 Ｔ データの１周期時間 １ａ・１ｂ，２ａ・２ｂ，３ａ・３ｂ，４ａ・４ｂ 反
転型オペアンプ １０，１１，１２，１３ ダイオード対 １４，１５，１６，１７ ディレイライン ２０ デジタルメモリ ２１ ワークステーション ２２ ビットＰＬＬ回路 R11,R21,R31,R41,R51 中間層の第１ユニットへの抵抗
（固定の重み） R12,R22,R32,R42,R52 中間層の第２ユニットへの抵抗
（固定の重み） R13,R23,R33,R43,R53 中間層の第３ユニットへの抵抗
（固定の重み） R1 ,R2 ,R3 最終層（のユニット）への抵抗（固定の重
み）
転型オペアンプ １０，１１，１２，１３ ダイオード対 １４，１５，１６，１７ ディレイライン ２０ デジタルメモリ ２１ ワークステーション ２２ ビットＰＬＬ回路 R11,R21,R31,R41,R51 中間層の第１ユニットへの抵抗
（固定の重み） R12,R22,R32,R42,R52 中間層の第２ユニットへの抵抗
（固定の重み） R13,R23,R33,R43,R53 中間層の第３ユニットへの抵抗
（固定の重み） R1 ,R2 ,R3 最終層（のユニット）への抵抗（固定の重
み）
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 ＦＩ Ｈ０４Ｂ 3/04 Ｈ０４Ｂ 3/04 Ａ (56)参考文献 特開 平４−8019（ＪＰ，Ａ) 特開 平４−216343（ＪＰ，Ａ) 1989 Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕ ｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓ ｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，23 −26 Ｍａｙ 1989，Ｐ．1183−1186
Claims (5)
- 【請求項１】伝送再生系からの劣化したデジタル信号を
遅延させる手段と、非線形の入出力特性を有する複数の
変換系が独立した固定の重みで結ばれた変換手段とから
なり、時間的に前後させた前記デジタル信号を前記変換
手段に入力し、前記伝送再生系の特性に応じて、前記劣
化したデジタル信号を波形処理して出力するようにした
ニューラルネットによる波形処理装置であって、 前記固定の重みとして、ニューラルネットにより前記伝
送再生系の特性に対して予め学習された重みを抵抗と反
転型オペアンプとで構成すると共に、 前記非線形の入出力特性を有する変換系として、異なる
線形特性を有する三以上の入出力領域から構成された半
導体素子を用いたことを特徴とするニューラルネットに
よる波形処理装置。 - 【請求項２】伝送再生系からの劣化したデジタル信号を
遅延させる手段と、非線形の入出力特性を有する複数の
変換系が独立した固定の重みで結ばれた変換手段とから
なり、時間的に前後させた前記デジタル信号を前記変換
手段に入力し、前記伝送再生系の特性に応じて、前記劣
化したデジタル信号を波形処理して出力するようにした
ニューラルネットによる波形処理装置であって、 前記固定の重みとして、ニューラルネットにより前記伝
送再生系の特性に対して予め学習された重みを抵抗と反
転型オペアンプとで構成すると共に、 前記非線形の入出力特性を有する変換系として、互いに
逆方向に並列接続された半導体対を用いたことを特徴と
するニューラルネットによる波形処理装置。 - 【請求項３】伝送再生系からの劣化したデジタル信号を
遅延させる手段と、非線形の入出力特性を有する複数の
変換系が独立した固定の重みで結ばれた変換手段とから
なり、時間的に前後させた前記デジタル信号を前記変換
手段に入力し、前記伝送再生系の特性に応じて、前記劣
化したデジタル信号を波形処理して出力するようにした
ニューラルネットによる波形処理装置であって、 前記固定の重みとして、ニューラルネットにより前記伝
送再生系の特性に対して予め学習された重みを抵抗と反
転型オペアンプとで構成すると共に、 前記非線形の入出力特性を有する変換系として、互いに
逆方向に並列接続されたダイオードを用いたことを特徴
とするニューラルネットによる波形処理装置。 - 【請求項４】伝送再生系からの劣化したデジタル信号を
遅延させる手段と、非線形の入出力特性を有する複数の
変換系が独立した固定の重みで結ばれた変換手段とから
なり、時間的に前後させた前記デジタル信号を前記変換
手段に入力し、前記伝送再生系の特性に応じて、前記劣
化したデジタル信号を波形等化処理して出力するように
したニューラルネットによる波形処理装置であって、 前記固定の重みとして、ニューラルネットにより前記伝
送再生系の特性に対して予め学習された重みを抵抗と反
転型オペアンプとで構成すると共に、 前記非線形の入出力特性を有する変換系として、異なる
線形特性を有する三以上の入出力領域から構成された半
導体素子を用いたことを特徴とするニューラルネットに
よる波形処理装置。 - 【請求項５】伝送再生系からの劣化したデジタル信号を
遅延させる手段と、非線形の入出力特性を有する複数の
変換系が独立した固定の重みで結ばれた変換手段とから
なり、前記伝送再生系からの劣化したデジタル信号を波
形処理して出力する波形処理装置を設計するためのニュ
ーラルネットによる波形処理装置の設計方法であって、 前記波形処理装置と等価となるように非線形の入出力特
性を有する複数の変換系が独立した可変の重みで結ばれ
たニューラルネットを用いて、前記伝送再生系の特性に
応じた重みを可変学習させ、この可変学習させた重みを
もとにして前記変換手段の固定の重みを設計決定すると
共に、 前記伝送再生系の特性に応じた重みを可変学習させるに
際して、教師信号としては、出力されるべきデジタル信
号の２値と、この２値の中間の値とを用いたことを特徴
とするニューラルネットによる波形処理装置の設計方
法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3031952A JP2797035B2 (ja) | 1991-01-31 | 1991-01-31 | ニューラルネットによる波形処理装置及びその設計方法 |
| EP92300838A EP0498574B1 (en) | 1991-01-31 | 1992-01-31 | Waveform equalizer apparatus formed of neural network, and method of designing same |
| US07/828,825 US5361327A (en) | 1991-01-31 | 1992-01-31 | Waveform equalizer apparatus formed of neural network, and method of designing same |
| DE69220974T DE69220974T2 (de) | 1991-01-31 | 1992-01-31 | Einrichtung zur Wellenformentzerrung mit neuronalem Netzwerk und Verfahren zum Entwurf derselben |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3031952A JP2797035B2 (ja) | 1991-01-31 | 1991-01-31 | ニューラルネットによる波形処理装置及びその設計方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04246906A JPH04246906A (ja) | 1992-09-02 |
| JP2797035B2 true JP2797035B2 (ja) | 1998-09-17 |
Family
ID=12345299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3031952A Expired - Lifetime JP2797035B2 (ja) | 1991-01-31 | 1991-01-31 | ニューラルネットによる波形処理装置及びその設計方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5361327A (ja) |
| EP (1) | EP0498574B1 (ja) |
| JP (1) | JP2797035B2 (ja) |
| DE (1) | DE69220974T2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7177262B2 (en) | 2002-04-19 | 2007-02-13 | Victor Company Of Japan, Ltd. | Reproducing system and corresponding information recording medium having wobbled land portions |
| EP2113915A2 (en) | 2002-06-04 | 2009-11-04 | Viktor Company of Japan Ltd. | Information recording medium, and apparatuses for recording and reproducing thereof, and methods for recording and reproducing thereof |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5504780A (en) * | 1994-01-06 | 1996-04-02 | Bell Communications Research Inc. | Adaptive equalizer using self-learning neural network |
| SG24105A1 (en) | 1994-03-19 | 1996-02-10 | Sony Corp | Apparatus for recording and reproducing information |
| DE4415811A1 (de) * | 1994-05-05 | 1995-11-09 | Thomson Brandt Gmbh | Verfahren zum Entzerren von verzerrten Datensignalen |
| KR100234451B1 (ko) * | 1994-05-18 | 2000-01-15 | 모리시타 요이찌 | 신호 기록 및 재생 장치 |
| US5699487A (en) * | 1995-07-07 | 1997-12-16 | Hewlett-Packard Company | Artificial neural network read channel |
| US5978782A (en) * | 1996-07-05 | 1999-11-02 | National Semiconductor Corporation | Neural network signal processor for magnetic storage channels |
| US5995924A (en) * | 1997-05-05 | 1999-11-30 | U.S. West, Inc. | Computer-based method and apparatus for classifying statement types based on intonation analysis |
| US7133331B2 (en) | 2000-12-28 | 2006-11-07 | Victor Company Of Japan, Limited | Recording medium having a substrate containing microscopic pattern of parallel groove and land sections and recording/reproducing equipment therefor |
| CN1310186C (zh) * | 2002-09-24 | 2007-04-11 | 中兴通讯股份有限公司 | 一种神经网络均衡器的优化训练方法 |
| US7869579B2 (en) * | 2005-12-09 | 2011-01-11 | Yahoo! Inc. | Selectable replay of buffered conversation in a VOIP session |
| US20070133523A1 (en) * | 2005-12-09 | 2007-06-14 | Yahoo! Inc. | Replay caching for selectively paused concurrent VOIP conversations |
| US7711582B2 (en) * | 2006-04-17 | 2010-05-04 | General Electric Company | Remote health application for the optimization of remote site visit frequency |
| US7593535B2 (en) | 2006-08-01 | 2009-09-22 | Dts, Inc. | Neural network filtering techniques for compensating linear and non-linear distortion of an audio transducer |
| US10963775B2 (en) * | 2016-09-23 | 2021-03-30 | Samsung Electronics Co., Ltd. | Neural network device and method of operating neural network device |
| US10084620B1 (en) | 2017-03-01 | 2018-09-25 | Intel Corporation | Neural network-based systems for high speed data links |
| TWI695386B (zh) * | 2018-07-17 | 2020-06-01 | 旺宏電子股份有限公司 | 半導體電路及其操作方法 |
| JP7212543B2 (ja) * | 2019-02-18 | 2023-01-25 | 日本放送協会 | 復号装置、ホログラム再生装置、及び復号方法 |
| CN109872730B (zh) * | 2019-03-14 | 2021-01-12 | 广州飞傲电子科技有限公司 | 音频数据的失真补偿方法、模型建立方法和音频输出设备 |
| CN112615676B (zh) * | 2020-12-18 | 2021-10-01 | 厦门亿芯源半导体科技有限公司 | 带有相位延迟补偿功能的高速光收发一体芯片驱动电路 |
| CN113095482B (zh) * | 2021-04-06 | 2024-01-12 | 西安邮电大学 | 基于bp神经网络的拉曼放大器增益值计算方法及系统 |
| US11811425B2 (en) * | 2021-05-18 | 2023-11-07 | Western Digital Technologies, Inc. | Neural network soft information detector in a read channel |
| US11953987B1 (en) | 2022-09-16 | 2024-04-09 | Western Digital Technologies, Inc. | Trained states equalizer in a read channel |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04216343A (ja) * | 1990-12-17 | 1992-08-06 | Sony Corp | 信号再生装置および方法 |
-
1991
- 1991-01-31 JP JP3031952A patent/JP2797035B2/ja not_active Expired - Lifetime
-
1992
- 1992-01-31 DE DE69220974T patent/DE69220974T2/de not_active Expired - Fee Related
- 1992-01-31 EP EP92300838A patent/EP0498574B1/en not_active Expired - Lifetime
- 1992-01-31 US US07/828,825 patent/US5361327A/en not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| １９８９ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２３−２６ Ｍａｙ １９８９，Ｐ．１１８３−１１８６ |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7177262B2 (en) | 2002-04-19 | 2007-02-13 | Victor Company Of Japan, Ltd. | Reproducing system and corresponding information recording medium having wobbled land portions |
| US7336595B2 (en) | 2002-04-19 | 2008-02-26 | Victor Company Of Japan, Ltd. | Reproducing system and corresponding information recording medium having wobbled land portions |
| US7349324B2 (en) | 2002-04-19 | 2008-03-25 | Victor Company Of Japan, Limited | Reproducing system and corresponding information recording medium having wobbled land portions |
| US7656781B2 (en) | 2002-04-19 | 2010-02-02 | Victor Company Of Japan, Limited | Reproducing system and corresponding information recording medium having wobbled land portions |
| US7668072B2 (en) | 2002-04-19 | 2010-02-23 | Victor Company Of Japan, Limited | Producing system and corresponding information recording medium having wobbled land portions |
| US7907504B2 (en) | 2002-04-19 | 2011-03-15 | Victor Company Of Japan Limited | Optical recording medium having auxiliary information and reference clock |
| US8179773B2 (en) | 2002-04-19 | 2012-05-15 | JVC Kenwood Corporation | Optical recording medium having auxiliary information and reference clock |
| US8189451B2 (en) | 2002-04-19 | 2012-05-29 | JVC Kenwood Corporation | Optical recording medium having auxiliary information and reference clock |
| EP2113915A2 (en) | 2002-06-04 | 2009-11-04 | Viktor Company of Japan Ltd. | Information recording medium, and apparatuses for recording and reproducing thereof, and methods for recording and reproducing thereof |
| EP2113914A2 (en) | 2002-06-04 | 2009-11-04 | Viktor Company of Japan Ltd. | Information recording medium, and apparatuses for recording and reproducing thereof, and methods for recording and reproducing thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0498574A2 (en) | 1992-08-12 |
| DE69220974D1 (de) | 1997-08-28 |
| JPH04246906A (ja) | 1992-09-02 |
| EP0498574B1 (en) | 1997-07-23 |
| EP0498574A3 (en) | 1993-05-19 |
| US5361327A (en) | 1994-11-01 |
| DE69220974T2 (de) | 1997-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2797035B2 (ja) | ニューラルネットによる波形処理装置及びその設計方法 | |
| US5978782A (en) | Neural network signal processor for magnetic storage channels | |
| JP3172284B2 (ja) | 信号処理システム | |
| US6052349A (en) | Waveform equalizer and memory device having a waveform equalizer | |
| US7599450B2 (en) | Pattern-dependent equalization and detection | |
| JP2004080210A (ja) | デジタルフィルタ | |
| KR20060045509A (ko) | 적응 등화장치 및 방법 | |
| WO1999041839A1 (en) | A method and device for nonlinear likelihood sequence estimation | |
| EP0749123B1 (en) | Maximum-likelihood symbol detection for RLL-coded data | |
| US5699487A (en) | Artificial neural network read channel | |
| JPH11273254A (ja) | ディスク記憶装置 | |
| US6304539B1 (en) | Multilayer perception neural network scheme disk memory device and signal processing device | |
| JP2941713B2 (ja) | データ貯蔵機器のデータ検出方法及び装置 | |
| JPH05334278A (ja) | ニューラルネットによる波形処理装置の設計方法 | |
| Agarossi et al. | Equalization of non-linear optical channels | |
| JPH0619868A (ja) | ニューラルネットによる波形処理装置及びその設計方法 | |
| Nair et al. | A theoretical study of linear and nonlinear equalization in nonlinear magnetic storage channels | |
| Nair et al. | Simplified nonlinear equalizers | |
| JP2722941B2 (ja) | ニューラルネットによる波形処理装置の学習設計方法 | |
| KR100335616B1 (ko) | 데이타저장기기에 있어서신호검출방법및장치 | |
| JPH08101819A (ja) | 歪みデータ信号の等化方法および回路装置 | |
| Nair et al. | Improved equalization for digital recording using nonlinear filtering and error confinement | |
| KR100245789B1 (ko) | 램을 이용한 결정 궤한 등화기를 갖는 부분 응답 신호 재생기 | |
| Wongsathan et al. | Performance of the hybrid MLPNN based VE (hMLPNN-VE) for the nonlinear PMR channels | |
| JPH0620075A (ja) | ニューラルネットによる波形処理装置及びその設計方法 |