KR20180034216A - 다른 신호의 스펙트럼을 검사하기 위한 신호 제거 - Google Patents

다른 신호의 스펙트럼을 검사하기 위한 신호 제거 Download PDF

Info

Publication number
KR20180034216A
KR20180034216A KR1020170106803A KR20170106803A KR20180034216A KR 20180034216 A KR20180034216 A KR 20180034216A KR 1020170106803 A KR1020170106803 A KR 1020170106803A KR 20170106803 A KR20170106803 A KR 20170106803A KR 20180034216 A KR20180034216 A KR 20180034216A
Authority
KR
South Korea
Prior art keywords
signal
extracted
digitized
mixed
amplitude
Prior art date
Application number
KR1020170106803A
Other languages
English (en)
Other versions
KR102472420B1 (ko
Inventor
피터 에스. 위튼버그
피터 페트리
산카르 알. 라오
Original Assignee
더 보잉 컴파니
에이치알엘 레버레토리스 엘엘씨
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 더 보잉 컴파니, 에이치알엘 레버레토리스 엘엘씨 filed Critical 더 보잉 컴파니
Publication of KR20180034216A publication Critical patent/KR20180034216A/ko
Application granted granted Critical
Publication of KR102472420B1 publication Critical patent/KR102472420B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/16—Circuits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/175—Spectrum analysis; Fourier analysis by delay means, e.g. tapped delay lines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/165—Spectrum analysis; Fourier analysis using filters
    • G01R23/167—Spectrum analysis; Fourier analysis using filters with digital filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield 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
    • 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
    • G06N3/065—Analogue means
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03F—AMPLIFIERS
    • H03F3/00—Amplifiers with only discharge tubes or only semiconductor devices as amplifying elements
    • H03F3/189—High frequency amplifiers, e.g. radio frequency amplifiers
    • H03F3/19—High frequency amplifiers, e.g. radio frequency amplifiers with semiconductor devices only
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0294—Variable filters; Programmable filters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/0003—Software-defined radio [SDR] systems, i.e. systems wherein components typically implemented in hardware, e.g. filters or modulators/demodulators, are implented using software, e.g. by involving an AD or DA conversion stage such that at least part of the signal processing is performed in the digital domain
    • H04B1/0007—Software-defined radio [SDR] systems, i.e. systems wherein components typically implemented in hardware, e.g. filters or modulators/demodulators, are implented using software, e.g. by involving an AD or DA conversion stage such that at least part of the signal processing is performed in the digital domain wherein the AD/DA conversion occurs at radiofrequency or intermediate frequency stage
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
    • H04B1/12—Neutralising, balancing, or compensation arrangements
    • H04B1/123—Neutralising, balancing, or compensation arrangements using adaptive balancing or compensation means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
    • H04B1/12—Neutralising, balancing, or compensation arrangements
    • H04B1/123—Neutralising, balancing, or compensation arrangements using adaptive balancing or compensation means
    • H04B1/126—Neutralising, balancing, or compensation arrangements using adaptive balancing or compensation means having multiple inputs, e.g. auxiliary antenna for receiving interfering signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/16—Circuits
    • H04B1/1638—Special circuits to enhance selectivity of receivers not otherwise provided for
    • 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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03F—AMPLIFIERS
    • H03F2200/00—Indexing scheme relating to amplifiers
    • H03F2200/451—Indexing scheme relating to amplifiers the amplifier being a radio frequency amplifier
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H2017/0072—Theoretical filter design
    • H03H2017/0081—Theoretical filter design of FIR filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H2017/0072—Theoretical filter design
    • H03H2017/009—Theoretical filter design of IIR filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/02—Amplitude-modulated carrier systems, e.g. using on-off keying; Single sideband or vestigial sideband modulation
    • H04L27/04—Modulator circuits; Transmitter circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/02—Amplitude-modulated carrier systems, e.g. using on-off keying; Single sideband or vestigial sideband modulation
    • H04L27/08—Amplitude regulation arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
    • H04L27/20—Modulator circuits; Transmitter circuits

Abstract

적어도 하나의 다른 RF 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600)은 ADC(112)에 의해 혼합 신호(108)를 수신하는 단계(602)를 포함한다. 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 신호들(104a-104n)을 포함한다. 혼합 신호는 ADC에 의해 디지털화된다(606). 동일한 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)가 발생된다. 제 1 디지털화된 신호는 미리 결정된 시간 지연만큼 지연되고(608), 제 2 디지털화된 신호는 추출된 신호(122)를 추출하도록 뉴로모픽 신호 프로세서(118)에서 처리된다(610). 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응한다. 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호의 위상 지연 및 진폭이 조정된다(614). 검사를 위해 입력 검사 신호(134)를 제공하도록, 조정된 추출 신호가 제 1 디지털화된 신호로부터 상쇄된다(616).

Description

다른 신호의 스펙트럼을 검사하기 위한 신호 제거{SIGNAL REMOVAL TO EXAMINE A SPECTRUM OF ANOTHER SIGNAL}
본 개시는 통신 신호들의 통신들, 검사 또는 분석에 관한 것으로, 보다 구체적으로는 더 낮은 레벨의 신호 또는 신호들과 같은 다른 신호의 스펙트럼을 검사하기 위한 신호 제거에 관한 것이다.
더 큰 진폭을 갖는 다른 신호 또는 신호들보다 더 낮은 진폭을 갖는 저 레벨 신호 또는 신호들이 더 큰 레벨의 신호 또는 신호들과 결합하여 수신될 때 저 레벨 신호 또는 신호들의 스펙트럼을 검사하는 것과 관련하여 동적 범위 제한이 존재한다. 고속 푸리에 변환(FFT: fast Fourier transform) 기반의 스펙트럼 분석을 사용하는 것은 종종 FFT 필터들의 사이드 로브(side lobe)들에 의해 제한되며 상쇄 시스템들은 비교적 느린 응답 시간들을 갖는다. 이에 따라, 앞서 언급한 단점들을 겪지 않는 더 낮은 레벨의 신호 또는 신호들의 스펙트럼을 검사하기 위해 신호 제거를 위한 시스템 및 방법에 대한 필요성이 존재한다.
일 실시예에 따르면, 적어도 하나의 다른 무선 주파수(RF: radio frequency) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호를 제거하기 위한 방법은 아날로그-디지털 변환기(ADC: analog-to-digital converter)에 의한 혼합 신호를 수신하는 단계를 포함한다. 혼합 신호는 서로 다른 신호 소스들로부터의 복수의 개별 소스 신호들을 포함한다. 이 방법은 또한 ADC에 의해 혼합 신호를 디지털화하고 제 1 디지털화된 신호 및 제 2 디지털화된 신호를 발생시키는 단계를 포함한다. 제 1 디지털화된 신호는 제 2 디지털화된 신호와 동일하거나 일치한다. 이 방법은 추가로, 제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키는 단계, 및 제 2 디지털화된 신호로부터 추출된 신호를 추출하도록 뉴로모픽(neuromorphic) 신호 프로세서에서 제 2 디지털화된 신호를 처리하는 단계를 포함한다. 제 1 디지털화된 신호의 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩에 대응한다. 이 방법은 또한 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호의 위상 지연 및 진폭을 조정하는 단계를 포함한다. 이 방법은 입력 검사 신호를 제공하도록, 조정된 추출 신호를 제 1 디지털화된 신호로부터 상쇄시키는 단계를 더 포함한다.
다른 실시예에 따르면, 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호를 제거하기 위한 시스템은 혼합 신호를 수신하기 위한 아날로그-디지털 변환기(ADC)를 포함한다. 혼합 신호는 서로 다른 신호 소스들로부터의 복수의 개별 소스 신호들을 포함한다. ADC는 혼합 신호를 디지털화하여 제 1 디지털화된 신호 및 제 2 디지털화된 신호를 발생시킨다. 제 1 디지털화된 신호는 제 2 디지털화된 신호와 동일하거나 일치한다. 이 시스템은 또한 제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키기 위한 지연 회로를 포함한다. 이 시스템은 또한 제 2 디지털화된 신호로부터 추출된 신호를 추출하도록, 제 2 디지털화된 신호를 처리하기 위한 뉴로모픽 신호 프로세서를 포함한다. 제 1 디지털화된 신호의 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩에 대응한다. 이 시스템은 추가로, 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호를 조정하는 신호 위상 및 진폭 조정 모듈을 포함한다. 입력 검사 신호를 제공하도록, 조정된 추출 신호를 제 1 디지털화된 신호로부터 상쇄시키기 위한 합산 접합부가 제공된다.
추가 실시예에 따르면, 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호를 제거하기 위한 컴퓨터 프로그램 제품은 그와 함께 구현된 프로그램 명령들을 갖는 컴퓨터 판독 가능 저장 매체를 포함한다. 컴퓨터 판독 가능 저장 매체는 그 자체가 일시적 매체는 아니다. 프로그램 명령들은 디바이스로 하여금, 아날로그-디지털 변환기(ADC)에 의해 혼합 신호를 수신하는 단계를 포함하는 방법을 수행하게 하도록 디바이스에 의해 실행 가능하며, 혼합 신호는 서로 다른 신호 소스들로부터의 복수의 개별 소스 신호들을 포함한다. 이 방법은 또한 ADC에 의해 혼합 신호를 디지털화하고 제 1 디지털화된 신호 및 제 2 디지털화된 신호를 발생시키는 단계를 포함한다. 제 1 디지털화된 신호는 제 2 디지털화된 신호와 동일하거나 일치한다. 이 방법은 또한 제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키는 단계, 및 제 2 디지털화된 신호로부터 추출된 신호를 추출하도록 뉴로모픽 신호 프로세서에서 제 2 디지털화된 신호를 처리하는 단계를 포함한다. 제 1 디지털화된 신호의 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩에 대응한다. 이 방법은 추가로, 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호의 위상 지연 및 진폭을 조정하는 단계를 포함한다. 이 방법은 입력 검사 신호를 제공하도록, 조정된 추출 신호를 제 1 디지털화된 신호로부터 상쇄시키는 단계를 더 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 이 방법은 혼합 신호가 ADC에 의해 수신되기 전에 혼합 신호를 증폭하는 단계를 더 포함한다. 혼합 신호는 ADC에 의한 샘플링을 위해 미리 결정된 진폭으로 증폭된다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 이 방법은 추출된 신호 및 제 1 디지털화된 신호의 위상 지연 및 진폭을 결정하고, 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호에 대한 조정을 생성하는 단계를 더 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 추출된 신호의 위상 지연 및 진폭을 조정하는 단계는 제 1 디지털화된 신호와 위상이 180도 다른 조정된 추출 신호를 발생시키는 단계를 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 뉴로모픽 신호 프로세서에서 제 2 디지털화된 신호를 처리하는 단계는, 뉴로모픽 신호 프로세서에 의해 제 2 디지털화된 신호를 수신하는 단계; 제 2 디지털화된 신호에 기초하여 지연 임베딩된 혼합 신호를 발생시키는 단계; 지연 임베딩된 혼합 신호를 저장소에 선형적으로 맵핑하는 단계; 지연 임베딩된 혼합 신호를 복수의 저장소 상태들과 결합함으로써 혼합 신호의 다차원 상태 공간 표현을 생성하는 단계; 및 혼합 신호의 다차원 상태 공간 표현에 기초하여, 혼합 신호를 집합적으로 형성하는 개별 소스 신호들 중 적어도 하나를 식별하는 단계를 포함한다. 식별된 적어도 하나의 개별 소스 신호는 추출된 신호이다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 이 방법은 한 세트의 사전 필터링된 신호들을 발생시키도록 다차원 상태 공간 표현을 출력 계층의 하나 또는 그보다 많은 출력 노드들에 선형적으로 맵핑하는 단계를 더 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 이 방법은 사전 필터링된 신호들을 적응적으로 필터링함으로써 개별 소스 신호들 중 적어도 하나를 식별하는 단계를 더 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 사전 필터링된 신호들을 적응적으로 필터링하는 단계는 사전 필터링된 신호들을 적응 가능한 필터들의 뱅크에 통과시키는 단계를 포함하고, 각각의 사전 필터링된 신호는 적응 가능한 필터들의 뱅크 내의 고유 필터로 공급되며, 각각의 고유 필터는 적응 가능한 중심 주파수를 갖는다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 출력 계층은 한 세트의 출력 노드들을 포함한다. 각각의 출력 노드는 입력으로서 각각의 저장소 처리 노드로부터 가중된 출력을 수신하고, 각각의 출력 노드는 각각의 입력 값을 합산하여 출력 노드의 출력을 생성한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 출력 계층의 각각의 출력 노드는 각자의 입력 연결부들 상에 출력 가중치들의 고유하고 적응 가능한 세트를 포함하여, 하나 또는 그보다 많은 혼합 신호들 또는 제 2 디지털화된 신호들이 뉴로모픽 신호 프로세서에 전달된다. 적응 가능한 출력 가중치들은, 주어진 출력 노드로부터의 출력이 다른 소스 신호들을 억제하면서 소스 신호들의 서브세트를 증폭하도록 구성된다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 이 방법은 각각의 적응 가능한 필터로부터의 출력에 기초하여 에러 신호를 도출하는 단계를 더 포함한다. 에러 신호는 적응 가능한 필터의 적응 가능한 중심 주파수를 업데이트하고 출력 계층에서 적응 가능한 출력 가중치들을 업데이트하는 데 사용된다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 시스템은 혼합 신호가 ADC에 의해 수신되기 전에 혼합 신호를 증폭하는 증폭기를 더 포함한다. 증폭기는 혼합 신호를 ADC에 의한 샘플링을 위해 미리 결정된 진폭으로 증폭한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 시스템은 추출된 신호 및 제 1 디지털화된 신호의 위상 지연 및 진폭을 결정하고, 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호에 대한 조정을 생성하기 위한 위상 지연 및 진폭 계산 모듈을 더 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 시스템은 제 1 디지털화된 신호에 기초하여, 추출된 신호의 위상 지연 및 진폭을 조정하기 위한 신호 위상 및 진폭 조정 모듈을 더 포함한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 신호 위상 및 진폭 조정 모듈은 제 1 디지털화된 신호와 위상이 180도 다른 조정된 추출 신호를 발생시키도록, 추출된 신호의 위상 지연을 조정한다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 뉴로모픽 신호 프로세서는 지연 임베딩 모듈, 저장소, 출력 계층, 및 적응 가능한 필터들의 뱅크를 포함한다. 지연 임베딩 모듈은 제 2 디지털화된 신호를 수신하고 지연 임베딩된 혼합 신호를 발생시키도록 구성된다. 저장소는 지연 임베딩된 혼합 신호를 저장소에 선형적으로 맵핑하여, 지연 임베딩된 혼합 신호를 복수의 저장소 상태들과 결합함으로써 혼합 신호의 다차원 상태 공간 표현을 생성하도록 구성된다. 출력 계층은 상태 공간 표현을 출력 계층의 하나 또는 그보다 많은 출력 노드들에 선형적으로 맵핑함으로써 한 세트의 사전 필터링된 신호들을 발생시키도록 구성된다. 필터들의 뱅크는 사전 필터링된 신호들을 적응 가능한 필터들의 뱅크를 통해 처리함으로써 집합적으로 혼합 신호를 형성한 개별 소스 신호들을 발생시키도록 구성되며, 개별 소스 신호들 중 적어도 하나는 추출된 신호로서 식별된다.
다른 실시예 또는 이전 실시예들 중 임의의 실시예에 따르면, 저장소는 복수의 처리 노드들을 포함하고, 출력 계층은 한 세트의 출력 노드들을 포함한다. 각각의 출력 노드는 입력으로서 각각의 저장소 처리 노드로부터 가중된 출력을 수신한다. 각각의 출력 노드는 이러한 값들을 함께 합산하여 그의 출력 가중치를 산출한다. 각각의 출력 노드의 출력 가중치는 다른 소스 신호들을 억제하면서 소스 신호들의 서브세트를 증폭한다. 추출된 신호는 개별 소스 신호들로부터 식별된다.
논의된 특징들, 기능들 및 이점들은 다양한 실시예들에서는 독립적으로 달성될 수 있거나 또 다른 실시예들에서는 결합될 수 있는데, 이들의 추가 세부사항들은 다음 설명 및 도면들과 관련하여 확인될 수 있다.
도 1은 본 개시의 일 실시예에 따라, 혼합 신호로부터 추출된 신호를 제거하여 혼합 신호의 적어도 하나의 다른 신호를 분석하기 위한 시스템의 일례의 개략적인 블록도이다.
도 2는 본 개시의 다른 실시예에 따라 신호 또는 신호들을 추출하기 위한 뉴로모픽 신호 프로세서의 일례의 개략적인 블록도이다.
도 3은 도 2의 뉴로모픽 신호 프로세서의 지연 임베딩 모듈의 일례의 개략적인 블록도이다.
도 4는 도 2의 뉴로모픽 신호 프로세서의 저장소의 일례의 개략적인 블록도이다.
도 5는 도 2의 뉴로모픽 신호 프로세서의 저장소 및 출력 계층의 일례의 개략적인 블록도이다.
도 6은 본 개시의 일 실시예에 따라, 혼합 신호로부터 추출된 신호를 제거하여 혼합 신호의 적어도 하나의 다른 신호를 분석하기 위한 방법의 일례의 흐름도이다.
도 7은 본 개시의 일 실시예에 따라 혼합 신호로부터 특정 신호를 추출하는 방법의 일례의 흐름도이다.
실시예들에 대한 다음의 상세한 설명은 본 개시의 특정 실시예들을 예시하는 첨부 도면들을 참조한다. 서로 다른 구조들 및 동작들을 갖는 다른 실시예들은 본 개시의 범위를 벗어나지 않는다. 동일한 참조 번호들은 서로 다른 도면들에서 동일한 엘리먼트 또는 컴포넌트를 나타낼 수도 있다.
본 개시는 시스템, 방법 및/또는 컴퓨터 프로그램 제품일 수도 있다. 컴퓨터 프로그램 제품은 프로세서로 하여금 본 개시의 양상들을 실행하게 하기 위한 컴퓨터 판독 가능 프로그램 명령들을 갖는 컴퓨터 판독 가능 저장 매체(또는 매체들)를 포함할 수도 있다.
컴퓨터 판독 가능 저장 매체는 명령 실행 디바이스에 의한 사용을 위해 명령들을 보유 및 저장할 수 있는 유형(tangible) 디바이스일 수 있다. 컴퓨터 판독 가능 저장 매체는 예를 들어, 전자 저장 디바이스, 자기 저장 디바이스, 광 저장 디바이스, 전자기 저장 디바이스, 반도체 저장 디바이스, 또는 상기한 것들의 임의의 적당한 결합일 수도 있지만 이에 한정되는 것은 아니다. 컴퓨터 판독 가능 저장 매체의 보다 구체적인 예들을 총망라한 것은 아닌 리스트는: 휴대용 컴퓨터 디스켓, 하드 디스크, 랜덤 액세스 메모리(RAM: random access memory), 판독 전용 메모리(ROM: read-only memory), 소거 가능한 프로그래밍 가능 판독 전용 메모리(EPROM(erasable programmable read-only memory) 또는 플래시 메모리), 정적 랜덤 액세스 메모리(SRAM: static random access memory), 휴대용 콤팩트 디스크 판독 전용 메모리(CD-ROM: compact disc read-only memory), 디지털 다기능 디스크(DVD: digital versatile disk), 메모리 스틱, 플로피 디스크, 기계적으로 인코딩된 디바이스, 예컨대 명령들이 레코딩된 홈의 상승된 구조들 또는 펀치 카드들, 그리고 상기한 것들의 임의의 적당한 결합을 포함한다. 본 명세서에서 사용되는 컴퓨터 판독 가능 저장 매체는 무선파들 또는 다른 자유롭게 전파하는 전자파들, 도파관이나 다른 송신 매체를 통해 전파하는 전자파들(예를 들어, 광섬유 케이블을 통해 전달되는 광 펄스들), 또는 와이어를 통해 송신되는 전기 신호들과 같이, 그 자체가 일시적인 신호들인 것으로 해석되진 않아야 한다.
본 명세서에서 설명되는 컴퓨터 판독 가능 프로그램 명령들은 컴퓨터 판독 가능 저장 매체로부터 각각의 컴퓨팅/처리 디바이스들로 또는 네트워크, 예를 들어 인터넷, 근거리 네트워크, 광역 네트워크 및/또는 무선 네트워크를 통해 외부 컴퓨터 또는 외부 저장 디바이스로 다운로드될 수 있다. 네트워크는 구리 송신 케이블들, 광 송신 섬유들, 무선 송신, 라우터들, 방화벽들, 스위치들, 게이트웨이 컴퓨터들 및/또는 에지 서버들을 포함할 수도 있다. 각각의 컴퓨팅/처리 디바이스의 네트워크 어댑터 카드 또는 네트워크 인터페이스가 네트워크로부터 컴퓨터 판독 가능 프로그램 명령들을 수신하여 컴퓨터 판독 가능 프로그램 명령들을 각각의 컴퓨팅/처리 디바이스 내의 컴퓨터 판독 가능 저장 매체에 저장을 위해 전달한다.
본 개시의 동작들을 실행하기 위한 컴퓨터 판독 가능 프로그램 명령들은 어셈블러 명령들, 명령 세트 아키텍처(ISA: instruction-set-architecture) 명령들, 기계 명령들, 기계 종속 명령들, 마이크로코드, 펌웨어 명령들, 상태 설정 데이터(state-setting data), 또는 Smalltalk, C++ 등과 같은 객체 지향 프로그래밍 언어, 및 "C" 프로그래밍 언어나 비슷한 프로그래밍 언어들과 같은 종래의 절차적 프로그래밍 언어들을 포함하는 하나 또는 그보다 많은 프로그래밍 언어들의 임의의 결합으로 작성된 소스 코드나 오브젝트 코드일 수도 있다. 컴퓨터 판독 가능 프로그램 명령들은 사용자의 컴퓨터 상에서 전체적으로, 사용자의 컴퓨터 상에서 부분적으로, 독립형 소프트웨어 패키지로서, 부분적으로는 사용자의 컴퓨터 상에서 그리고 부분적으로는 원격 컴퓨터 상에서, 또는 원격 컴퓨터나 서버 상에서 전체적으로 실행될 수도 있다. 후자의 시나리오에서, 원격 컴퓨터는, 근거리 네트워크(LAN: local area network) 또는 광역 네트워크(WAN: wide area network)를 포함하는 임의의 타입의 네트워크를 통해 사용자의 컴퓨터에 접속될 수도 있고, 또는 외부 컴퓨터에 대해 (예를 들어, 인터넷 서비스 제공자를 이용해 인터넷을 통해) 접속이 이루어질 수도 있다. 일부 실시예들에서는, 예를 들어 프로그래밍 가능 로직 회로, 필드 프로그래밍 가능 게이트 어레이들(FPGA: field-programmable gate arrays) 또는 프로그래밍 가능 로직 어레이들(PLA: programmable logic arrays)을 포함하는 전자 회로가 본 개시의 양상들을 수행하기 위해, 컴퓨터 판독 가능 프로그램 명령들의 상태 정보를 이용하여 전자 회로를 개인화함으로써 컴퓨터 판독 가능 프로그램 명령들을 실행할 수도 있다.
본 개시의 양상들은 본 명세서에서 본 개시의 실시예들에 따른 방법들, 장치들(시스템들) 및 컴퓨터 프로그램 제품들의 흐름도 예시들 및/또는 블록도들을 참조하여 설명된다. 흐름도 예시들 및/또는 블록도들의 각각의 블록, 그리고 흐름도 예시들 및/또는 블록도들의 블록들의 결합들은 컴퓨터 판독 가능 프로그램 명령들에 의해 구현될 수 있다고 이해될 것이다.
이러한 컴퓨터 판독 가능 프로그램 명령들은 범용 컴퓨터, 특수 목적 컴퓨터, 또는 기계를 생산하기 위한 다른 프로그래밍 가능 데이터 처리 장치의 프로세서에 제공될 수 있어, 컴퓨터 또는 다른 프로그래밍 가능 데이터 처리 장치의 프로세서를 통해 실행되는 명령들이 흐름도 및/또는 블록도의 블록 또는 블록들에서 특정되는 기능들/동작들을 구현하기 위한 수단을 생성하게 된다. 특정한 방식으로 기능하도록 컴퓨터, 프로그래밍 가능 데이터 처리 장치 및/또는 다른 디바이스들에 지시할 수 있는 이러한 컴퓨터 판독 가능 프로그램 명령들은 또한 컴퓨터 판독 가능 저장 매체에 저장될 수도 있어, 명령들이 저장된 컴퓨터 판독 가능 저장 매체가 흐름도 및/또는 블록도의 블록 또는 블록들에서 특정된 기능/동작의 양상들을 구현하는 명령들을 포함하는 제조품을 포함하게 된다.
컴퓨터 판독 가능 프로그램 명령들은 또한, 컴퓨터, 다른 프로그래밍 가능 데이터 처리 장치 또는 다른 디바이스 상에 로딩되어, 컴퓨터 구현 프로세스를 생성하도록 컴퓨터, 다른 프로그래밍 가능 장치 또는 다른 디바이스 상에서 일련의 동작 단계들이 수행되게 할 수도 있어, 컴퓨터, 다른 프로그래밍 가능 장치 또는 다른 디바이스 상에서 실행되는 명령들이 흐름도 및/또는 블록도의 블록 또는 블록들에서 특정된 기능들/동작들을 구현하게 된다.
도 1은 본 개시의 일 실시예에 따라, 혼합 신호로부터 추출된 신호를 제거하여 혼합 신호의 적어도 하나의 다른 신호를 분석하기 위한 시스템(100)의 일례의 개략적인 블록도이다. 적어도 하나의 다른 신호는 제거된 신호보다 저 레벨 신호 또는 더 낮은 진폭을 갖는 신호일 수 있다. 따라서 시스템(100)은 신호를 제거하여 제거된 신호보다 저 레벨 신호의 스펙트럼을 검사하는 데 사용 가능하다.
시스템(100)은 복수의 서로 다른 무선 주파수(RF) 신호 소스들(106a-106n)로부터 RF 소스 신호들(104a-104n)을 수신하는 하나 또는 그보다 많은 안테나들(102)을 포함한다. RF 소스 신호들(104a-104n) 또는 RF 소스 신호들(104a-104n)의 부분들은 안테나(102)에 의해 동시에 수신될 수 있고, 시간이 흐름에 따라 혼합 신호(108) 또는 혼합 신호들을 형성할 수 있다. 안테나(102)에 의해 수신된 RF 소스 신호들(104a-104n)의 부분들은 부분적으로 시간상 중첩될 수 있다. 시스템(100)은 또한 안테나(102)로부터 혼합 신호(108)를 수신하기 위한 증폭기(110)를 포함한다. 증폭기(110)는 혼합 신호의 진폭이 아날로그-디지털 변환기(ADC)(112)에 의해 혼합 신호(108)를 샘플링하기에 충분한 레벨로 혼합 신호(108)를 증폭시킨다. 이에 따라, 증폭기(110)는 ADC가 혼합 신호(108)를 효과적으로 샘플링하거나 디지털화할 수 있게 하는 미리 결정된 레벨 또는 진폭으로 혼합 신호(108)를 증폭시킨다. 일례에 따르면, 소스 신호들(104a-104n) 중 일부 또는 분석을 위한 관심 소스 신호는 혼합 신호(108)를 형성하는 다른 소스 신호들(104a-104n)보다 상당히 더 작은 진폭을 가질 수 있기 때문에 혼합 신호(108)는 증폭될 필요가 있고, 혼합 신호(108)의 증폭은 또한, 다른 더 높은 진폭의 소스 신호 또는 신호들이 관심 소스 신호의 분석을 위해 본 명세서에서 설명한 바와 같이 혼합 신호(108)로부터 또는 혼합 신호(108)의 디지털 표현으로부터 추출되어 제거될 수 있도록 혼합 신호(108) 내의 관심 소스 신호를 증폭한다.
ADC(112)는 혼합 신호(108)를 샘플링하거나 디지털화하여 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시킨다. 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)는 유사한 신호들이거나 동일하며, 각각 혼합 신호(108)의 디지털 표현이다. 이에 따라, 제 1 디지털화된 신호(116)는 또한 제 1 디지털화된 혼합 신호로 지칭될 수 있고, 제 2 디지털화된 신호(120)는 또한 제 2 디지털화된 혼합 신호로 지칭될 수 있다.
지연 회로(114)는 ADC(112)로부터 제 1 디지털화된 신호(116)를 수신한다. 지연 회로(114)는 제 1 디지털화된 신호(116)를 미리 결정된 시간 지연만큼 지연시킨다.
시스템(100)은 ADC(112)로부터 제 2 디지털화된 신호(120)를 수신하는 뉴로모픽 신호 프로세서(118)를 추가로 포함한다. 뉴로모픽 신호 프로세서(118)는 제 2 디지털화된 신호(120)를 처리하여 제 2 디지털화된 신호(120)로부터 추출된 신호(122) 또는 신호들을 추출한다. 지연 회로(114)의 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서(118)에서의 지연 임베딩에 대응한다. 뉴로모픽 신호 프로세서(118)로서의 사용을 위해 구성될 수 있는 디바이스의 배경 예는 인지 블라인드 소스 분리기이며, 설명되는 이러한 인지 블라인드 소스 분리기는 2016년 3월 17일자 출원된 미국 특허 출원 15/073,626호에서 확인될 수 있다. 뉴로모픽 신호 프로세서(118)로서의 사용을 위해 구성된 예시적인 인지 블라인드 소스 분리기는 본 명세서에서 도 2 - 도 5를 참조하여 설명될 것이다.
위상 지연 및 진폭 계산 모듈(124)은 뉴로모픽 신호 프로세서(118)로부터 추출된 신호(122)를 그리고 지연 회로(114)로부터 지연된 제 1 디지털화된 신호(116)를 수신한다. 위상 지연 및 진폭 계산 모듈(124)은 추출된 신호(122) 및 지연된 제 1 디지털화된 신호(116)의 위상 지연 및 진폭을 결정한다. 위상 지연 및 진폭 계산 모듈(124)은 신호들이 서로 정확히 180도 위상이 다르게 되어 지연된 제 1 디지털화된 신호(116)로부터 추출된 신호(122)의 상쇄(널링)를 야기하도록, 지연된 제 1 디지털화된 신호(116)에 관해, 추출된 신호(122)에 행해질 필요가 있는 임의의 조정들을 결정한다.
신호 위상 및 진폭 조정 모듈(126)은 뉴로모픽 신호 프로세서(118)로부터의 추출된 신호(122)를 그리고 위상 지연 및 진폭 계산 모듈(124)로부터의 출력(128)을 수신한다. 출력(128)은 지연된 제 1 디지털화된 신호(116)의 위상을 기초로 한 추출된 신호(122)에 대한 조정에 대응한다. 신호 위상 및 진폭 조정 모듈(126)은 신호 위상 및 진폭 조정 모듈(126)로부터 출력된 조정된 추출 신호(130)가 지연된 제 1 디지털화된 신호(116)에 대해 위상이 180도 다르게 되도록, 추출된 신호(122)의 위상 지연 및 진폭을 위상 지연 및 진폭 계산 모듈(124)로부터의 출력(128)을 사용하여 조정한다.
시스템(100)은 지연된 제 1 디지털화된 신호(116)로부터 조정된 추출 신호(130)를 상쇄 또는 제거하여 추출된 신호(122) 또는 조정된 추출 신호(130)가 제거된 입력 검사 신호(134)를 제공하기 위한 합산 접합부(132) 또는 다른 메커니즘을 더 포함한다. 조정된 추출 신호(130)는 제 1 디지털화된 신호(116)와 위상이 180도 다르기 때문에, 조정된 추출 신호(130)와 제 1 디지털화된 신호(116)가 합산 접합부(132)에서 결합될 때 조정된 추출 신호(130)가 상쇄된다. 입력 검사 신호(134)는 본질적으로, 시스템(100)에 대한 디지털화된 혼합 신호(108) 또는 입력 신호이며, 혼합 신호(108) 내의 특정 신호가 디지털화된 혼합 신호(108)로부터 추출되어 상쇄된다. 입력 검사 신호(134)는 분석된다. 일 실시예에 따르면, 입력 검사 신호(134)의 스펙트럼이 디바이스(136)에 의해 검사된다. 일 실시예에 따르면, 디바이스(136)는 스펙트럼 분석기이거나, 다른 예에서 디바이스는 뉴로모픽 신호 프로세서 또는 다른 디바이스이다. 다른 실시예들에서, 입력 검사 신호(134)와 연관된 다른 파라미터들은 특정 디바이스에 의해 분석된다.
일 실시예에 따르면, 시스템(100)의 적어도 일부 컴포넌트들은 도 1에서 파선으로 예시된 바와 같이 단일 칩(140) 상에 제공될 수 있다.
도 2는 본 개시의 다른 실시예에 따라 신호 또는 신호들을 추출하기 위한 뉴로모픽 신호 프로세서(200)의 일례의 개략적인 블록도이다. 예시적인 뉴로모픽 신호 프로세서(200)는 도 1의 뉴로모픽 신호 프로세서(118)에 사용될 수 있다. 예시적인 뉴로모픽 신호 프로세서(200)는 제 2 디지털화된 신호(120)를 수신한다. 일례에 따르면, 제 2 디지털화된 신호(120)는 좁은 순간 대역폭을 각각 갖는 다수의 펄스들의 잡음 혼합을 포함하는 입력 혼합 신호로서 특성화된다. 뉴로모픽 신호 프로세서(200)는 입력 혼합 신호 또는 제 2 디지털화된 신호(120)로부터 분리되고 잡음 제거된 펄스들을 출력으로서 제공한다. 예시적인 뉴로모픽 신호 프로세서(200)는 또한 다수의 시간 상관된 소스 무선 주파수(RF) 신호들을 분리하도록 동작 가능한 인지 블라인드 소스 분리기(CBSS: cognitive blind source separator)로 지칭된다. 뉴로모픽 신호 프로세서(200)의 실시예들은 소스 신호들이 각각 좁은 주파수 대역폭을 점유한다고 가정하고, 신호들이 시간상 중첩할 수 있지만, 신호들이 시간 및 주파수에서 동시에는 단지 매우 드물게만 중첩할 수 있다고 가정된다. 이러한 소스 신호들의 한정적이지 않은 예들은 레이더에 사용되는 무선 주파수(RF) 신호들 및 소나(sonar)에 사용되는 초음파 음향 펄스들, 또는 다수의 스피치 신호들을 분리하는데 사용되는 오디오 신호들을 포함한다.
제 2 디지털화된 신호(120) 또는 디지털화된 혼합 신호 또는 신호들은 또한 추출될 소스 신호들(104a-104n)의 하나 또는 그보다 많은 혼합들로부터의 샘플들인 데이터 포인트들의 시계열로서 특성화될 수 있다. 제 2 디지털화된 신호(120)의 데이터 포인트들의 시계열은 입력 신호의 시간 지연 버전, 즉 지연 임베딩된 혼합 신호(206)를 생성하는 지연 임베딩 모듈(204)을 통해 공급된다. 지연 임베딩 모듈(204)은 제 2 디지털화된 신호(120)를 수신하여 지연 임베딩된 혼합 신호(206) 또는 신호들을 발생시킨다. 지연 임베딩 모듈(204)은 한정된 수의 과거 신호 값들을 저장하여, 스칼라 값의 혼합 신호들(108)을 다차원 신호들로 변환한다. 지연 임베딩 모듈(204)은 현재 및 과거의 신호 값들에 대한 다차원 벡터를 구성한다. 지연 임베딩된 혼합 신호(206) 또는 신호들은 선형 함수들을 통해 저장소(208)에 맵핑된다. 저장소(208)는 지연 임베딩된 혼합 신호들(206)을 저장소(208)에 선형적으로 맵핑하여 지연 임베딩된 혼합 신호들(206)의 고차원(HD: high-dimensional) 또는 다차원 상태 공간 표현(210)을 생성하도록 적응된다. 따라서 지연 임베딩된 혼합 신호들(206)은 아래에서 보다 상세하게 설명되는 바와 같이 저장소(208)에 선형적으로 맵핑된다. 저장소(208)는 동적 시스템이고, 저장소 상태들과 지연 임베딩된 혼합 신호들(206)의 결합은 원래의 혼합 신호들(108) 또는 제 2 디지털화된 신호(120)의 다차원 상태 공간 표현(210)을 생성한다. 예를 들어, 저장소(208)의 특정 뉴런들 또는 처리 노드들(도 4의 404)은 도 1의 RF 소스 신호들(104a-104n)과 같은 특정 소스 신호들을 나타낼 수 있다. 다차원 상태 공간 표현에서의 입력의 선형 맵핑은 또한 수학적으로 설명될 수 있다.
Figure pat00001
를 k-차원 지연 임베딩된 입력으로 하고,
Figure pat00002
을 m-차원 저장소 상태를 나타내는 벡터로 하며, 여기서 u 0(t)는 연속 시간 t에서 입력 신호의 값이고, τ는 임베딩시 샘플들 간의 시간 지연이다. 저장소 상태는 현재 지연 임베딩된 입력 벡터
Figure pat00003
과 이전 상태 벡터의 선형 함수로 계산된다:
Figure pat00004
여기서,
Figure pat00005
는 저장소 연결성을 특정한 m×m 행렬이고
Figure pat00006
는 저장소(208)로의 입력의 선형 맵핑을 특정하는 m×k 행렬이다.
Figure pat00007
및
Figure pat00008
에 대한 선택들의 한정적이지 않은 예는 이들을 랜덤하게 생성하는 것이고(예를 들어, 각각의 엔트리는 평균이 0 그리고 분산이 1인 독립적인 가우스 분포로부터 도출되고), 그 다음에 각각의 행렬이 엄격하게 1 미만인 스펙트럼 표준을 가짐을 보장하는 스칼라들로 나뉨으로써 행렬들이 정규화된다.
상태 공간 표현(210)은 사전 필터링된 신호들(214)을 발생시키기 위해 저장소(208)의 상태들의 서로 다른 선형 결합들에 의해 출력 계층(212)의 고정된 수의 출력 노드들(502a-502n)(도 5)에 맵핑된다. 출력 계층(212)의 각각의 출력 노드(502a-502n)에 대한 고유 선형 함수가 존재한다. 따라서 지연 임베딩된 혼합 신호들(206)의 저장소 상태 공간 표현(210)이 출력 계층(212)에 선형적으로 맵핑된다. 출력 계층(212)은 상태 공간 표현(210)을 출력 계층(212)의 하나 또는 그보다 많은 출력 노드들(502a-502n)(도 5)에 선형적으로 맵핑함으로써 한 세트의 사전 필터링된 신호들(214)을 발생시키도록 적응된다. "선형 결합들" 및 "선형 함수"라는 용어들은 본 명세서에서 동의어로 사용된다는 점에 주목한다. 예를 들어, 에러 함수를 최소화하기 위해 필터 중심 주파수들이 학습되는 것과 동일한 방식으로 다른 선형 함수들이 학습된다. 예를 들어, 뉴로모픽 신호 프로세서(200)는 서로 다른 선형 함수들의 가중치들에 대해 에러 함수 모듈(220)에서 에러 함수(218)의 도함수를 획득하고 필터 중심 주파수들과 함께 가중치들을 적응시킨다.
출력 계층(212)의 각각의 출력 노드(502a-502n)는 적응 가능한 필터들(216)의 뱅크의 고유 유한 필터와 연관된다. 일 실시예에 따르면, 적응 가능한 필터들(216)의 뱅크는 유한 임펄스 응답(FIR: finite impulse response) 필터들 및 무한 임펄스 응답(IIR: infinite impulse response) 필터들을 포함한다. 적응 가능한 필터들(216)의 뱅크는 사전 필터링된 신호들(214)을 적응 가능한 필터들(216)의 뱅크를 통해 처리함으로써 집합적으로 혼합 신호(108)(도 1)를 형성하는 개별 소스 신호들(104a-104n)을 생성하도록 적응된다. 혼합 신호(108)를 형성하기 위해 원래 함께 혼합된 소스 신호들(104a-104n)을 식별 및 추출하기 위해, 사전 필터링된 신호들(214)이 뱅크 내의 이들 각각의 적응 가능한 필터들(216)을 통과하게 된다. 따라서 적응 가능한 필터들(216)로부터의 출력들은 원래의 소스 신호들(104a-104n)이고, 뉴로모픽 신호 프로세서(200, 118)(도 1)의 최종 출력을 나타낸다. 적용 가능한 특징 추출 모듈(222)을 사용하여 개별 소스 신호들(104a-104n)로부터 펄스 디스크립터 워드(PDW: pulse descriptor word)들과 같은 특징들이 추출될 수 있다. 다양한 다른 실시예들에서, 시스템 또는 뉴로모픽 신호 프로세서(200)는 소스 신호들(104a-104n)을 발생시키거나 (소스 신호들을 식별/추출하는 것과는 대조적으로) 신호 데이터를 분류하고 그리고/또는 개별 소스 신호들(104a-104n) 또는 데이터 신호들을 저장한다.
적응 가능한 필터들(216)의 뱅크의 출력은 에러 신호(224) 또는 신호들이 도출되는 에러 함수 모듈(220)로 또한 전달된다. 에러 신호(224) 또는 신호들은 출력 계층(212)의 출력 노드들(502a-502n)(도 5)과 연관된 선형 결합들에서의 가중치들 및 적응 가능한 필터들(216)의 중심 주파수들을 업데이트하여, 추출된 신호(122)의 추출을 달성하는 데 사용된다. 이러한 적응은 적응 가능한 필터들(216) 및 소스 신호들(120a-120n)의 분리로 이어진다. 이러한 양상들은 아래에서 더 상세히 설명된다.
도 3을 또한 참조하면, 도 3은 도 2의 뉴로모픽 신호 프로세서(200)의 지연 임베딩 모듈(204)의 일례의 개략적인 블록도이다. 앞서 설명한 바와 같이, 뉴로모픽 신호 프로세서(200)에 대한 입력 신호(302)(u(t))를 형성하는 제 2 디지털화된 신호(120) 또는 제 2 디지털화된 혼합 신호가 지연 임베딩 혼합 신호들(206)을 생성하는 지연 임베딩 모듈(204)을 계속해서 통과하게 된다. 지연 임베딩은 혼합 신호(108) 내에 상주하는 서로 다른 소스 신호들(104a-104n)(도 1)의 다이내믹들의 캡처에서의 첫 번째 단계이다. 입력 신호(302)는 소스 신호들(102a-102n)의 혼합들로 구성된다. 입력 신호(302)는 유한한 일련의 지연들(304)을 통과하게 되어 지연 임베딩을 생성한다. 지연된 값들 사이의 시간 갭(Δt)은 일정하다. 탭(306)이 각각의 지연(304)과 연관되고, 각각의 지연(304)으로부터의 지연된 신호 값들을 복수의 합산 노드들(308a-308n)에 분배한다. 합산 노드들(308a-308n)은 저장소(208)로의 입력인 지연 임베딩된 혼합 신호(206)를 발생시키는 역할을 한다. 저장소(208)의 처리 노드(404)(도 4)마다 하나의 합산 노드(308a-308n)가 존재한다. 각각의 합산 노드(308a)는 각각의 제 2 디지털화된 혼합 신호(120)로부터 각각의 지연된 신호 값의 고유 선형 결합을 수행한다. 이러한 서로 다른 선형 결합들은 서로 다른 주파수 대역들 내에 있는 소스 신호(104a-104n) 다이내믹들의 증폭을 보조하며, 따라서 이들은 소스 신호 분리 프로세스의 첫 번째 단계이다.
벡터일 수 있는 입력 신호(302)인 u(t)는 제 2 디지털화된 신호들(120)로 구성된다. 유한한 일련의 지연들(304)이 제 2 디지털화된 혼합 신호들(120) 각각에 인가되어, 복수의 지연 임베딩 신호들(u(t), u(t-Δt),… u(t-MΔt))을 발생시킨다. 여기서, Δt는 입력 신호(302)의 지연 임베딩된 표현의 연속적인 값들 사이의 시간 갭(즉, 탭들(306) 사이의 시간 갭)이고, M은 지연들(304)의 총 수이다. 개념상, 각각의 제 2 디지털화된 혼합 신호(120)를, Δt 및 M에 대해 동일한 값들을 갖는 그 자체의 일련의 지연들(304)을 통과하는 것으로 여길 수 있다. 저장소(208) 내의 처리 노드들의 수와 동일한 N개의 합산 노드들(308a-308n)이 있다. 주어진 합산 노드(308i)에 대해, 각각의 제 2 디지털화된 혼합 신호(120)의 각각의 지연된 값은 가중되어 주어진 합산 노드(308i)로 전달되고, 주어진 합산 노드(308i)는 다음에 그 입력들을 합산하고, 저장소(208) 내의 대응하는 처리 노드에 대한 입력으로서 전달되는 N개의 1차원 신호들(즉, 지연된 임베딩된 혼합 신호들(206)) 중 하나를 발생시킨다. 탭들(306)로부터 특정 합산 노드(308i)까지의 연결부들에 대한 가중치들은 탭들(306)로부터 다른 합산 노드들(308a-308n)까지의 연결부들에 대한 가중치들과는 고유하다. 이러한 유연성은 서로 다른 주파수 대역들 내에서 발생하는 소스 신호 다이내믹들을 증폭할 수 있는 서로 다른 선형 결합들을 허용하여, 소스 신호 분리에 대한 첫 번째 단계를 제공한다.
도 4를 또한 참조하면, 도 4는 도 2의 뉴로모픽 신호 프로세서(200)의 저장소(208)의 일례의 개략적인 블록도이다. 저장소(208)는 고차원 또는 다차원 동적 시스템이며, 이는 일부 실시예들에 따라 순환 신경망으로서 구현된다. 저장소(208)의 목적은 저장소(208)의 다차원 상태 공간에서의 궤적들로서 시계열 데이터를 인코딩하는 것이다. 특히, 저장소(208)의 상태 공간의 단일 지점은 지연 임베딩 모듈(204)로부터 진행되는 입력 데이터의 이력에 관한 정보를 인코딩한다. 저장소(208) 내의 노드들(404) 각각은 저장소 상태를 특정하는 한 세트의 스칼라 값들을 갖는다. 저장소(208)의 상태 공간 내의 한 지점은 저장소(208) 내의 특정 노드(404)에 대한 스칼라 값들의 특정 선택이다. 이런 식으로 저장소(208)는 일시적인 메모리를 형성한다. 지연 임베딩 모듈(204) 및 저장소(208)는 함께 동작하여 혼합 신호(108)로부터 소스 신호들(104a-104n)의 예비 분리를 생성한다. 저장소(208)는 지연 임베딩 모듈(204)로부터 입력들(402)을 수신한다. 지연 임베딩 모듈(204)로부터의 입력들(402)은 지연 임베딩 혼합 신호들(206)에 대응한다. 저장소(208)는 가중된 연결부들(406)을 통해 서로 통신하는, 뉴런들로 지칭되는 상호 연결된 처리 노드들(404)의 그룹을 포함한다. 연결 가중치(408)는 각각의 가중된 연결부(406)와 연관된다. 연결 가중치들(408)은 (예를 들어, 균등 또는 정규 분포로부터) 랜덤하게 생성되는데, 연결 가중치들(408) 중 작은 비율(예를 들어, 약 10%)만이 0이 아닌 값들을 갖는다. 또한, 연결 가중치들(408)은 인접한 행렬 A에 임베딩될 때(즉, Aij가 처리 노드 i에서 처리 노드 j까지의 연결 가중치를 포함할 때), A의 스펙트럼 반경이 1 미만이 되도록 정규화된다. 각각의 처리 노드(404) 또는 뉴런은 그 입력들의 가중된 합을 계산하는데, 이는 지연 임베딩 모듈(204)로부터의 입력(402)뿐만 아니라 저장소(208) 내의 다른 처리 노드들(404)로부터의 출력(410)도 포함한다. 각각의 처리 노드(404)로의 결과적인 스칼라 입력은 처리 노드의 출력(410)을 생성하기 위해 비선형 함수(그러한 하나의 함수의 한정적이지 않은 예는 쌍곡선 탄젠트 함수임)를 선택적으로 통과하게 된다.
처리 노드들(404)의 입력-출력 프로세스는 시간이 지남에 따라 계속되고, 저장소 뉴런 상태들의 결과적인 시계열은 소스 신호들(104a-104n)의 핵심적인 특징들을 인코딩하는 다차원 저장소(208) 상태 공간 내의 지점들을 구성한다. 이런 식으로, 저장소(208)는 혼합 신호 또는 신호들(108, 206)로부터 소스 신호들(104a-104n)을 추출하는 프로세스에서 유리한 단계를 제공한다.
도 5를 참조하면, 도 5는 도 2의 뉴로모픽 신호 프로세서(200)의 저장소(208) 및 출력 계층(212)의 일례의 개략적인 블록도이다. 출력 계층(212)은 일부 실시예들에 따라 한 세트의 출력 노드들(502a-502n)을 포함한다. 각각의 출력 노드(502a-502n)는 저장소(208)의 각각의 처리 노드(404) 또는 뉴런으로부터 가중된 출력(504)을 입력으로서 수신하고, 이러한 가중된 출력들(504)을 함께 합산하여 출력 노드(502a-502n)의 출력(506a-506n)을 생성한다. 출력 계층(212)의 각각의 출력 노드(502a-502n)는 저장소(208)의 처리 노드들(404)로부터의 "출력 가중치들"로 지칭되는 가중치들(508a-508n)의 고유하고 적응 가능한 세트를 각자의 입력 연결부들(510)에 갖는다. 하나 또는 그보다 많은 제 2 디지털화된 혼합 신호들(120)이 뉴로모픽 신호 프로세서(200)로 전달될 때, 이러한 가중치들(508a-508n)은 주어진 출력 노드(502a-502n)로부터의 출력(506a-506n)이 다른 소스 신호들을 억제하면서 소스 신호들(104a-104n)의 서브세트를 증폭하도록, 본 명세서에서 설명되는 바와 같이 적응된다. 이것은 소스 신호들(104a-104n)을 그리고 혼합 신호(108)와 분리하는 프로세스의 세 번째 스테이지인데, 첫 번째 스테이지는 혼합 신호(108) 또는 제 2 디지털화된 혼합 신호(120)의 지연 임베딩 표현이고 두 번째 스테이지는 저장소(208) 표현이다.
다시 도 2를 참조하면, 일부 실시예들의 경우, 뉴로모픽 신호 프로세서(200)의 최종 스테이지는 적응 가능한 필터들(216)의 뱅크이다. FIR 필터들에 사용될 수 있는 필터들의 타입에 대한 유일한 제약은, 리플(ripple)이 허용될 수 있다 하라도 필터들이 주파수 도메인에서 단봉형(unimodal) 이득 응답을 갖는다는 점이다. 가우스형 필터는 허용 가능한 FIR 필터 타입의 일례이다. 적응 가능한 필터들(216)의 뱅크 내의 각각의 필터는 출력 계층(212)의 출력 노드들(502a-502n) 중 하나와 매칭된다. 이것은 적응 가능한 필터들(216) 및 대응하는 출력 노드들(502a-502n)의 쌍들의 세트를 생성한다. 필터에 대한 입력은 출력 계층(212)의 대응하는 출력 노드(502a-502n)에 의해 생성된 출력이다.
적응 가능한 필터들(216)의 뱅크 내의 각각의 필터의 중심 주파수는 적응 가능하거나 구성 가능하다. 혼합 신호(108) 또는 제 2 디지털화된 혼합 신호들(120)이 뉴로모픽 신호 프로세서(118, 200)를 통해 진행될 때, 각각의 적응 가능한 필터(216)의 중심 주파수가 고유 소스 신호(104a-104n)의 주파수에 수렴하는 식으로 중심 주파수가 구성 가능하다. 본질적으로, 적응 가능한 필터들(216)은 출력 계층(212) 내의 출력 노드들(502a-502n)의 출력들(506a-506n)에 대한 제약들로서 작용하여, 각각의 출력 노드(502a-502n)가 혼합 신호(108) 또는 신호들(202)로부터 강제로 단일 소스 신호(104a-104n)를 추출하게 한다. 소스 신호(104a-104n)의 주파수는 시간의 함수일 수 있다. 뉴로모픽 신호 프로세서(118, 200)는 소스 신호(104a-104n)가 임의의 미리 결정된 시간 간격에 걸쳐 단일 주파수에 의해 특성화될 것만을 요구한다. 소스 신호(104a-104n)의 주파수 대역이 얼마나 좁고 미리 결정된 시간 간격이 얼마나 짧은지는 저장소(208) 내의 노드들(404)의 수와 얼마나 많은 필터 계수들이 사용되는지의 함수들이다.
도 2에 도시된 예와 같은 일부 실시예들에서, 에러 함수 모듈(220)은 뉴로모픽 신호 프로세서(200)의 피드백 컴포넌트이고, 저장소 처리 노드들(404)로부터 출력 계층(212)의 출력 노드들(502a-502n)(출력 가중치들)까지의 입력 연결부들(510)에 대한 적응 가능한 가중치들(508a-508n) 및 필터 중심 주파수들의 적응을 유도하는 역할을 한다. 개념적으로, 각각의 적응 가능한 필터(216) 및 출력 계층 출력 노드(502a-502n) 쌍은 그 각자의 에러 함수(218)를 갖는 것으로 보일 수 있는데, 모든 개별 에러 함수들(218)은 동일한 형태를 갖는다. 구체적으로, 에러 함수(218)는 함께 합산되는 3개의 항들을 포함한다. 첫 번째 항은 해당 필터 출력의 음의 전력(negative power)이다. 음의 전력이 다음과 같이 계산된다:
Figure pat00009
여기서 y(t)는 시간 t에서의 적응 가능한 필터(216)의 출력이고, M은 평균에서 사용된 샘플들의 수이다. 첫 번째 과제는 음의 전력을 최소화(전력을 최대화)하는 것인데, 이는 필터 중심 주파수들을 소스 신호 주파수들 중 하나로 이동시키는 경향이 있다. 두 번째 항은 필터의 출력과 출력 계층(212)에서의 그 대응하는 출력 노드(502a-502n)의 출력 간의 제곱 차들의 합이다. 이는 필터의 입력과 그 출력 사이의 불일치를 최소화하는 것인 두 번째 과제로 이어진다. 이는 적응 가능한 필터(216)가 "확인"할 수 있는, 혼합 신호(108)의 소스 신호들(104a-104n)의 수를 제한하는 효과를 가지며, 이에 따라 적응 가능한 필터(216)를 추출을 위한 단일 소스 신호(104a-104n)에 집중시키는 데 도움이 된다. "패널티 항"으로 지칭되는 세 번째 항은 적응 가능한 필터들(216)이 필터 도메인에서 서로 너무 가까워지고 이로써 동일한 소스 신호를 추출하는 것을 방지한다. 예를 들어, dw ij = |w i - w j |라 하고, 여기서 w i 및 w j는 각각 필터 i 및 필터 j의 중심 주파수들이다. 패널티 항은 다음과 같이 주어지며:
Figure pat00010
,
여기서 G는 평균 0, 최종 사용자 지정 분산을 갖는 가우스 분포이고, N은 적응 가능한 필터들(216)의 수이다.
에러 함수(218)의 출력이 에러 신호(224)를 발생시키는 데 사용된다. 에러 신호(224)는 저장소(208)로부터 출력 계층(212)까지의 입력 연결부들(510)에 대한 가중치들(508a-508n) 및 필터 중심 주파수들을 적응시키는데 사용된다. 에러 신호(224)는 출력 가중치들(508a-508n) 및 필터 중심 주파수들에 대해 에러 함수(218)의 도함수를 취함으로써 발생된다. 시스템 파라미터들, 즉 필터 중심 주파수들 및 출력 가중치들(508a-508n)은 도함수를 사용하여 에러 함수(218)에 대한 기울기 하강을 수행함으로써 적응된다. 앞서 설명한 바와 같이, 각각의 적응 가능한 필터(216) 및 출력 계층(212)의 출력 노드(502a-502n) 쌍은 이들 자체의 에러 함수(218)를 갖는 것으로 여겨질 수 있다. 각각의 에러 함수(218)에 대해, 출력 가중치들(508a-508n)을 적응시키는데 기본 기울기 하강이 사용되지만, 뉴로모픽 신호 프로세서(118, 200)는 필터의 중심 주파수를 적응시키기 위해 로컬 및 글로벌 탐색을 결합하는 고유한 형태의 기울기 하강을 이용한다. 이는 뉴로모픽 신호 프로세서(118, 200)가 소스 신호들(104a-104n)을 빠르게 보정(hone)하고 추적하는 능력을 유지하면서 적어도 30㎓의 초광대역 소스 신호 대역폭을 커버하게 한다. 예를 들어, 일 실시예에서, 뉴로모픽 신호 프로세서(118, 200)는 탄력적인 역전파(Rprop: Resilient Backpropagation) 및 랜덤 탐색을 융합한다. Rprop의 배경 예는 Igel, C. 및 Husken, M.의 "Improving the Rprop learning algorithm"(Proc. Of the 2nd Int. Symposium on Neural Computation (NC'2000), pp. 115-21, ICSC Academic Press, 2000)에서 확인될 수 있다. Rprop 컴포넌트는 기울기의 크기보다는 기울기의 부호 정보만을 사용하여, Rprop 컴포넌트를 제한된 정밀 하드웨어 구현에 유리하게 만든다. 또한, Rprop 컴포넌트는 적응적 스텝 크기를 사용하여 보다 정확하게 중심 주파수들을 추적한다. Rprop 업데이트는 다음과 같이 주어지며:
Figure pat00011
,
여기서
Figure pat00012
는 필터 출력 전력의 도함수의 부호이고, Δf t 는 주파수 증분이다. Δf t 는 출력 전력 도함수의 부호 변화들의 시퀀스에 의해 결정되고:
Figure pat00013
여기서 μ +, μ -, Δf max 및 Δf min은 Rprop 업데이트의 다이내믹들을 결정하는 사용자 정의 파라미터들이다. 랜덤화된 주파수 업데이트들은 평균이 0인 가우스 확률 변수로부터 샘플링되며, 여기서 분산(σ)은 사용자 지정 파라미터이다. 랜덤화된 탐색 컴포넌트는 적응 프로세스의 각각의 단계에서 가우스 분포로부터 중심 주파수들의 작은 샘플을 생성함으로써 작동한다. 이는 필터 중심 주파수가 추적을 위해 특정 소스 신호를 목표로 하기 위해 넓은 범위들의 대역폭을 빠르게 커버할 수 있게 한다. Rprop에 의해 제안된 중심 주파수 및 랜덤화된 탐색 컴포넌트에 의해 생성된 중심 주파수들은 에러 함수(218) 하에서 페널티 항의 현재 입력 시퀀스들 및 현재 중심 주파수들을 사용하여 평가된다. 가장 낮은 에러를 갖는 주파수가 해당 필터의 다음 중심 주파수로서 선택된다.
도 6은 본 개시의 일 실시예에 따라, 혼합 신호로부터 추출된 신호를 제거하여 혼합 신호의 적어도 하나의 다른 신호를 분석하기 위한 방법(600)의 일례의 흐름도이다. 예시적인 방법(600)은 도 1의 시스템(100)으로 구현되어 이것에 의해 수행된다. 다른 실시예에서, 예시적인 방법(600)은 도 1의 컴퓨터 프로그램 제품(138)과 같은 그리고 본 명세서에서 설명된 것과 유사한 컴퓨터 프로그램 제품 상에 구현된다. 컴퓨터 프로그램 제품(138)은 시스템(100) 상에 예시적인 방법(600)을 로딩하는데 사용된다. 추출된 신호는 스펙트럼이 분석되고 있는 다른 신호보다 더 크거나 더 높은 진폭 신호일 수 있다. 블록(602)에서, 신호를 제거하여 다른 신호의 스펙트럼을 검사하기 위한 시스템에 의해 혼합 신호가 수신된다. 일부 예들에서, 혼합 신호는 서로 다른 신호 소스들로부터의 복수의 개별 소스 신호들을 포함한다. 다른 예들에서, 혼합 신호는 서로 다른 소스들로부터의 펄스들의 잡음 혼합물이다. 일 실시예에 따르면, 혼합 신호는 ADC에 의해 수신된다. 다른 실시예에서는, 블록(604)에 예시된 바와 같이, 혼합 신호가 ADC에 의한 디지털화 또는 샘플링을 위해 미리 결정된 레벨 또는 진폭으로 증폭된다. 소스 신호들 중 일부 또는 분석을 위한 관심 소스 신호는 혼합 신호를 형성하는 다른 소스 신호들보다 상당히 더 작은 진폭을 가질 수 있기 때문에 혼합 신호는 증폭될 필요가 있을 수 있고, 혼합 신호의 증폭은 또한, 다른 더 높은 진폭의 신호 또는 신호들이 관심 소스 신호의 분석을 위해 본 명세서에서 설명한 바와 같이 추출되어 상쇄될 수 있도록 관심 소스 신호를 증폭한다.
블록(606)에서, 혼합 신호 또는 증폭된 혼합 신호는 디지털화되거나 샘플링되고, 제 1 디지털화된 신호 및 제 2 디지털화된 신호가 발생된다. 제 1 디지털화된 신호 및 제 2 디지털화된 신호는 둘 다 디지털화된 혼합 신호에 대응하며, 또한 제 1 디지털화된 혼합 신호 및 제 2 디지털화된 혼합 신호로 지칭될 수 있다. 제 1 디지털화된 신호와 제 2 디지털화된 신호는 동일하거나 일치한다.
블록(608)에서, 제 1 디지털화된 신호 또는 제 1 디지털화된 혼합 신호는 미리 결정된 시간 지연만큼 시간 지연된다. 제 1 디지털화된 신호는 뉴로모픽 신호 프로세서에서의 지연 임베딩을 보상하기 위해 시간 지연된다. 이에 따라, 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩에 대응한다.
블록(610)에서, 제 2 디지털화된 신호 또는 제 2 디지털화된 혼합 신호는 제 2 디지털화된 신호로부터 추출된 신호를 추출하도록 뉴로모픽 신호 프로세서에서 처리된다. 앞서 설명한 바와 같이, 추출된 신호는 혼합 신호의 일부로서 수신된 다른 신호보다 더 클 수 있거나 더 큰 진폭을 가질 수 있다. 다른 신호는 관심 신호 또는 스펙트럼 분석이나 기타 분석과 같은 분석을 위한 입력 검사 신호이다. 뉴로모픽 신호 프로세서에서 제 2 디지털화된 신호 또는 디지털화된 혼합 신호를 처리하는 예는 도 7을 참조하여 보다 상세히 설명될 것이다.
블록(612)에서, 추출된 신호 및 제 1 디지털화된 신호의 위상 지연 및 진폭이 결정된다. 추출된 신호와 제 1 디지털화된 신호의 위상 지연 및 진폭 사이의 임의의 차이가 결정되거나 검출되어, 추출된 신호가 제 1 디지털화된 신호로부터의 상쇄를 위해 조정될 수 있다. 블록(614)에서, 제 1 디지털화된 신호와 위상이 180도 다른 조정된 추출 신호를 발생시키도록, 추출된 신호의 위상 지연 및 진폭이 제 1 디지털화된 신호에 기초하여 조정된다.
블록(616)에서, 입력 검사 신호를 제공하도록, 조정된 추출 신호가 제 1 디지털화된 신호로부터 상쇄된다. 조정된 추출 신호는 제 1 디지털화된 신호와 위상이 180도 다르기 때문에, 도 1의 예에서 신호들이 합산 접합부(132)에서 결합될 때, 조정된 추출 신호가 제 1 디지털화된 신호로부터 상쇄되거나 제거된다. 블록(618)에서, 입력 검사 신호가 분석된다. 일 실시예에 따르면, 입력 검사 신호의 스펙트럼이 검사되거나 분석된다. 다른 실시예들에서, 입력 검사 신호와 연관된 다른 파라미터들이 분석된다. 일례에 따르면, 입력 검사 신호가 스펙트럼 분석기에 의해 또는 다른 예에서는 뉴로모픽 신호 프로세서에 의해 분석된다.
도 7은 본 개시의 일 실시예에 따라 혼합 신호로부터 특정 신호를 추출하는 방법(700)의 일례의 흐름도이다. 방법(700)은 도 2 - 도 5를 참조하여 설명된 뉴로모픽 신호 프로세서(200)와 같은 뉴로모픽 신호 프로세서를 사용하여 특정 신호 또는 신호들을 추출하는 일례이다. 예시적인 방법(700)은 뉴로모픽 신호 프로세서(200)로 구현되어 이것에 의해 수행된다. 다른 실시예에서, 예시적인 방법(700)은 도 1의 컴퓨터 프로그램 제품(138)과 같은 컴퓨터 프로그램 제품 상에 구현된다. 컴퓨터 프로그램 제품은 본 명세서에서 앞서 설명한 것과 비슷하다. 컴퓨터 프로그램 제품(138)은 시스템(100) 또는 뉴로모픽 신호 프로세서(118) 상에 예시적인 방법(700)을 로딩하는데 사용된다.
블록(702)에서, 혼합 신호 또는 신호들, 또는 제 2 디지털화된 신호가 뉴로모픽 신호 프로세서에 의해 수신된다. 블록(704)에서, 혼합 신호 또는 제 2 디지털화된 신호에 기초하여 지연 임베딩된 혼합 신호가 발생된다.
블록(706)에서, 지연 임베딩된 혼합 신호는 도 2 - 도 4를 참조하여 앞서 설명한 것과 유사한 저장소에 선형적으로 맵핑된다.
블록(708)에서, 지연 임베딩된 혼합 신호를 저장소 내의 복수의 저장소 상태들과 결합함으로써 혼합 신호의 다차원 상태 공간 표현이 생성된다.
블록(710)에서, 혼합 신호를 집합적으로 형성하는 개별 소스 신호들 중 적어도 하나가 혼합 신호의 다차원 상태 공간 표현에 기초하여 식별된다. 식별된 적어도 하나의 개별 소스 신호는 추출된 신호이다.
블록(712)에서, 한 세트의 사전 필터링된 신호들을 발생시키도록 다차원 상태 공간 표현이 출력 계층의 하나 또는 그보다 많은 출력 노드들에 선형적으로 맵핑된다. 출력 계층은 한 세트의 출력 노드들을 포함하고, 저장소는 복수의 처리 노드들을 포함한다. 블록(714)에서, 각각의 출력 노드는 입력으로서 각각의 저장소 처리 노드로부터 가중된 출력을 수신하고, 각각의 출력 노드는 각각의 입력 값을 합산하여 출력 노드의 출력을 생성한다. 출력 계층의 각각의 출력 노드는 각자의 입력 연결부들에서 출력 가중치들의 고유하고 적응 가능한 세트를 포함하여, 뉴로모픽 신호 프로세서로 하나 또는 그보다 많은 혼합 신호들이 전달될 때, 출력 가중치들은 주어진 출력 노드로부터의 출력이 다른 소스 신호들을 억제하면서 소스 신호들의 서브세트를 증폭하도록 구성 또는 적응된다.
블록(716)에서, 사전 필터링된 신호들을 적응적으로 필터링함으로써 개별 소스 신호들 중 적어도 하나가 식별된다. 사전 필터링된 신호들을 적응적으로 필터링하는 것은 사전 필터링된 신호들을 적응 가능한 유한 임펄스 응답(FIR) 필터들의 뱅크에 통과시키는 것을 포함한다. 각각의 사전 필터링된 신호는 적응 가능한 FIR 필터들의 뱅크 내의 고유 필터로 공급된다. 각각의 고유 필터는 적응 가능하거나 구성 가능한 중심 주파수를 갖는다.
블록(718)에서, 각각의 적응 가능한 FIR 필터로부터의 출력에 기초하여 에러 신호가 도출된다. 에러 신호는 블록(716)으로 피드백되어 앞서 설명한 것과 유사한 적응 가능한 FIR 필터들의 중심 주파수들을 업데이트하는데 사용된다. 에러 신호는 또한 블록(714)으로 피드백되어, 앞서 설명한 것과 유사한 출력 계층의 출력 가중치들을 업데이트하는데 사용된다.
블록(720)에서, 필터들의 출력들로부터 특정 소스 신호 또는 신호들이 추출된다. 추출된 신호는 다음에, 혼합 신호로부터 상쇄되어 스펙트럼 분석 또는 검사를 위한 입력 검사 신호를 제공한다.
도면들의 흐름도 및 블록도들은 본 개시의 다양한 실시예들에 따른 시스템들, 방법들 및 컴퓨터 프로그램 제품들의 가능한 구현들의 아키텍처, 기능 및 동작을 예시한다. 이와 관련하여, 흐름도 또는 블록도들 내의 각각의 블록은 지정된 로직 기능(들)을 구현하기 위한 하나 또는 그보다 많은 실행 가능 명령들을 포함하는 명령들의 일부, 모듈 또는 세그먼트를 나타낼 수도 있다. 일부 대안적인 구현들에서는, 블록에서 언급된 기능들이 도면들에서 언급된 순서와 다르게 발생할 수도 있다. 예를 들어, 연속하여 도시된 2개의 블록들은 사실 실질적으로 동시에 실행될 수도 있고, 또는 블록들은 수반되는 기능에 따라 간혹 역순으로 실행될 수도 있다. 블록도들 및/또는 흐름도 예시의 각각의 블록, 및 블록도들 및/또는 흐름도 예시의 블록들의 결합들은 지정된 기능들 또는 동작들을 수행하거나 특수 목적 하드웨어 및 컴퓨터 명령들의 결합들을 실행하는 특수 목적 하드웨어 기반 시스템들에 의해 구현될 수 있다는 점이 또한 주목될 것이다.
본 명세서에서 사용된 용어는 특정 실시예들만을 설명하기 위한 것이며, 본 개시의 실시예들의 한정으로 의도되는 것은 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태들은 맥락이 명확하게 달리 지시하지 않는 한, 복수 형태들도 포함하는 것으로 의도된다. 본 명세서에서 사용될 때 "포함한다" 및/또는 "포함하는"이라는 용어들은 언급된 특징들, 정수들, 단계들, 동작들, 엘리먼트들 및/또는 컴포넌트들의 존재를 특정하지만, 하나 또는 그보다 많은 다른 특징들, 정수들, 단계들, 동작들, 엘리먼트들, 컴포넌트들, 및/또는 이들의 그룹들의 존재 또는 추가를 배제하는 것은 아니라고 추가로 이해될 것이다.
아래 청구항들에서 모든 수단 또는 단계 + 기능 엘리먼트들의 대응하는 구조들, 재료들, 동작들 및 등가물들은 구체적으로 청구되는 바와 같이 청구되는 다른 엘리먼트들과 결합하여 기능을 수행하기 위한 임의의 구조, 재료 또는 동작을 포함하는 것으로 의도된다. 본 실시예들의 설명은 예시 및 설명을 목적으로 제시되었지만, 개시된 형태로 실시예들을 총망라하거나 이들에 한정되도록 의도되는 것은 아니다. 실시예들의 범위 및 사상을 벗어나지 않으면서 많은 수정들 및 변형들이 해당 기술분야에서 통상의 지식을 가진 자들에게 명백할 것이다.
추가로, 본 개시는 다음 조항들에 따른 실시예들을 포함한다:
조항 1. 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600)은,
아날로그-디지털 변환기(ADC)(112)에 의해 혼합 신호(108)를 수신하는 단계(602) ― 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 소스 신호들(104a-104n)을 포함함 ―;
ADC에 의해 혼합 신호를 디지털화하고 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시키는 단계(606) ― 제 1 디지털화된 신호는 제 2 디지털화된 신호와 동일함 ―;
제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키는 단계(608);
제 2 디지털화된 신호로부터 추출된 신호(122)를 추출하도록 뉴로모픽 신호 프로세서(118)에서 제 2 디지털화된 신호를 처리하는 단계(610) ― 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응함 ―;
제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호의 위상 지연 및 진폭을 조정하는 단계(614); 및
입력 검사 신호(134)를 제공하도록, 조정된 추출 신호(130)를 제 1 디지털화된 신호로부터 상쇄시키는 단계(616)를 포함한다.
조항 2. 조항 1의 방법은, 혼합 신호가 ADC에 의해 수신되기 전에 혼합 신호를 증폭하는 단계(604)를 더 포함하고, 혼합 신호는 ADC에 의한 샘플링을 위해 미리 결정된 진폭으로 증폭된다.
조항 3. 조항 1의 방법은, 추출된 신호 및 제 1 디지털화된 신호의 위상 지연 및 진폭을 결정(612)하고 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호에 대한 조정을 생성하는 단계를 더 포함한다.
조항 4. 조항 3의 방법에서, 추출된 신호의 위상 지연 및 진폭을 조정하는 단계(614)는 제 1 디지털화된 신호와 위상이 180도 다른 조정된 추출 신호를 발생시키는 단계를 포함한다.
조항 5. 조항 1의 방법에서, 뉴로모픽 신호 프로세서에서 제 2 디지털화된 신호를 처리하는 단계는,
뉴로모픽 신호 프로세서에 의해 제 2 디지털화된 신호를 수신하는 단계(702);
제 2 디지털화된 신호에 기초하여 지연 임베딩된 혼합 신호(206)를 발생시키는 단계(704);
지연 임베딩된 혼합 신호를 저장소(208)에 선형적으로 맵핑하는 단계(706);
지연 임베딩된 혼합 신호를 복수의 저장소 상태들과 결합함으로써 혼합 신호의 다차원 상태 공간 표현(210)을 생성하는 단계(708); 및
혼합 신호의 다차원 상태 공간 표현에 기초하여, 혼합 신호를 집합적으로 형성하는 개별 소스 신호들 중 적어도 하나를 식별하는 단계(710)를 포함하며, 식별된 적어도 하나의 개별 소스 신호는 추출된 신호이다.
조항 6. 조항 5의 방법은, 한 세트의 사전 필터링된 신호들(214)을 발생시키도록 다차원 상태 공간 표현을 출력 계층(212)의 하나 또는 그보다 많은 노드들(502a-502n)에 선형적으로 맵핑하는 단계(712)를 더 포함한다.
조항 7. 조항 6의 방법은, 사전 필터링된 신호들을 적응적으로 필터링함으로써 개별 소스 신호들(104a-104n) 중 적어도 하나를 식별하는 단계(716)를 더 포함한다.
조항 8. 조항 7의 방법에서, 사전 필터링된 신호들을 적응적으로 필터링하는 것(716)은 사전 필터링된 신호들을 적응 가능한 필터들(216)의 뱅크에 통과시키는 것을 포함하고, 각각의 사전 필터링된 신호는 적응 가능한 필터들의 뱅크 내의 고유 필터로 공급되며, 각각의 고유 필터는 적응 가능한 중심 주파수를 갖는다.
조항 9. 조항 8의 방법에서, 적응 가능한 필터들(216)의 뱅크는 복수의 유한 임펄스 응답(FIR) 필터들 및 복수의 무한 임펄스 응답(IIR) 필터들을 포함한다.
조항 10. 조항 8의 방법에서, 출력 계층은 한 세트의 출력 노드들(502a-502n)을 포함하고, 저장소는 복수의 처리 노드들(404)을 포함하며, 각각의 출력 노드는 입력으로서 각각의 처리 노드로부터 가중된 출력(504)을 수신하고, 각각의 출력 노드는 각각의 입력 값을 합산하여 출력 노드의 출력(506a-506n)을 생성한다.
조항 11. 조항 10의 방법에서, 출력 계층의 각각의 출력 노드는 각각의 출력 노드의 입력 연결부들(510)에서 출력 가중치들(508a-508n)의 고유하고 적응 가능한 세트를 포함하여, 뉴로모픽 신호 프로세서로 하나 또는 그보다 많은 혼합 신호들이 전달될 때, 적응 가능한 출력 가중치들은 주어진 출력 노드로부터의 출력이 다른 소스 신호들을 억제하면서 소스 신호들의 서브세트를 증폭하도록 구성된다.
조항 12. 조항 11의 방법은, 각각의 적응 가능한 필터(216)로부터의 출력에 기초하여 에러 신호(224)를 도출하는 단계(718)를 더 포함하며, 에러 신호는 적응 가능한 필터의 적응 가능한 중심 주파수를 업데이트하고 출력 계층에서 적응 가능한 출력 가중치들을 업데이트하는 데 사용된다.
조항 13. 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100)은,
혼합 신호(108)를 수신하기 위한 아날로그-디지털 변환기(ADC)(112) ― 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 소스 신호들(104a-104n)을 포함하고, ADC는 혼합 신호를 디지털화하여 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시키며, 제 1 디지털화된 신호(116)는 제 2 디지털화된 신호(120)와 동일함 ―;
제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키기 위한 지연 회로(114);
제 2 디지털화된 신호로부터 추출된 신호(122)를 추출하도록, 제 2 디지털화된 신호를 처리하기 위한 뉴로모픽 신호 프로세서(118) ― 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응함 ―;
제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호를 조정하는 신호 위상 및 진폭 조정 모듈(126); 및
입력 검사 신호(134)를 제공하도록, 조정된 추출 신호를 제 1 디지털화된 신호로부터 상쇄시키기 위한 합산 접합부(132)를 포함한다.
조항 14. 조항 13의 시스템은, 혼합 신호가 ADC에 의해 수신되기 전에 혼합 신호를 증폭하는 증폭기(110)를 더 포함하고, 증폭기는 혼합 신호를 ADC에 의한 샘플링을 위해 미리 결정된 진폭으로 증폭한다.
조항 15. 조항 13의 시스템은, 추출된 신호의 위상 지연 및 진폭 그리고 제 1 디지털화된 신호의 위상 지연 및 진폭을 결정하고 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호에 대한 조정을 생성하기 위한 위상 지연 및 진폭 계산 모듈(124)을 더 포함한다.
조항 16. 조항 13의 시스템에서, 신호 위상 및 진폭 조정 모듈은 제 1 디지털화된 신호와 위상이 180도 다른 조정된 추출 신호(130)를 발생시키도록, 추출된 신호의 위상 지연을 조정한다.
조항 17. 조항 13의 시스템에서, 뉴로모픽 신호 프로세서(118, 200)는,
지연 임베딩 모듈(204) ― 지연 임베딩 모듈은 제 2 디지털화된 신호를 수신하여 제 2 디지털화된 신호를 기초로 지연 임베딩된 혼합 신호(206)를 발생시킴 ―;
저장소(208) ― 저장소는 지연 임베딩된 혼합 신호를 저장소에 선형적으로 맵핑하여, 지연 임베딩된 혼합 신호를 복수의 저장소 상태들과 결합함으로써 혼합 신호의 다차원 상태 공간 표현(210)을 생성하도록 구성됨 ―;
출력 계층(212) ― 출력 계층은 상태 공간 표현을 출력 계층의 하나 또는 그보다 많은 출력 노드들(506a-506n)에 선형적으로 맵핑함으로써 한 세트의 사전 필터링된 신호들(214)을 발생시키도록 구성됨 ―; 및
적응 가능한 필터들(216)의 뱅크를 포함하며, 필터들의 뱅크는 사전 필터링된 신호들을 적응 가능한 필터들의 뱅크를 통해 처리함으로써 집합적으로 혼합 신호를 형성한 개별 소스 신호들을 발생시키도록 구성되고, 개별 소스 신호들 중 적어도 하나는 추출된 신호로서 식별된다.
조항 18. 조항 17의 시스템에서, 저장소는 복수의 처리 노드들(404)을 포함하고, 출력 계층은 한 세트의 출력 노드들(502s-502n)을 포함하며, 각각의 출력 노드는 입력으로서 각각의 처리 노드로부터 가중된 출력(504)을 수신하고, 각각의 출력 노드는 이러한 값들을 함께 합산하여 그의 출력 가중치를 산출하며, 각각의 출력 노드의 출력 가중치는 다른 소스 신호들을 억제하면서 소스 신호들의 서브세트를 증폭하고, 추출된 신호는 개별 소스 신호들로부터 식별된다.
조항 19. 조항 13의 시스템은, 입력 검사 신호의 스펙트럼을 검사하기 위한 디바이스(136)를 더 포함한다.
조항 20. 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호를 제거하기 위한 컴퓨터 프로그램 제품(138)으로서, 컴퓨터 프로그램 제품은 그와 함께 구현된 프로그램 명령들을 갖는 컴퓨터 판독 가능 저장 매체를 포함하고, 컴퓨터 판독 가능 저장 매체는 그 자체가 일시적 매체는 아니며, 프로그램 명령들은 디바이스로 하여금 방법을 수행하게 하도록 디바이스에 의해 실행 가능하고, 이 방법은,
아날로그-디지털 변환기(ADC)(112)에 의해 혼합 신호(108)를 수신하는 단계(602) ― 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 소스 신호들(104a-104n)을 포함함 ―;
ADC에 의해 혼합 신호를 디지털화하고 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시키는 단계(606) ― 제 1 디지털화된 신호는 제 2 디지털화된 신호와 동일함 ―;
제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키는 단계(608);
제 2 디지털화된 신호로부터 추출된 신호(122)를 추출하도록 뉴로모픽 신호 프로세서(118)에서 제 2 디지털화된 신호를 처리하는 단계(610) ― 미리 결정된 시간 지연은 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응함 ―;
제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 추출된 신호의 위상 지연 및 진폭을 조정하는 단계(614); 및
입력 검사 신호(134)를 제공하도록, 조정된 추출 신호(130)를 제 1 디지털화된 신호로부터 상쇄시키는 단계(616)를 포함한다.
본 명세서에서는 특정 실시예들이 예시 및 설명되었지만, 해당 기술분야에서 통상의 지식을 가진 자들은, 동일한 목적을 달성하기 위해 계산된 임의의 어레인지먼트가 도시된 특정 실시예들을 대신할 수도 있고 실시예들이 다른 환경들에서 다른 애플리케이션들을 가짐을 인식한다. 본 출원은 임의의 개조들 또는 변형들을 커버하는 것으로 의도된다. 다음 청구항들은 본 명세서에서 설명한 특정 실시예들로 본 개시의 실시예들의 범위를 한정하려는 의도가 전혀 없다.

Claims (15)

  1. 적어도 하나의 다른 무선 주파수(RF: radio frequency) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600)으로서,
    아날로그-디지털 변환기(ADC: analog-to-digital converter)(112)에 의해 혼합 신호(108)를 수신하는 단계(602) ― 상기 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 소스 신호들(104a-104n)을 포함함 ―;
    상기 ADC에 의해 상기 혼합 신호를 디지털화하고 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시키는 단계(606) ― 상기 제 1 디지털화된 신호는 상기 제 2 디지털화된 신호와 동일함 ―;
    상기 제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키는 단계(608);
    상기 제 2 디지털화된 신호로부터 추출된 신호(122)를 추출하도록 뉴로모픽(neuromorphic) 신호 프로세서(118)에서 상기 제 2 디지털화된 신호를 처리하는 단계(610) ― 상기 미리 결정된 시간 지연은 상기 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응함 ―;
    상기 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 상기 추출된 신호의 위상 지연 및 진폭을 조정하는 단계(614); 및
    입력 검사 신호(134)를 제공하도록, 조정된 추출 신호(130)를 상기 제 1 디지털화된 신호로부터 상쇄시키는 단계(616)를 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  2. 제 1 항에 있어서,
    상기 혼합 신호가 상기 ADC에 의해 수신되기 전에 상기 혼합 신호를 증폭하는 단계(604)를 더 포함하고,
    상기 혼합 신호는 상기 ADC에 의한 샘플링을 위해 미리 결정된 진폭으로 증폭되는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  3. 제 1 항에 있어서,
    상기 추출된 신호 및 상기 제 1 디지털화된 신호의 위상 지연 및 진폭을 결정(612)하고 상기 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 상기 추출된 신호에 대한 조정을 생성하는 단계를 더 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  4. 제 3 항에 있어서,
    상기 추출된 신호의 위상 지연 및 진폭을 조정하는 단계(614)는 상기 제 1 디지털화된 신호와 위상이 180도 다른 상기 조정된 추출 신호를 발생시키는 단계를 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  5. 제 1 항에 있어서,
    상기 뉴로모픽 신호 프로세서에서 상기 제 2 디지털화된 신호를 처리하는 단계는,
    상기 뉴로모픽 신호 프로세서에 의해 상기 제 2 디지털화된 신호를 수신하는 단계(702);
    상기 제 2 디지털화된 신호에 기초하여 지연 임베딩된 혼합 신호(206)를 발생시키는 단계(704);
    상기 지연 임베딩된 혼합 신호를 저장소(208)에 선형적으로 맵핑하는 단계(706);
    상기 지연 임베딩된 혼합 신호를 복수의 저장소 상태들과 결합함으로써 상기 혼합 신호의 다차원 상태 공간 표현(210)을 생성하는 단계(708); 및
    상기 혼합 신호의 다차원 상태 공간 표현에 기초하여, 상기 혼합 신호를 집합적으로 형성하는 상기 개별 소스 신호들 중 적어도 하나를 식별하는 단계(710)를 포함하며,
    식별된 적어도 하나의 개별 소스 신호는 추출된 신호인,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  6. 제 5 항에 있어서,
    한 세트의 사전 필터링된 신호들(214)을 발생시키도록 상기 다차원 상태 공간 표현을 출력 계층(212)의 하나 또는 그보다 많은 노드들(502a-502n)에 선형적으로 맵핑하는 단계(712)를 더 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  7. 제 6 항에 있어서,
    상기 사전 필터링된 신호들을 적응적으로 필터링함으로써 상기 개별 소스 신호들(104a-104n) 중 적어도 하나를 식별하는 단계(716)를 더 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  8. 제 7 항에 있어서,
    상기 사전 필터링된 신호들을 적응적으로 필터링하는 것(716)은 상기 사전 필터링된 신호들을 적응 가능한 필터들(216)의 뱅크에 통과시키는 것을 포함하고,
    각각의 사전 필터링된 신호는 상기 적응 가능한 필터들의 뱅크 내의 고유 필터로 공급되며,
    각각의 고유 필터는 적응 가능한 중심 주파수를 갖는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  9. 제 8 항에 있어서,
    상기 적응 가능한 필터들(216)의 뱅크는 복수의 유한 임펄스 응답(FIR) 필터들 및 복수의 무한 임펄스 응답(IIR) 필터들을 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 방법(600).
  10. 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100)으로서,
    혼합 신호(108)를 수신하기 위한 아날로그-디지털 변환기(ADC)(112) ― 상기 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 소스 신호들(104a-104n)을 포함하고, 상기 ADC는 상기 혼합 신호를 디지털화하여 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시키며, 상기 제 1 디지털화된 신호(116)는 상기 제 2 디지털화된 신호(120)와 동일함 ―;
    상기 제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키기 위한 지연 회로(114);
    상기 제 2 디지털화된 신호로부터 추출된 신호(122)를 추출하도록, 상기 제 2 디지털화된 신호를 처리하기 위한 뉴로모픽 신호 프로세서(118) ― 상기 미리 결정된 시간 지연은 상기 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응함 ―;
    상기 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 상기 추출된 신호를 조정하는 신호 위상 및 진폭 조정 모듈(126); 및
    입력 검사 신호(134)를 제공하도록, 조정된 추출 신호를 상기 제 1 디지털화된 신호로부터 상쇄시키기 위한 합산 접합부(132)를 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100).
  11. 제 10 항에 있어서,
    상기 혼합 신호가 상기 ADC에 의해 수신되기 전에 상기 혼합 신호를 증폭하는 증폭기(110)를 더 포함하고,
    상기 증폭기는 상기 혼합 신호를 상기 ADC에 의한 샘플링을 위해 미리 결정된 진폭으로 증폭하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100).
  12. 제 10 항에 있어서,
    상기 추출된 신호의 위상 지연 및 진폭 그리고 상기 제 1 디지털화된 신호의 위상 지연 및 진폭을 결정하고 상기 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 상기 추출된 신호에 대한 조정을 생성하기 위한 위상 지연 및 진폭 계산 모듈(124)을 더 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100).
  13. 제 10 항에 있어서,
    상기 신호 위상 및 진폭 조정 모듈은 상기 제 1 디지털화된 신호와 위상이 180도 다른 상기 조정된 추출 신호(130)를 발생시키도록, 상기 추출된 신호의 위상 지연을 조정하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100).
  14. 제 10 항에 있어서,
    상기 입력 검사 신호의 스펙트럼을 검사하기 위한 디바이스(136)를 더 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호(122)를 제거하기 위한 시스템(100).
  15. 적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호를 제거하기 위한 컴퓨터 프로그램 제품(138)으로서,
    상기 컴퓨터 프로그램 제품은 그와 함께 구현된 프로그램 명령들을 갖는 컴퓨터 판독 가능 저장 매체를 포함하고,
    상기 컴퓨터 판독 가능 저장 매체는 그 자체가 일시적 매체는 아니며,
    상기 프로그램 명령들은 디바이스로 하여금 방법을 수행하게 하도록 상기 디바이스에 의해 실행 가능하고,
    상기 방법은,
    아날로그-디지털 변환기(ADC)(112)에 의해 혼합 신호(108)를 수신하는 단계(602) ― 상기 혼합 신호는 서로 다른 신호 소스들(106a-106n)로부터의 복수의 개별 소스 신호들(104a-104n)을 포함함 ―;
    상기 ADC에 의해 상기 혼합 신호를 디지털화하고 제 1 디지털화된 신호(116) 및 제 2 디지털화된 신호(120)를 발생시키는 단계(606) ― 상기 제 1 디지털화된 신호는 상기 제 2 디지털화된 신호와 동일함 ―;
    상기 제 1 디지털화된 신호를 미리 결정된 시간 지연만큼 지연시키는 단계(608);
    상기 제 2 디지털화된 신호로부터 추출된 신호(122)를 추출하도록 뉴로모픽 신호 프로세서(118)에서 상기 제 2 디지털화된 신호를 처리하는 단계(610) ― 상기 미리 결정된 시간 지연은 상기 뉴로모픽 신호 프로세서에서의 지연 임베딩(204)에 대응함 ―;
    상기 제 1 디지털화된 신호의 위상 지연 및 진폭에 기초하여, 상기 추출된 신호의 위상 지연 및 진폭을 조정하는 단계(614); 및
    입력 검사 신호(134)를 제공하도록, 조정된 추출 신호(130)를 상기 제 1 디지털화된 신호로부터 상쇄시키는 단계(616)를 포함하는,
    적어도 하나의 다른 무선 주파수(RF) 신호의 스펙트럼을 검사하기 위해, 추출된 RF 신호를 제거하기 위한 컴퓨터 프로그램 제품(138).
KR1020170106803A 2016-09-26 2017-08-23 무선 주파수 신호의 스펙트럼을 검사하기 위한 방법 및 시스템 KR102472420B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/276,188 2016-09-26
US15/276,188 US10783430B2 (en) 2016-09-26 2016-09-26 Signal removal to examine a spectrum of another signal

Publications (2)

Publication Number Publication Date
KR20180034216A true KR20180034216A (ko) 2018-04-04
KR102472420B1 KR102472420B1 (ko) 2022-11-29

Family

ID=59239809

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170106803A KR102472420B1 (ko) 2016-09-26 2017-08-23 무선 주파수 신호의 스펙트럼을 검사하기 위한 방법 및 시스템

Country Status (6)

Country Link
US (1) US10783430B2 (ko)
EP (1) EP3300258B1 (ko)
JP (1) JP7068792B2 (ko)
KR (1) KR102472420B1 (ko)
CN (1) CN107872236B (ko)
RU (1) RU2742193C2 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10921422B2 (en) 2017-10-25 2021-02-16 The Boeing Company Below-noise after transmit (BAT) Chirp Radar
US11002819B2 (en) * 2018-04-24 2021-05-11 The Boeing Company Angular resolution of targets using separate radar receivers
US11460753B2 (en) 2018-05-10 2022-10-04 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for activation functions for photonic neural networks
KR20210006962A (ko) * 2018-05-10 2021-01-19 더 보드 어브 트러스티스 어브 더 리랜드 스탠포드 주니어 유니버시티 인시츄 역전파를 통한 광자 신경망의 훈련
KR20210000987A (ko) 2019-06-26 2021-01-06 삼성전자주식회사 아날로그-디지털 컨버터 및 이를 포함하는 뉴로모픽 컴퓨팅 장치
JP7289802B2 (ja) * 2020-02-17 2023-06-12 株式会社日立製作所 リザーバー計算機
US11796794B2 (en) 2020-05-12 2023-10-24 The Board Of Trustees Of The Leland Stanford Junior University Multi-objective, robust constraints enforced global topology optimizer for optical devices
CN113484607A (zh) * 2021-06-18 2021-10-08 国网安徽省电力有限公司电力科学研究院 一种面向低频非平稳信号的检测方法
WO2023091061A1 (en) * 2021-11-17 2023-05-25 Telefonaktiebolaget Lm Ericsson (Publ) Delay encoded vector symbolic radio multiple access

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10145771A (ja) * 1996-11-11 1998-05-29 Furukawa Electric Co Ltd:The Ｃａｔｖシステムの伝送品質監視方法及びその装置
KR20080029757A (ko) * 2006-09-29 2008-04-03 엘지전자 주식회사 믹스 신호의 처리 방법 및 장치
JP5544359B2 (ja) * 2009-07-06 2014-07-09 パナソニック株式会社 非線形歪み補償受信機及び非線形歪み補償方法
KR101472220B1 (ko) * 2013-10-18 2014-12-11 지씨티 세미컨덕터 인코포레이티드 수신기에서 자동 이득을 조정하는 방법 및 수신기의 자동 이득 조정 장치
US20160072543A1 (en) * 2014-09-10 2016-03-10 Qualcomm Incorporated Methods and Systems for Multi-Model, Multi-Layer Perceptron Based Non-Linear Interference Management in Multi-Technology Communication Devices
US20160071003A1 (en) * 2014-09-10 2016-03-10 Qualcomm Incorporated Multilayer Perceptron for Dual SIM Dual Active Interference Cancellation

Family Cites Families (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7164117B2 (en) 1992-05-05 2007-01-16 Automotive Technologies International, Inc. Vehicular restraint system control system and method using multiple optical imagers
JPH03160590A (ja) * 1989-11-17 1991-07-10 Fujitsu Ltd タイムレコーダ
US5402520A (en) 1992-03-06 1995-03-28 Schnitta; Bonnie S. Neural network method and apparatus for retrieving signals embedded in noise and analyzing the retrieved signals
US5325095A (en) 1992-07-14 1994-06-28 The United States Of America As Represented By The United States Department Of Energy Stepped frequency ground penetrating radar
US5499029A (en) 1992-07-14 1996-03-12 Eg&G Energy Measurements, Inc. Wide band stepped frequency ground penetrating radar
US5504487A (en) 1995-05-17 1996-04-02 Fastman, Inc. System for extracting targets from radar signatures
US5694474A (en) 1995-09-18 1997-12-02 Interval Research Corporation Adaptive filter for signal processing and method therefor
RU2161109C1 (ru) * 1999-09-10 2000-12-27 Институт Машиноведения им. А.А. Благонравова РАН Способ подавления помех от колебаний упругой конструкции космической трансформируемой антенны в процессе эксплуатации и устройство для его осуществления
AU2003256653A1 (en) * 2002-07-24 2004-02-09 Massachusetts Institute Of Technology System and method for distributed gain control for spectrum enhancement
US7324036B2 (en) * 2003-05-12 2008-01-29 Hrl Laboratories, Llc Adaptive, intelligent transform-based analog to information converter method and system
US7333850B2 (en) 2004-05-28 2008-02-19 University Of Florida Research Foundation, Inc. Maternal-fetal monitoring system
US8031117B2 (en) 2004-09-23 2011-10-04 Interdigital Technology Corporation Blind signal separation using polarized antenna elements
US7656341B2 (en) 2005-02-09 2010-02-02 Bryan Anthony Reeves Noise augmented radar system
CN100364242C (zh) * 2005-09-13 2008-01-23 浙江华立通信集团有限公司 可嵌入Rake接收机系统
US9070101B2 (en) 2007-01-12 2015-06-30 Fatdoor, Inc. Peer-to-peer neighborhood delivery multi-copter and method
US7403144B1 (en) 2006-12-26 2008-07-22 Hrl Laboratories, Llc Pulse domain encoder and filter circuits
US7822698B1 (en) 2007-03-23 2010-10-26 Hrl Laboratories, Llc Spike domain and pulse domain non-linear processors
CN101453228B (zh) * 2007-12-04 2013-04-17 松下电器产业株式会社 共站址干扰消除系统和方法
CN101459636B (zh) * 2007-12-12 2012-04-18 中兴通讯股份有限公司 自适应预失真方法
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US8548656B1 (en) 2009-06-30 2013-10-01 Zytek Communications Corporation Underwater vehicles with improved efficiency over a range of velocities
EP2478835B1 (en) 2009-09-18 2018-01-10 Tohoku University Signal extracting apparatus, method and computer program
US8515335B2 (en) 2009-11-30 2013-08-20 The Aerospace Corporation Cognitive anti-jam receiver systems and associated methods
US8988970B2 (en) * 2010-03-12 2015-03-24 University Of Maryland Method and system for dereverberation of signals propagating in reverberative environments
US8659656B1 (en) * 2010-10-12 2014-02-25 The Boeing Company Hyperspectral imaging unmixing
US8566265B1 (en) 2011-03-10 2013-10-22 Hrl Laboratories, Llc Combined spike domain and pulse domain signal processing
CN102130732A (zh) * 2011-04-01 2011-07-20 北京邮电大学 基于神经网络的认知无线电协同频谱检测方法
US8861588B2 (en) 2011-04-04 2014-10-14 The United States Of America As Represented By The Secretary Of The Army Apparatus and method for sampling and reconstruction of wide bandwidth signals below Nyquist rate
US9024815B2 (en) 2011-05-27 2015-05-05 Brooks Engineering International, Llc Direct-to-digital software-defined radar
CN102281221B (zh) 2011-06-23 2017-03-15 中兴通讯股份有限公司 非线性系统失真校正装置及方法
US9213937B2 (en) * 2011-09-21 2015-12-15 Brain Corporation Apparatus and methods for gating analog and spiking signals in artificial neural networks
US8977578B1 (en) 2012-06-27 2015-03-10 Hrl Laboratories, Llc Synaptic time multiplexing neuromorphic network that forms subsets of connections during different time slots
US8959040B1 (en) 2012-03-08 2015-02-17 Hrl Laboratories, Llc Spike timing dependent plasticity apparatus, system and method
US10497381B2 (en) 2012-05-04 2019-12-03 Xmos Inc. Methods and systems for improved measurement, entity and parameter estimation, and path propagation effect measurement and mitigation in source signal separation
JP6109927B2 (ja) 2012-05-04 2017-04-05 カオニックス ラブス リミテッド ライアビリティ カンパニー 源信号分離のためのシステム及び方法
US9042496B1 (en) 2013-02-19 2015-05-26 The United States Of America, As Represented By The Secretary Of The Army Signal modulation scheme determination through an at least fourth-order noise-insensitive cumulant
US20150202770A1 (en) 2014-01-17 2015-07-23 Anthony Patron Sidewalk messaging of an autonomous robot
US9986934B2 (en) 2014-01-29 2018-06-05 California Institute Of Technology Microwave radar sensor modules
EP2903171B1 (en) * 2014-01-30 2019-08-28 Analog Devices Global Unlimited Company Transmitter noise cancellation in a multi transmitter-receiver system
US9661215B2 (en) 2014-04-22 2017-05-23 Snapaid Ltd. System and method for controlling a camera based on processing an image captured by other camera
US10222454B2 (en) 2014-08-19 2019-03-05 Navico Holding As Combining Reflected Signals
CN105704075A (zh) 2014-11-25 2016-06-22 中兴通讯股份有限公司 校正处理方法及装置
US10540957B2 (en) 2014-12-15 2020-01-21 Baidu Usa Llc Systems and methods for speech transcription
DE102015100804B4 (de) 2015-01-20 2016-11-17 Infineon Technologies Ag Radarvorrichtung mit Rauschunterdrückung
US10054668B2 (en) 2015-02-26 2018-08-21 Src, Inc. Probabilistic signal, detection, and track processing architecture and system
US9749007B1 (en) 2015-03-19 2017-08-29 Hrl Laboratories, Llc Cognitive blind source separator
DE102015120733B4 (de) 2015-11-30 2017-11-02 Infineon Technologies Ag Radarvorrichtung mit Schätzung des Phasenrauschens
US10539645B2 (en) 2016-01-22 2020-01-21 GM Global Technology Operations LLC Angle of arrival estimation
US9791564B1 (en) 2016-04-25 2017-10-17 Uhnder, Inc. Adaptive filtering for FMCW interference mitigation in PMCW radar systems
US9753121B1 (en) 2016-06-20 2017-09-05 Uhnder, Inc. Power control for improved near-far performance of radar systems
US10832168B2 (en) 2017-01-10 2020-11-10 Crowdstrike, Inc. Computational modeling and classification of data streams
WO2018136144A1 (en) 2017-01-18 2018-07-26 Hrl Laboratories, Llc Cognitive signal processor for simultaneous denoising and blind source separation
US10921422B2 (en) 2017-10-25 2021-02-16 The Boeing Company Below-noise after transmit (BAT) Chirp Radar
US11002819B2 (en) 2018-04-24 2021-05-11 The Boeing Company Angular resolution of targets using separate radar receivers

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10145771A (ja) * 1996-11-11 1998-05-29 Furukawa Electric Co Ltd:The Ｃａｔｖシステムの伝送品質監視方法及びその装置
KR20080029757A (ko) * 2006-09-29 2008-04-03 엘지전자 주식회사 믹스 신호의 처리 방법 및 장치
JP5544359B2 (ja) * 2009-07-06 2014-07-09 パナソニック株式会社 非線形歪み補償受信機及び非線形歪み補償方法
KR101472220B1 (ko) * 2013-10-18 2014-12-11 지씨티 세미컨덕터 인코포레이티드 수신기에서 자동 이득을 조정하는 방법 및 수신기의 자동 이득 조정 장치
US20160072543A1 (en) * 2014-09-10 2016-03-10 Qualcomm Incorporated Methods and Systems for Multi-Model, Multi-Layer Perceptron Based Non-Linear Interference Management in Multi-Technology Communication Devices
US20160071003A1 (en) * 2014-09-10 2016-03-10 Qualcomm Incorporated Multilayer Perceptron for Dual SIM Dual Active Interference Cancellation

Also Published As

Publication number Publication date
CN107872236B (zh) 2021-08-06
KR102472420B1 (ko) 2022-11-29
EP3300258A1 (en) 2018-03-28
RU2017122054A (ru) 2018-12-24
US20180089558A1 (en) 2018-03-29
RU2017122054A3 (ko) 2020-11-16
CN107872236A (zh) 2018-04-03
RU2742193C2 (ru) 2021-02-03
JP7068792B2 (ja) 2022-05-17
US10783430B2 (en) 2020-09-22
JP2018067913A (ja) 2018-04-26
EP3300258B1 (en) 2019-10-16

Similar Documents

Publication Publication Date Title
KR20180034216A (ko) 다른 신호의 스펙트럼을 검사하기 위한 신호 제거
US9749007B1 (en) Cognitive blind source separator
US20050216259A1 (en) Filter set for frequency analysis
Martinek et al. Use of adaptive filtering for noise reduction in communications systems
CN112992190B (zh) 音频信号的处理方法、装置、电子设备和存储介质
Agcaer et al. Optimization of amplitude modulation features for low-resource acoustic scene classification
Rajamani et al. A novel method for designing allpass digital filters
US20230109019A1 (en) Pipelined cognitive signal processor
KR102247740B1 (ko) 인공 신경망에 기초하여 도래각을 추정하는 장치 및 그 방법
Blouin Exponential filters for passive underwater acoustic detections-A global processing gain perspective
JP2019054344A (ja) フィルタ係数算出装置、収音装置、その方法、及びプログラム
Ghiurcau et al. A modified TESPAR algorithm for wildlife sound classification
Oliinyk et al. A Fast and Efficient Method for Time Delay Estimation for the Wideband Signals in Non-gaussian Environment
JP6447696B1 (ja) 信号処理装置、信号処理方法及びプログラム
EP4152321A1 (en) Apparatus and method for narrowband direction-of-arrival estimation
Simonchik et al. Automatic preprocessing technique for detection of corrupted speech signal fragments for the purpose of speaker recognition
Firoozabadi et al. Estimating the Number of Speakers by Novel Zig-Zag Nested Microphone Array Based on Wavelet Packet and Adaptive GCC Method
Lim et al. Underwater transient signal classification using binary pattern image of MFCC and neural network
EP1528408A1 (en) Radar system with decomposition of the wideband transmitted signal
Abdulla et al. Degenerate unmixing estimation technique of speech mixtures in real environments using wavelets
Rumyantsev et al. Detection of signals by the frequency-time contrast method
US20130346006A1 (en) Dectection-enhanced adjustable bandwidth apparatus
Whitaker et al. Ice anthropogenic classification with acoustic vector sensors using transformer neural networks
JP6167062B2 (ja) 分類装置、分類方法、およびプログラム
CN114519364A (zh) 一种基于统计特征的信号检测识别方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant