JP6877662B2 - 人工ニューラルネットワーク学習装置、歪み補償回路及び信号処理装置 - Google Patents
人工ニューラルネットワーク学習装置、歪み補償回路及び信号処理装置 Download PDFInfo
- Publication number
- JP6877662B2 JP6877662B2 JP2020569314A JP2020569314A JP6877662B2 JP 6877662 B2 JP6877662 B2 JP 6877662B2 JP 2020569314 A JP2020569314 A JP 2020569314A JP 2020569314 A JP2020569314 A JP 2020569314A JP 6877662 B2 JP6877662 B2 JP 6877662B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- signals
- neural network
- artificial neural
- control unit
- 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.)
- Active
Links
- 238000013528 artificial neural network Methods 0.000 title claims description 186
- 238000012545 processing Methods 0.000 title claims description 114
- 230000004044 response Effects 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 43
- 230000003044 adaptive effect Effects 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 25
- 230000001902 propagating effect Effects 0.000 claims 3
- 230000006870 function Effects 0.000 description 18
- 230000006978 adaptation Effects 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000003062 neural network model Methods 0.000 description 11
- 239000004065 semiconductor Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 102100035353 Cyclin-dependent kinase 2-associated protein 1 Human genes 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 101000661807 Homo sapiens Suppressor of tumorigenicity 14 protein Proteins 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 101000710013 Homo sapiens Reversion-inducing cysteine-rich protein with Kazal motifs Proteins 0.000 description 2
- 102100029860 Suppressor of tumorigenicity 20 protein Human genes 0.000 description 2
- 108090000237 interleukin-24 Proteins 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 101000760620 Homo sapiens Cell adhesion molecule 1 Proteins 0.000 description 1
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 1
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 101000661816 Homo sapiens Suppression of tumorigenicity 18 protein Proteins 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/005—Control of transmission; Equalising
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Amplifiers (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Description
図1は、本発明に係る実施の形態1の人工ニューラルネットワーク(ANN)学習システム1の概略構成を示すブロック図である。図1に示される人工ニューラルネットワーク学習システム1は、入力信号に対してディジタル信号処理及びアナログ信号処理を実行する信号処理回路11と、人工ニューラルネットワーク(ANN)構造41を含む人工ニューラルネットワーク(ANN)学習装置31とを備えて構成されている。ANN学習装置31は、信号処理回路11で信号歪みを生じさせる歪み特性に対応する逆特性をANN構造41に学習させる機能を有する。なお、本実施の形態のANN構造41は、ANN学習装置31の内部に組み込まれているが、この代わりに、ANN学習装置31の外にANN構造41が配置されてもよい。
wn+1=wn−G[μ,en] (1)
ここで、現在の重み係数群wn及び新たな重み係数群wn+1は、ベクトルまたは行列で表現可能であり、μは、学習係数であり、enは、誤差信号en(0)〜en(C−1)を要素とするベクトルであり、G[]は、逆伝播学習アルゴリズムによる更新量を決定する関数である。
次に、本発明に係る実施の形態2について説明する。図10は、本発明に係る実施の形態2の信号処理装置3の概略構成を示すブロック図である。図10に示される信号処理装置3は、入力信号に対してディジタル信号処理及びアナログ信号処理を実行する信号処理回路11と、信号処理回路11で発生する信号歪みをあらかじめ補償する歪み補償回路13とを備えて構成されている。図10に示した信号処理回路11の構成は、図1に示した信号処理回路11の構成と同じであるので、その詳細な説明を省略する。
Claims (12)
- 時間的に連続する複数のトレーニング信号を信号処理回路に供給して当該信号処理回路から複数の応答信号を出力させる信号供給部と、
前記複数の応答信号を記憶する信号メモリと、
前記信号メモリに記憶された当該複数の応答信号の中からランダムまたは擬似ランダムに選択された複数の選択信号を読み出し、当該複数の選択信号を人工ニューラルネットワーク構造に供給して当該人工ニューラルネットワーク構造から複数の後歪み信号を出力させるメモリ制御部と、
当該複数の後歪み信号と当該複数の選択信号に対応する複数の教師信号との間の差分を示す複数の誤差信号を算出し、当該複数の誤差信号を用いて逆伝播学習アルゴリズムに基づく適応処理を実行することにより、前記人工ニューラルネットワーク構造の入出力特性を定めるパラメータ群を更新する学習制御部と
を備えることを特徴とする人工ニューラルネットワーク学習装置。 - 請求項1に記載の人工ニューラルネットワーク学習装置であって、前記学習制御部は、前記複数のトレーニング信号の中から選択された複数の信号を前記複数の教師信号として使用することを特徴とする人工ニューラルネットワーク学習装置。
- 請求項1または請求項2に記載の人工ニューラルネットワーク学習装置であって、前記学習制御部は、前記逆伝播学習アルゴリズムに基づいて前記複数の誤差信号の大きさが小さくなるように前記パラメータ群を更新することを特徴とする人工ニューラルネットワーク学習装置。
- 請求項3に記載の人工ニューラルネットワーク学習装置であって、前記メモリ制御部及び前記学習制御部は、前記複数の選択信号を前記信号メモリから読み出す処理と、当該複数の選択信号を前記人工ニューラルネットワーク構造に供給する処理と、前記複数の誤差信号を算出する処理と、前記適応処理とを反復して実行することにより前記パラメータ群を収束させることを特徴とする人工ニューラルネットワーク学習装置。
- 請求項1から請求項4のうちのいずれか1項に記載の人工ニューラルネットワーク学習装置であって、
前記人工ニューラルネットワーク構造は、前記選択信号が入力される入力層と、少なくとも1層からなる中間層と、前記後歪み信号を出力する出力層とからなる複数の層を含み、
前記学習制御部は、前記複数の層の間を伝播する信号に重み付けされる重み係数を前記パラメータ群として更新する、
ことを特徴とする人工ニューラルネットワーク学習装置。 - 時間的に連続する複数の離散信号を入力として複数の前歪み信号を生成し、当該生成された複数の前歪み信号を信号処理回路に出力する第1人工ニューラルネットワーク構造と、
前記複数の前歪み信号を記憶するとともに、前記信号処理回路が前記複数の前歪み信号の入力に応じて出力した複数の応答信号を記憶する信号メモリと、
第2人工ニューラルネットワーク構造と、
前記複数の応答信号の中からランダムまたは擬似ランダムに選択された複数の選択信号を前記信号メモリから読み出し、当該複数の選択信号を前記第2人工ニューラルネットワーク構造に供給して当該第2人工ニューラルネットワーク構造から複数の後歪み信号を出力させるとともに、前記複数の前歪み信号の中から前記複数の選択信号に対応する信号として選択された複数の参照信号を前記信号メモリから読み出すメモリ制御部と、
前記信号メモリから読み出された当該複数の選択信号と当該複数の参照信号との間の差分を示す複数の誤差信号を算出し、当該複数の誤差信号を用いて逆伝播学習アルゴリズムに基づく適応処理を実行することにより、前記第1人工ニューラルネットワーク構造及び第2人工ニューラルネットワーク構造のそれぞれの入出力特性を定めるパラメータ群を更新する学習制御部と
を備えることを特徴とする歪み補償回路。 - 請求項6に記載の歪み補償回路であって、前記学習制御部は、前記第1人工ニューラルネットワーク構造及び前記第2人工ニューラルネットワーク構造のそれぞれの当該入出力特性が互いに一致するように前記パラメータ群を更新することを特徴とする歪み補償回路。
- 請求項6または請求項7に記載の歪み補償回路であって、前記学習制御部は、前記逆伝播学習アルゴリズムに基づいて前記複数の誤差信号の大きさが小さくなるように前記パラメータ群を更新することを特徴とする歪み補償回路。
- 請求項8に記載の歪み補償回路であって、前記メモリ制御部及び前記学習制御部は、前記複数の選択信号を前記信号メモリから読み出す処理と、当該複数の選択信号を前記第2人工ニューラルネットワーク構造に供給する処理と、前記複数の参照信号を前記信号メモリから読み出す処理と、前記複数の誤差信号を算出する処理と、前記適応処理とを反復して実行することにより前記パラメータ群を収束させることを特徴とする歪み補償回路。
- 請求項6から請求項9のうちのいずれか1項に記載の歪み補償回路であって、
前記第1人工ニューラルネットワーク構造は、前記離散信号が入力される第1の入力層と、少なくとも1層からなる第1の中間層と、前記前歪み信号を出力する第1の出力層とからなる複数の層を含み、
前記第2人工ニューラルネットワーク構造は、前記選択信号が入力される第2の入力層と、少なくとも1層からなる第2の中間層と、前記後歪み信号を出力する第2の出力層とからなる複数の層を含み、
前記学習制御部は、前記第1人工ニューラルネットワーク構造の当該複数の層の間を伝播する信号に重み付けされる重み係数と、前記第2人工ニューラルネットワーク構造の当該複数の層の間を伝播する信号に重み付けされる重み係数とを前記パラメータ群として更新する、ことを特徴とする歪み補償回路。 - 請求項6から請求項10のうちのいずれか1項に記載の歪み補償回路と、
前記信号処理回路と
を備えることを特徴とする信号処理装置。 - 請求項11に記載の信号処理装置であって、前記信号処理回路は、前記複数の前歪み信号の電力を増幅する電力増幅器を含むことを特徴とする信号処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/003645 WO2020157961A1 (ja) | 2019-02-01 | 2019-02-01 | 人工ニューラルネットワーク学習装置、歪み補償回路及び信号処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020157961A1 JPWO2020157961A1 (ja) | 2021-03-25 |
JP6877662B2 true JP6877662B2 (ja) | 2021-05-26 |
Family
ID=71841752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020569314A Active JP6877662B2 (ja) | 2019-02-01 | 2019-02-01 | 人工ニューラルネットワーク学習装置、歪み補償回路及び信号処理装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6877662B2 (ja) |
WO (1) | WO2020157961A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05235792A (ja) * | 1992-02-18 | 1993-09-10 | Fujitsu Ltd | 適応等化器 |
JPH07240901A (ja) * | 1994-02-28 | 1995-09-12 | Victor Co Of Japan Ltd | ニューラルネットワークによるライン補間装置 |
JPH10187649A (ja) * | 1996-12-27 | 1998-07-21 | Toyo Electric Mfg Co Ltd | ニューラルネットワーク |
JPH117536A (ja) * | 1997-04-25 | 1999-01-12 | Fuji Electric Co Ltd | ニューラルネットワークを用いた画像認識装置、画像認識方法、及び変換装置 |
JP3684377B2 (ja) * | 2001-09-04 | 2005-08-17 | 独立行政法人情報通信研究機構 | 通信歪み補償装置および補償方法 |
-
2019
- 2019-02-01 JP JP2020569314A patent/JP6877662B2/ja active Active
- 2019-02-01 WO PCT/JP2019/003645 patent/WO2020157961A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020157961A1 (ja) | 2020-08-06 |
JPWO2020157961A1 (ja) | 2021-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6351740B1 (en) | Method and system for training dynamic nonlinear adaptive filters which have embedded memory | |
JP3443538B2 (ja) | フィードフォワード線形化装置 | |
CN110765720B (zh) | 一种复值流水线递归神经网络模型的功放预失真方法 | |
CN110414565B (zh) | 一种用于功率放大器的基于Group Lasso的神经网络裁剪方法 | |
CN111245375B (zh) | 一种复值全连接递归神经网络模型的功放数字预失真方法 | |
CN113812094B (zh) | 每分支的、组合的和分组组合的mimo dpd | |
US20150214904A1 (en) | Distortion compensation apparatus and distortion compensation method | |
CN111859795A (zh) | 针对功率放大器的多项式辅助神经网络行为建模系统及方法 | |
US9531332B2 (en) | Distortion-compensation device and distortion-compensation method | |
CN109075745A (zh) | 预失真装置 | |
Le et al. | Hierarchical partial update generalized functional link artificial neural network filter for nonlinear active noise control | |
CN115589209A (zh) | 补偿功率放大器失真的方法以及系统 | |
JP6877662B2 (ja) | 人工ニューラルネットワーク学習装置、歪み補償回路及び信号処理装置 | |
CN104883330A (zh) | 一种盲均衡方法和一种盲均衡系统 | |
JPH11168792A (ja) | 音場制御装置 | |
WO2021054118A1 (ja) | パラメータ決定装置、信号送信装置、パラメータ決定方法、信号送信方法、及び、記録媒体 | |
JP5299958B2 (ja) | プリディストータ | |
CN111884602B (zh) | 一种基于单输出节点神经网络的功率放大器预失真方法 | |
Qian et al. | Neural network predistortion technique for nonlinear power amplifiers with memory | |
CN106105032B (zh) | 用于自适应滤波器的系统和方法 | |
JP2897220B2 (ja) | 信号処理装置 | |
US7693922B2 (en) | Method for preprocessing a signal and method for signal processing | |
US20230275788A1 (en) | Signal transmission apparatus, parameter determination apparatus, signal transmission method, parameter determination method and recording medium | |
JP5238461B2 (ja) | プリディストータ | |
TWI830276B (zh) | 補償功率放大器失真的方法以及系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201216 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201216 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210224 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210330 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6877662 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE Ref document number: 6877662 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |