JPH06112931A - Pre-processing method for digital signal - Google Patents

Pre-processing method for digital signal

Info

Publication number
JPH06112931A
JPH06112931A JP4285584A JP28558492A JPH06112931A JP H06112931 A JPH06112931 A JP H06112931A JP 4285584 A JP4285584 A JP 4285584A JP 28558492 A JP28558492 A JP 28558492A JP H06112931 A JPH06112931 A JP H06112931A
Authority
JP
Japan
Prior art keywords
digital signal
code
data
learning
digital
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
Application number
JP4285584A
Other languages
Japanese (ja)
Inventor
Hirokazu Shimada
浩和 嶋田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Victor Company of Japan Ltd
Original Assignee
Victor Company of Japan Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Victor Company of Japan Ltd filed Critical Victor Company of Japan Ltd
Priority to JP4285584A priority Critical patent/JPH06112931A/en
Publication of JPH06112931A publication Critical patent/JPH06112931A/en
Pending legal-status Critical Current

Links

Landscapes

  • Synchronisation In Digital Transmission Systems (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Abstract

PURPOSE:To easily build up a waveform processing unit utilizing the neural network by providing the pre-processing method making position and time axis matching for teacher data and learning data. CONSTITUTION:The distribution of a code interval of deteriorated learning data is obtained (steps 100-102), and the distribution of the code interval and the basic code interval of teacher data are compared to generate a code string of learning data (steps 103, 104). The teacher data and the learning data are compared and retrieved as code strings and the position is matched based on the coincidence of the code strings (steps 105-107). Furthermore, the code length is revised and final position and time axis are matched based on the result of a retrieval code string of an optimized code length (steps 108-112).

Description

【発明の詳細な説明】Detailed Description of the Invention

【0001】[0001]

【産業上の利用分野】本発明は、記録再生・伝送する際
に生じる信号劣化を除去するためにニューラルネットを
利用した波形処理装置の構築に際して使用される、デジ
タル信号の前処理方法に関するものである。
BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a digital signal pre-processing method used for constructing a waveform processing device using a neural network to remove signal deterioration that occurs during recording / reproduction / transmission. is there.

【0002】[0002]

【従来の技術】従来より、高密度の光記録媒体・磁気記
録媒体による記録再生や、高情報量の通信路での送受信
など、非線形歪の影響の受けやすい(記録再生)伝送系
における信号処理に際しては、最適な変調方式の選択,
各種の波形等化装置(イコライゼーション・フィルタリ
ング),ノイズキャンセラー,エンファシス・デエンフ
ァシスなどの利用によって、信号の劣化を抑える努力が
なされている。
2. Description of the Related Art Conventionally, signal processing in a transmission system (recording / reproducing) which is easily affected by non-linear distortion such as recording / reproducing by a high density optical recording medium / magnetic recording medium or transmission / reception in a communication path of a high information amount In that case, select the most suitable modulation method,
Efforts are being made to suppress signal deterioration by using various waveform equalizers (equalization / filtering), noise cancellers, emphasis / de-emphasis, and the like.

【0003】このような下で、非線形の変換系を有する
ニューラルネットを利用して、上述した光・磁気記録媒
体による記録再生系や、高情報量の通信路系の特性を学
習させ、伝送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が考えられ、本出願
人によりすでに特許出願されている(特願平3−319
52号 発明の名称「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」)。
Under such a condition, a neural network having a non-linear conversion system is used to learn the characteristics of the recording / reproducing system using the above-mentioned optical / magnetic recording medium and the communication path system of a high information amount, and the transmission system. It is conceivable that the deteriorated digital signal from the device is waveform-equalized and output in real time, and the present applicant has already applied for a patent (Japanese Patent Application No. 3-319).
No. 52 Invention title "waveform equalization apparatus by neural network and design method thereof").

【0004】このニューラルネットNを利用した波形等
化装置は、入力信号(例えば、再生装置からの波形劣化
した信号)を、直列に接続された遅延手段によって所定
の時間だけ遅延させ、時間的に前後する複数の入力信号
(値)をニューラルネットに入力して波形等化するよう
に構成されたものである。ニューラルネットは、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,出力層の
3層)のニューラルネットであり、可変の重みで結ばれ
た多数のユニットの結合(体)である。ユニットは非線
形の入出力特性を有する変換系であり、ユニットには前
層からの出力値に独立した重み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。
A waveform equalizer using this neural network N delays an input signal (for example, a signal whose waveform has been deteriorated from a reproducing device) by a delay unit connected in series for a predetermined time and temporally. It is configured to input a plurality of input and output signals (values) before and after to a neural network for waveform equalization. The neural network is, for example, a layered (for example, three layers of an input layer, an intermediate layer, and an output layer) neural network using a back propagation as a learning algorithm, and is a combination of many units connected with variable weights. (Body). The unit is a conversion system with non-linear input / output characteristics, and the total sum from the previous layer obtained by multiplying the output value from the previous layer by an independent weight is input to the unit, and this total sum is nonlinearly transformed. It is output to the rear layer.

【0005】そして、このニューラルネットを利用し
て、上述した記録再生系・通信路系の特性を予め学習さ
せ、伝送系からの劣化したデジタル信号を波形等化して
出力させている。すなわち、図5(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DM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DM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WSに転送され、学習
演算処理がなされる。
By utilizing this neural network, the characteristics of the recording / reproducing system and the communication path system described above are learned in advance, and the deteriorated digital signal from the transmission system is waveform-equalized and output. That is, as shown in FIG.
The reproduced signal from the recording medium Mo reproduced by the reproducing device D is A / D converted and taken into the digital memory DM at a predetermined sampling period. Known digital data used at the time of learning are recorded in advance on the recording medium Mo. The data taken in the digital memory DM is
It is transferred to the workstation WS for learning processing and learning calculation processing is performed.

【0006】図5(B)に示すように、ワークステーシ
ョンWS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、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。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DMに取り込ま
れてワークステーションWSに転送された取り込みデー
タ(以下、学習データと称する)は、ニューラルネット
N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Mo 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、学習がなされる。
As shown in FIG. 5B, in the workstation WS, a simulation program of a neural network having a learning algorithm by a known backpropagation is prepared, and a learning calculation process is executed on the neural network N. To be done. That is, the captured data (hereinafter referred to as learning data) reproduced by the reproducing device D, captured in the digital memory DM and transferred to the workstation WS is input to the neural network N, and the input signal is input layer → intermediate layer. The output signal is output from the output layer after transmission and calculation processing from the layer to the output layer. This output signal is based on the weight obtained by the learning so far. The calculated output signal is compared with a teacher signal (teacher data based on known digital data recorded in advance on the recording medium Mo), and transmitted / calculated in the order of output layer → intermediate layer → input layer. It is processed and learned.

【0007】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Nの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。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。種々の学習用の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。
[0007] Learning means to reduce the difference between the actual output value (output signal) and the desired output value (teacher signal) by setting the weight (coefficient) which is the strength of the coupling between the units of the neural network N. It is variable and converges. The characteristics of the transmission / reproduction system to be learned (learned) include the characteristics of the data itself, the characteristics of the recording device, the characteristics of the reproducing device, the characteristics of the transmission line, etc., and depending on the size of the neural network,
Select appropriately. Based on various learning data, the above-mentioned learning is repeated until the desired correct answer rate (performance) is obtained, and the weight representing the strength of the coupling between the units of the neural network N is changed.

【0008】[0008]

【発明が解決しようとする課題】このようなニューラル
ネットによる波形等化装置の構築に際しては、再生装置
からの学習データ(再生データ)と教師データとのタイ
ミングを合わせる必要がある。両者のタイミングにずれ
が有ると、正しい学習が行われない。このため、従来で
は、教師データのタイミング合わせ用の特殊な信号(位
置合わせ信号)を付加して、目視により人手でこのタイ
ミング合わせ(位置合わせ)をしていた。例えば、図6
に示すように、教師データの始端t0に対応するであろう
学習データの始端s0' を捜し出す。しかし、このような
タイミング合わせの方法では、精度が悪く、時間もかか
るなど問題があった。
In constructing such a waveform equalizer using a neural network, it is necessary to match the timing of the learning data (reproduction data) from the reproducing device with the teacher data. If there is a timing difference between the two, correct learning will not be performed. For this reason, conventionally, a special signal (positioning signal) for adjusting the timing of the teacher data is added, and this timing adjustment (positioning) is performed manually by visual inspection. For example, in FIG.
As shown in, the start end s0 'of the learning data that will correspond to the start end t0 of the teacher data is searched for. However, such a timing adjustment method has problems that the accuracy is low and it takes time.

【0009】さらに、学習データ(再生データ)は、装
置の回転ムラ,符合間干渉などを原因として、時間軸の
変動、いわゆるジッタ成分を含んでいる。このため、教
師データと学習データとは時間的なずれもあり、これも
正しい学習の阻害要因となる。特に、このジッタ成分
は、構築しようとする波形等化装置でその除去を図ろう
としているものであり、学習前処理としては、単純に両
者間で時間軸を線形補正するよりほか手段がなかった。
例えば、図6に示すように、教師データの時間間隔t0〜
teに対応するように、学習データの時間間隔をs0〜seか
らs0' 〜se' へ補正(比例的に、圧縮または伸張)す
る。しかし、このような時間軸補正では、十分ではな
く、学習効率が著しく悪いという問題があった。
Further, the learning data (reproduction data) contains a fluctuation of the time axis, that is, a so-called jitter component due to uneven rotation of the device, intersymbol interference and the like. For this reason, there is a time lag between the teacher data and the learning data, which also becomes an obstacle to correct learning. In particular, this jitter component is to be removed by the waveform equalizer to be constructed, and there is no means other than simple linear correction of the time axis between the two as pre-learning processing. .
For example, as shown in FIG.
The time interval of the learning data is corrected (proportionally compressed or expanded) from s0 to se to s0 'to se' so as to correspond to te. However, such time-axis correction is not sufficient, and there is a problem that learning efficiency is extremely poor.

【0010】そこで、本発明は、ニューラルネットを利
用した波形処理装置の構築に際して、使用される、学習
データ(再生データ)と教師データとのタイミングを合
わせ及び時間軸補正をするデジタル信号の前処理方法を
提供し、ニューラルネットの構築を容易、かつ効率的な
学習を行い得るようにしたものである。
Therefore, according to the present invention, pre-processing of a digital signal for adjusting the timing of learning data (reproduction data) and teacher data and correcting the time axis, which is used in constructing a waveform processing device using a neural network. A method is provided so that learning of a neural network can be performed easily and efficiently.

【0011】[0011]

【課題を解決するための手段】本発明は上記課題を解決
するために、図1に示すように、第1のデジタル信号
(例えば、教師データ)と、この第1のデジタル信号が
劣化した第2のデジタル信号(例えば、学習データ)と
を、位置及び時間軸合わせするデジタル信号の前処理方
法であって、第2のデジタル信号の符号間隔の分布を求
め(ステップ100,101,102)、この符号間隔
の分布と第1のデジタル信号の基本的な符号間隔とを対
比させて(ステップ103)、第2のデジタル信号の符
号間隔からこのデジタル信号の符号列を作成し(ステッ
プ104)、作成した第2のデジタル信号の符号列から
任意符号長の検索符号列を取り出し(ステップ10
5)、この検索符号列に合致する第1のデジタル信号の
符号列を検索し(ステップ106)、検索一致した符号
列にもとずいて、第1及び第2のデジタル信号の位置合
わし(ステップ107)、この位置合わせの結果に基づ
いて第1及び第2のデジタル信号の時間軸を合せする
(ステップ108)デジタル信号の前処理方法を提供す
ると共に、さらに、前記検索符号列の符号長を増減変更
させて、前記位置及び時間軸合わせを繰り返し(ステッ
プ109,110,111)、位置及び時間軸合わされ
た第1及び第2のデジタル信号間の誤差が最も小さい符
号長における結果を、最終的な位置及び時間軸合わせ結
果とする(ステップ112)デジタル信号の前処理方法
を提供するものである。
In order to solve the above problems, the present invention provides a first digital signal (for example, teacher data) and a first digital signal which is deteriorated as shown in FIG. A method of preprocessing a digital signal for aligning a position and a time axis with two digital signals (for example, learning data), and obtaining a distribution of code intervals of the second digital signal (steps 100, 101, 102), The distribution of this code interval is compared with the basic code interval of the first digital signal (step 103), and the code string of this digital signal is created from the code interval of the second digital signal (step 104). A search code string having an arbitrary code length is extracted from the created code string of the second digital signal (step 10).
5) The code string of the first digital signal that matches this search code string is searched (step 106), and the first and second digital signals are aligned based on the code string that matched the search (step 106). 107) providing a preprocessing method for the digital signal in which the time axes of the first and second digital signals are adjusted based on the result of the alignment (step 108), and further, the code length of the search code string is set. The position and time axis alignment is repeated by increasing or decreasing (steps 109, 110 and 111), and the result at the code length with the smallest error between the position and time axis aligned first and second digital signals is finally obtained. The present invention provides a preprocessing method of a digital signal which is a result of various position and time axis alignment (step 112).

【0012】[0012]

【作用】上記のようなデジタル信号の前処理方法によれ
ば、第1のデジタル信号と劣化した第2のデジタル信号
とは、符号列として比較検索され、符号列の一致をもと
に位置合せがなされる。さらに、符号長を変更して最適
化された符号長の検索符号列の結果により、位置及び時
間軸合せがなされる。
According to the above-described digital signal preprocessing method, the first digital signal and the deteriorated second digital signal are compared and searched as a code string, and alignment is performed based on the matching of the code strings. Is done. Furthermore, position and time alignment is performed according to the result of the search code string having the optimized code length by changing the code length.

【0013】[0013]

【実施例】本発明になるデジタル信号の前処理方法の一
実施例を以下図面と共に説明する。図1はデジタル信号
の前処理方法の手順を示すフローチャートである。図2
は学習データの符号列化を説明する図である。図3はデ
ジタル信号の位置及び時間軸を合せを説明する図であ
る。
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS An embodiment of a digital signal preprocessing method according to the present invention will be described below with reference to the drawings. FIG. 1 is a flow chart showing the procedure of a digital signal preprocessing method. Figure 2
FIG. 6 is a diagram for explaining coding of learning data. FIG. 3 is a diagram for explaining the alignment of the position and time axis of a digital signal.

【0014】このデジタル信号の前処理方法は、信号劣
化を除去するためにニューラルネットを利用した波形処
理装置の構築に際して使用され、学習データSD(再生
装置からの劣化した信号である第2のデジタル信号)と
教師データTD(第1のデジタル信号)との位置及び時
間軸を合せるものである。学習データは、すでに図5で
説明したように、再生装置Dからの劣化した再生信号
で、デジタルメモリDMでサンプリングされたものであ
る。学習データと教師データとは、ワークステーション
WS上で演算処理(学習処理)されて、ニューラルネッ
トが構築される。本実施例で説明するデジタル信号の前
処理方法もこのワークステーションWS上で演算処理さ
れるものである。なお、本発明が対象とするデジタル信
号は、図4に示すように、基本データクロックTに対し
て3T〜11Tの符号間隔で構成されたデジタルデータ
である。ワークステーションWS上での学習は、約40
0個程度のデジタルデータ(符号)ごとに繰り返して実
行される。
This preprocessing method of a digital signal is used when constructing a waveform processing device using a neural network to remove signal deterioration, and learning data SD (second digital signal which is a deteriorated signal from a reproducing device) is used. The position and the time axis of the signal) and the teacher data TD (first digital signal) are matched. The learning data is a deteriorated reproduction signal from the reproduction device D and is sampled by the digital memory DM, as already described with reference to FIG. The learning data and the teacher data are subjected to arithmetic processing (learning processing) on the workstation WS to construct a neural network. The digital signal preprocessing method described in the present embodiment is also one in which arithmetic processing is performed on this workstation WS. The digital signal targeted by the present invention is digital data configured with a code interval of 3T to 11T with respect to the basic data clock T, as shown in FIG. Learning on workstation WS is about 40
It is repeatedly executed for about 0 pieces of digital data (code).

【0015】以下、図1に示すデジタル信号の前処理方
法の手順にしたがって詳述する。最初に、図2(A)に
示すように、サンプリングされた学習データの値は、積
分された後にサンプル時間で除算されて、当該学習デー
タの平均値が求められる(ステップ100)。そして、
この平均値を0レベル(=しきい値)として、ゼロクロ
ス点(データが0レベルを切る時間)が求められる。学
習データは、サンプリングされた離散値(デジタルのデ
ータ)であるので、前後のサンプリング点から線形補間
されて求められる。続いて、学習データのゼロクロス点
の間隔aが求められる(ステップ101)。
The procedure of the digital signal preprocessing method shown in FIG. 1 will be described in detail below. First, as shown in FIG. 2A, the values of the sampled learning data are integrated and then divided by the sample time to obtain the average value of the learning data (step 100). And
With this average value as the 0 level (= threshold value), the zero cross point (the time when the data crosses the 0 level) is obtained. Since the learning data is sampled discrete values (digital data), it is obtained by linear interpolation from the sampling points before and after. Then, the interval a between the zero cross points of the learning data is obtained (step 101).

【0016】次に、図2(B)に示すように、求めた学
習データのゼロクロス点の間隔aの(頻度)ヒストグラ
ムを作成する(ステップ102)。学習データは3T〜
11T(Tは基本データクロック)が歪んだものである
から、頻度ヒストグラムは3T〜11Tの間隔に対応し
た極大値と極小値とを有する包絡線となる。続いて頻度
ヒストグラムの極小値anの間隔を求める(ステップ1
03)。
Next, as shown in FIG. 2B, a (frequency) histogram of the intervals a of the zero cross points of the obtained learning data is created (step 102). Learning data is from 3T
Since 11T (T is a basic data clock) is distorted, the frequency histogram is an envelope having a maximum value and a minimum value corresponding to the interval of 3T to 11T. Then, the interval of the minimum value an in the frequency histogram is obtained (step 1
03).

【0017】そして、頻度ヒストグラムの極小値anの
間隔を各データの時間幅(すなわち、3T〜11T)と
対応したものとみなし、学習データをラベリングする
(ステップ104)。例えば、a3≦a<a4は3Tのデー
タ、a4≦a<a5は4Tのデータ、…、a11 ≦a<a12 は
11Tのデータとして、「3T」,「4T」…「11
T」のように、学習データにラベルを付与する。
Then, the interval of the minimum value an in the frequency histogram is regarded as corresponding to the time width of each data (that is, 3T to 11T), and the learning data is labeled (step 104). For example, a3 ≦ a <a4 is 3T data, a4 ≦ a <a5 is 4T data, ..., a11 ≦ a <a12 is 11T data, and “3T”, “4T” ... “11
A label is attached to the learning data, such as "T".

【0018】このようにして、学習データのすべてにラ
ベルを付与することにより、学習データはラベル「3
T」,「4T」…「11T」から構成されるラベル群、
文字列群と把握される(以下、学習ラベル群と称す
る)。すなわち、図3(C)に示すようなサンプリング
された学習データは、同図(D)に示すようなラベリン
グされた学習ラベル群SL1 〜SLe となる。
In this way, by assigning labels to all the learning data, the learning data is labeled with the label "3".
Label group composed of "T", "4T" ... "11T",
It is grasped as a character string group (hereinafter referred to as a learning label group). That is, the learning data sampled as shown in FIG. 3C becomes the labeled learning label groups SL1 to SLe as shown in FIG.

【0019】一方、教師データとなる原データはデジタ
ル値であり、「3T」,「4T」…「11T」が組み合
わされたラベル群TL1 〜TLe (以下、教師ラベル群と称
する)とみなしうるものであり、図3(A)に示すよう
な教師ラベル群は、同図(B)に示すような時間的に変
化する教師データTDと対応するものである。
On the other hand, the original data to be the teacher data are digital values and can be regarded as label groups TL1 to TLe (hereinafter referred to as teacher label groups) in which "3T", "4T" ... "11T" are combined. The teacher label group as shown in FIG. 3A corresponds to the teacher data TD that changes with time as shown in FIG. 3B.

【0020】そこで、約400個の学習データ中、連続
した200個程度の学習データを検索ラベル群SL3 〜SL
n (ラベル長は200)として(ステップ105)、教
師ラベル群と比較、検索する。すなわち、図3(D)に
示す学習レベル群SL1 〜SLeから、同図(E)に示すよ
うな検索ラベル群SL3 〜SLn を作成して、検索ラベル群
と同じ個数の教師ラベル群を一つ一つ抜き出して、その
差異(誤差)の最も小さいものをラベルマッチングした
ものとする(ステップ106)。図3では、検索ラベル
群SL3 〜SLn と教師ラベル群のTL2 〜TLm とがラベルマ
ッチングした状態を示す。ラベルマッチングした検索ラ
ベル群と教師ラベル群とをもとに、学習データと教師デ
ータとの位置合せをする(ステップ107)。つまり、
教師ラベルTL2 に対応した教師データの時間t1と、検索
ラベルSL3 に対応した学習データSDの時間s2と、同一
のタイミングであるとして、位置合わせされる。
Therefore, of about 400 pieces of learning data, about 200 pieces of continuous learning data are searched for in the search label groups SL3 to SL.
As n (label length is 200) (step 105), the teacher label group is compared and searched. That is, from the learning level groups SL1 to SLe shown in FIG. 3D, search label groups SL3 to SLn as shown in FIG. 3E are created, and the same number of teacher label groups as the search label group are created. One is extracted, and the one having the smallest difference (error) is set as the label matching (step 106). FIG. 3 shows a state in which the search label groups SL3 to SLn and the teacher label groups TL2 to TLm are label-matched. The learning data and the teacher data are aligned with each other based on the search label group and the teacher label group that have been label-matched (step 107). That is,
The time t1 of the teacher data corresponding to the teacher label TL2 and the time s2 of the learning data SD corresponding to the search label SL3 are aligned as the same timing.

【0021】さらに、位置合わせされた学習データと教
師データとの時間軸を調整する。教師データの時間幅を
taとし、学習データの時間幅をtbとし、 tb=k・ta として、両者の時間軸(全体の時間長)を比率kで線形
補正して合せる。つまり、比率kにもとずいて、学習デ
ータ(または教師データ)の時間軸を補正(伸張または
圧縮)して時間間隔t1〜tmと時間間隔s2〜snとを一致さ
せる(ステップ108)。そして、この時間的に補正し
た学習データと教師データとの差分bを、デジタルデー
タ(符号)ごと求め、その差分bの総和cを求める(ス
テップ109)。時間軸の補正は、全体として線形補正
されたに過ぎないので、デジタルデータ(符号)ごとで
は誤差である差分が生じる。差分総和cをそのラベル長
における検索ラベル群のラベルマッチングの評価値とす
る。差分総和cが小さい方が、当然に評価値は高い。
Further, the time axes of the aligned learning data and teacher data are adjusted. Assuming that the time width of the teacher data is ta, the time width of the learning data is tb, and tb = k · ta, both time axes (entire time length) are linearly corrected by the ratio k and matched. That is, based on the ratio k, the time axis of the learning data (or the teacher data) is corrected (expanded or compressed) to match the time intervals t1 to tm and the time intervals s2 to sn (step 108). Then, the difference b between the temporally corrected learning data and the teacher data is obtained for each digital data (code), and the sum c of the difference b is obtained (step 109). Since the correction of the time axis is only linear correction as a whole, a difference that is an error occurs for each digital data (code). The difference sum c is used as the evaluation value of the label matching of the search label group in the label length. The smaller the total difference c is, the higher the evaluation value is.

【0022】次に、上述したラベルマッチングに際し
て、比較する検索ラベル群の個数の最適化(ラベル長の
最適化)を行う。学習データには、部分的にジッタ,誤
りがあるので、検索ラベル群の個数によって、ラベルマ
ッチングのズレ量、すなわち、差分総和cが変化する。
検索ラベル群を構成する個数が大きいほどより正確なマ
ッチングが行われ場合がある反面、ジッタ,誤りの分散
によっては、検索ラベル群を構成する個数が小さいほど
より正確なマッチングが行われ場合も生じるので、ラベ
ル長の最適化が必要とされる。
Next, in the above label matching, the number of search label groups to be compared is optimized (the label length is optimized). Since the learning data partially contains jitters and errors, the amount of label matching deviation, that is, the sum of differences c changes depending on the number of search label groups.
The larger the number of search label groups, the more accurate the matching may be performed. However, the smaller the number of search label groups, the more accurate the matching may be performed depending on the variance of jitter and error. Therefore, optimization of label length is required.

【0023】そこで、200個程度を検索ラベル群を5
0パーセント程度増減させて、100〜300個程度の
学習データの検索ラベル群について、教師ラベル群と比
較、検索し、ラベル群の個数ごとにラベルマッチングを
させ、差分総和cを求める(ステップ110,11
1)。差分総和cの平均が0で、その分散が小さいもの
を、最適な検索ラベル群の個数として、これを最終的な
補正と決定する(ステップ112)。
Therefore, about 200 labels are grouped into 5 search label groups.
The search label group of about 100 to 300 learning data is increased / decreased by about 0%, compared with the teacher label group and searched, and the label matching is performed for each number of label groups to obtain the total difference c (step 110, 11
1). The average of the sum of differences c is 0, and the one with a small variance is set as the optimum number of search label groups, and this is determined as the final correction (step 112).

【0024】学習データを最適な検索ラベル長で位置及
び時間軸合わせし、最終的に補正したものをニューラル
ネットに入力し、ニューラルネットの出力値と、教師デ
ータとの差分がとり、この差分が小さくなるよう、周知
のバックプロパゲーションの学習方法でニューラルネッ
トの重みが学習変更される。このようにしてニューラル
ネットが構築される(図5(B)参照)。
The learning data is aligned with the position and time axis at the optimum search label length, and finally corrected data is input to the neural network, and the difference between the output value of the neural network and the teacher data is calculated. The weight of the neural network is learned and changed by a known back propagation learning method so that the weight becomes smaller. In this way, the neural network is constructed (see FIG. 5 (B)).

【0025】本方法によれば、学習データと教師データ
とが時間合わせされているので、極めて効率的な学習が
なされる。また、従来のようにニューラルネット構築者
のカンで時間合わせする必要がなく、多くの異なる教師
データ(学習データ)を元にして学習させることがで
き、高性能なニューラルネットによる波形処理装置が得
られる。
According to this method, since the learning data and the teacher data are time-aligned, extremely efficient learning is performed. In addition, unlike the conventional method, it is not necessary for the neural network builder to adjust the time, and learning can be performed based on many different teacher data (learning data), and a high-performance neural network waveform processing device can be obtained. To be

【0026】なお、ニューラルネット構築に限らず、ア
ダプティブフィルタの設計構築などに際して、上述した
デジタル信号の前処理方法を使用しても良い。
The digital signal preprocessing method described above may be used not only for the construction of the neural network but also for the design and construction of the adaptive filter.

【0027】[0027]

【発明の効果】以上詳述したように、本発明になるデジ
タル信号の前処理方法によれば、原信号であるデジタル
信号とこの原信号が劣化したデジタル信号とが、符号列
として比較検索され符号列の一致をもとに位置合せがな
され、さらに、最適化された符号長の検索符号列によ
り、最終的な位置及び時間軸合せがなされるので、両者
の位置及び時間軸合わせを容易、かつ、正確にすること
ができる。また、ソフトウェア的に処理できるので、コ
ンピュータにより自動的に実行することも可能となる。
As described in detail above, according to the preprocessing method for a digital signal according to the present invention, a digital signal which is an original signal and a digital signal in which this original signal is deteriorated are compared and searched as a code string. Positioning is performed based on the coincidence of the code strings, and further, the final position and time axis alignment are performed by the search code string having the optimized code length, so the position and time axis alignment of both are easy, And it can be accurate. Further, since it can be processed by software, it can be automatically executed by a computer.

【図面の簡単な説明】[Brief description of drawings]

【図1】本発明になるデジタル信号の前処理方法の一実
施例を示す図で、デジタル信号の前処理方法の手順を示
すフローチャートである。
FIG. 1 is a diagram showing an embodiment of a digital signal preprocessing method according to the present invention, and is a flow chart showing a procedure of a digital signal preprocessing method.

【図2】学習データの符号列化を説明する図である。FIG. 2 is a diagram for explaining coding of learning data.

【図3】デジタル信号の位置及び時間軸を合せを説明す
る図である。
FIG. 3 is a diagram illustrating alignment of a position of a digital signal and a time axis.

【図4】デジタル信号の構成を説明する図である。FIG. 4 is a diagram illustrating a configuration of a digital signal.

【図5】ニューラルネットを利用した波形等化装置の構
築を説明する図である。
FIG. 5 is a diagram illustrating the construction of a waveform equalizer using a neural network.

【図6】デジタル信号の位置及び時間軸合せを説明する
図である。
FIG. 6 is a diagram illustrating position and time axis alignment of a digital signal.

【符号の説明】[Explanation of symbols]

100〜102 劣化した学習データの符号間隔の分布
を求めるステップ 103,104 学習データの符号列を作成するステッ
プ 105〜107 符号列の一致をもとに位置合せをする
ステップ 108〜112 最適化された検索符号列により、最終
的な位置及び時間軸合せをするステップ TD 第1のデジタル信号(教師データ) SD 第2のデジタル信号(学習データ) a ゼロクロス点の間隔 an 極小値 c 差分の総和 SLn 検索ラベル群(学習ラベル群) TLm 教師ラベル群
100 to 102 Steps 103 to 104 for obtaining the distribution of code intervals of deteriorated learning data Steps to create a code string of learning data 105 to 107 Steps to perform alignment based on matching of code strings 108 to 112 Optimized Step of making final position and time axis alignment by the search code string TD First digital signal (teacher data) SD Second digital signal (learning data) a Zero-cross point interval an Minimum value c Sum of differences SLn search Label group (Learning label group) TLm Teacher label group

Claims (3)

【特許請求の範囲】[Claims] 【請求項1】第1のデジタル信号と、この第1のデジタ
ル信号が劣化した第2のデジタル信号とを、位置及び時
間軸合わせするデジタル信号の前処理方法であって、 第2のデジタル信号の符号間隔の分布を求め、この符号
間隔の分布と第1のデジタル信号の基本的な符号間隔と
を対比させて、第2のデジタル信号の符号間隔からこの
デジタル信号の符号列を作成し、 作成した第2のデジタル信号の符号列から任意符号長の
検索符号列を取り出し、この検索符号列に合致する第1
のデジタル信号の符号列を検索し、 検索一致した符号列にもとずいて、第1及び第2のデジ
タル信号の位置合わをし、この位置合わせの結果に基づ
いて第1及び第2のデジタル信号の時間軸を合せするこ
とを特徴とするデジタル信号の前処理方法。
1. A preprocessing method for a digital signal, wherein a first digital signal and a second digital signal in which the first digital signal is deteriorated are aligned in terms of position and time, and the second digital signal. The distribution of the code intervals of is calculated, the distribution of the code intervals is compared with the basic code interval of the first digital signal, and the code string of the digital signal is created from the code interval of the second digital signal. A search code string having an arbitrary code length is extracted from the created code string of the second digital signal, and a first code that matches the search code string is extracted.
The digital signal code sequence of the first digital signal is searched, the first and second digital signals are aligned based on the searched code sequence, and the first and second digital signals are aligned based on the alignment result. A method for preprocessing a digital signal, characterized in that the time axes of the signals are matched.
【請求項2】第1のデジタル信号と、この第1のデジタ
ル信号が劣化した第2のデジタル信号とを、位置及び時
間軸合わせするデジタル信号の前処理方法であって、 第2のデジタル信号の符号間隔の分布を求め、この符号
間隔の分布と第1のデジタル信号の基本的な符号間隔と
を対比させて、第2のデジタル信号の符号間隔からこの
デジタル信号の符号列を作成し、 作成した第2のデジタル信号の符号列から任意符号長の
検索符号列を取り出し、この検索符号列に合致する第1
のデジタル信号の符号列を検索し、 検索一致した符号列にもとずいて、第1及び第2のデジ
タル信号の位置合わをし、この位置合わせの結果に基づ
いて第1及び第2のデジタル信号の時間軸を合せすると
共に、 前記検索符号列の符号長を増減変更させて、前記位置及
び時間軸合わせを繰り返し、位置及び時間軸合わされた
第1及び第2のデジタル信号間の誤差が最も小さい符号
長における結果を、最終的な位置及び時間軸合わせ結果
とすることを特徴とするデジタル信号の前処理方法。
2. A pre-processing method for a digital signal, which aligns the position and time axis of a first digital signal and a second digital signal in which the first digital signal has deteriorated, the second digital signal The distribution of the code intervals of is calculated, the distribution of the code intervals is compared with the basic code interval of the first digital signal, and the code string of the digital signal is created from the code interval of the second digital signal. A search code string having an arbitrary code length is extracted from the created code string of the second digital signal, and a first code that matches the search code string is extracted.
The digital signal code sequence of the first digital signal is searched, the first and second digital signals are aligned based on the searched code sequence, and the first and second digital signals are aligned based on the alignment result. The time axis of the signal is adjusted, the code length of the search code string is increased or decreased, and the position and time axis adjustments are repeated. The error between the first and second digital signals aligned in the position and time axis is minimized. A preprocessing method for a digital signal, characterized in that the result of a small code length is used as a final position and time axis alignment result.
【請求項3】第1のデジタル信号はニューラルネット構
築時の学習用の教師信号であり、第2のデジタル信号は
ニューラルネットにより波形処理しようとする劣化した
学習信号であることを特徴とする請求項1または請求項
2に記載したデジタル信号の前処理方法。
3. The first digital signal is a teacher signal for learning when constructing a neural network, and the second digital signal is a deteriorated learning signal to be subjected to waveform processing by the neural network. A method of preprocessing a digital signal according to claim 1 or 2.
JP4285584A 1992-09-30 1992-09-30 Pre-processing method for digital signal Pending JPH06112931A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP4285584A JPH06112931A (en) 1992-09-30 1992-09-30 Pre-processing method for digital signal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP4285584A JPH06112931A (en) 1992-09-30 1992-09-30 Pre-processing method for digital signal

Publications (1)

Publication Number Publication Date
JPH06112931A true JPH06112931A (en) 1994-04-22

Family

ID=17693453

Family Applications (1)

Application Number Title Priority Date Filing Date
JP4285584A Pending JPH06112931A (en) 1992-09-30 1992-09-30 Pre-processing method for digital signal

Country Status (1)

Country Link
JP (1) JPH06112931A (en)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01204171A (en) * 1988-02-09 1989-08-16 Nec Corp Dynamic neural network having learning mechanism
JPH01204172A (en) * 1988-02-09 1989-08-16 Nec Corp Dynamic neural network having learning mechanism
JPH01241668A (en) * 1988-03-23 1989-09-26 Nec Corp Dynamic neural network to have learning mechanism
JPH0277888A (en) * 1988-09-13 1990-03-16 Nec Corp Neural network for recognizing time-series pattern
JPH04216343A (en) * 1990-12-17 1992-08-06 Sony Corp Signal reproducing device and method thereof
JPH04259960A (en) * 1991-02-15 1992-09-16 Fujitsu Ltd Demodulator for magnetic recording and reproducing device
JPH04271510A (en) * 1991-02-26 1992-09-28 Victor Co Of Japan Ltd Waveform equalizer

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01204171A (en) * 1988-02-09 1989-08-16 Nec Corp Dynamic neural network having learning mechanism
JPH01204172A (en) * 1988-02-09 1989-08-16 Nec Corp Dynamic neural network having learning mechanism
JPH01241668A (en) * 1988-03-23 1989-09-26 Nec Corp Dynamic neural network to have learning mechanism
JPH0277888A (en) * 1988-09-13 1990-03-16 Nec Corp Neural network for recognizing time-series pattern
JPH04216343A (en) * 1990-12-17 1992-08-06 Sony Corp Signal reproducing device and method thereof
JPH04259960A (en) * 1991-02-15 1992-09-16 Fujitsu Ltd Demodulator for magnetic recording and reproducing device
JPH04271510A (en) * 1991-02-26 1992-09-28 Victor Co Of Japan Ltd Waveform equalizer

Similar Documents

Publication Publication Date Title
US5060088A (en) Adaptive equalization for recording systems using partial-response signaling
EP0498574B1 (en) Waveform equalizer apparatus formed of neural network, and method of designing same
US9264264B2 (en) Systems and methods for filtering a received signal to remove intersymbol interference
US6185716B1 (en) Dual detector read channel with semi-soft detection
US6650699B1 (en) Methods and apparatus for timing recovery from a sampled and equalized data signal
US6052349A (en) Waveform equalizer and memory device having a waveform equalizer
TW484285B (en) Data receiver including hybrid decision feedback equalizer
AU1150492A (en) Adaptive decision feedback equalizer apparatus for processing information stored on digital storage media
JPH0936782A (en) Circuit and method for equalizing continuous signal
CN100466508C (en) Automatic equalization system
JPH06112931A (en) Pre-processing method for digital signal
CN101286322B (en) Method and apparatus for controlling sampling of signals produced in relation to stored data
JP2722941B2 (en) Learning Design Method of Waveform Processor Using Neural Network
JPH07264101A (en) Automatic equalizer
KR100335616B1 (en) Signal detecting method and device of data storing system
US5802505A (en) Waveform signal equalizing method and apparatus and signal recording and reproducing apparatus
JPH036688B2 (en)
JP2893683B2 (en) How to design a filter
JP3661289B2 (en) Data judgment device and data judgment method
JPS5940727A (en) Automatic equalization system
US20020097815A1 (en) Apparatus and method for signal processing
JPH069340B2 (en) Data identification device
JP2001060897A (en) Device and method for equalizing waveform and recording medium
CN116545804A (en) End-to-end optimization method and system for optical communication system based on noise adaptive network
JPS61107821A (en) Waveform equalizing system