JPH06112931A - デジタル信号の前処理方法 - Google Patents

Abstract

(57)【要約】 【目的】 教師データと学習データとを、位置及び時間
軸合わせする前処理方法を提供し、ニューラルネットを
利用した波形処理装置の構築を容易にする。 【構成】 劣化した学習データの符号間隔の分布を求め
（ステップ１００〜１０２）、符号間隔の分布と教師デ
ータの基本的な符号間隔とを対比させて学習データの符
号列を作成する（ステップ１０３，１０４）。教師デー
タと学習データとを符号列として比較検索し、符号列の
一致をもとに位置合せをする（ステップ１０５〜１０
７）。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、最終的な位置及び時間軸合せ
をする（ステップ１０８〜１１２）。

Description

【発明の詳細な説明】

【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。

【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。

【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」）。

【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。

【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。

【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。

【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。

【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。

【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。

【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。

【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。

【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。

【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。

【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。

【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）。

【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）。

【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。

【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。

【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。

【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。

【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。

【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。

【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）。

【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）。

【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。

【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。

【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。

【図面の簡単な説明】

【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。

【図２】学習データの符号列化を説明する図である。

【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。

【図４】デジタル信号の構成を説明する図である。

【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。

【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。

【符号の説明】

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

Claims (3)

【特許請求の範囲】
1. 【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。
2. 【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。
3. 【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。