JPH0620075A

JPH0620075A - ニューラルネットによる波形処理装置及びその設計方法

Info

Publication number: JPH0620075A
Application number: JP19595792A
Authority: JP
Inventors: Masaki Mochizuki; 聖樹望月; Makoto Itonaga; 誠糸長; Shiyuuichi Shiyukunami; 拾一宿波; Hirokazu Shimada; 浩和嶋田
Original assignee: Victor Company of Japan Ltd
Current assignee: Victor Company of Japan Ltd
Priority date: 1992-06-30
Filing date: 1992-06-30
Publication date: 1994-01-28

Abstract

(57)【要約】【目的】伝送再生系の特性に影響を与える要素が多い
場合にも適用でき、前記要素の悪影響を軽減するのに好
適で安価なニューラルネットによる波形等化装置を提供
することである。【構成】伝送再生系の部分的な特性の変化を検出する
補助検出手段（チルトセンサＬＣ）と、この補助検出手
段の検出値に応じた複数種類の固定の重み群（ＲＯＭ１
１４）とを設け、前記補助検出手段の検出値に応じて固
定の重み（抵抗Ｒji，Ｒj ）を切換えるようにした。

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の波形処理装置に係
り、特にニューラルネットを利用し簡易な構成で、か
つ、高性能な波形処理装置及びその設計方法を提供する
ものである。

【０００２】

【従来の技術】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。例えば波形等化装置としては、トランス
バーサル形フィルタが用いられていた。トランスバーサ
ル形フィルタは、入力信号を遅延回路により遅延し、異
なる増幅係数を有するアンプで増幅して加算出力し、波
形等化するものである。

【０００３】しかし、信号劣化の要因は多く存在し、ど
の要因にどれほど起因して信号劣化が発生したか定量的
には把握できないので、従来の波形等化装置では対応で
きないことも少なくなかった。すなわち、信号（符号）
の干渉程度（信号の劣化の程度）や劣化の原因によって
異なる係数値（例えば、前記したトランスバーサル形フ
ィルタにおけるアンプの増幅係数）が要求されるので、
これを一義的に決定することが困難であり、従来のよう
な線形な波形等化装置では十分に対応できなかった。

【０００４】このような状況の下で、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−
３１９５２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」）。

【０００５】このニューラルネット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［隠れ
層］，出力層の３層）のニューラルネットであり、可変
の重み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Ｕ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。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。

【０００６】

【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は、デジタル信号の波形等化
に対しては、一定の効果が得られた。しかしながら、一
般に伝送再生系には様々な不安定要素がある。例えば光
ディスク再生の場合、ピックアップの光軸とディスクの
傾き，ピックアップ自体の持つ収差，ディスクが原因と
なる収差，調整時の誤差，再生装置の部品や媒体の劣化
等は再生波形を歪ませる原因となる。さらに、再生しよ
うとする媒体の違い（プリピットを有する再生専用ディ
スクや光磁気ディスクなど）によっても再生波形は異な
ったものとなる。したがって、これら全ての要素を考慮
した最適な重み（係数）を学習させて一義的に決定する
のは不可能に近く、ニューラルネットによる波形等化装
置として実用的なものを作ることは必ずしも容易ではな
かった。

【０００７】そこで本発明は、予想される伝送系の不安
定要素について、その要素を理想状態から信号を劣化さ
せる方向に離散的あるいは連続的に変化させた場合の複
数種の重み（もしくは遅延量）の最適値群をワークステ
ーション上の学習によって求めておく。すなわち、補助
検出手段により、伝送系の不安定要素の一部分を狭い範
囲に分割して、学習させる。再生時には上記不安定要素
を検出する補助検出手段からの信号に応じてニューラル
ネットの結合の重み（もしくは遅延量）を、複数の固定
値（または連続値）から選択して、最適な値に設定する
ようにしたものである。

【０００８】

【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、非線形の入出力特性を有する複数の変換系
が独立した固定の重みで結ばれ、かつ、前記固定の重み
はニューラルネットにより伝送再生系の特性に対して予
め学習された重みである変換手段からなり、前記伝送再
生系により劣化した信号を波形処理するニューラルネッ
トによる波形処理装置において、前記伝送再生系の部分
的な特性の変化を検出する補助検出手段（例えば、チル
トセンサＬＣ）と、この補助検出手段の検出値に応じた
複数種類の固定の重み群（例えば、ＲＯＭ１１４）とを
有し、前記補助検出手段の検出値に応じて固定の重みを
切換えるようにしたことを特徴とするニューラルネット
による波形処理装置を提供するものである。

【０００９】さらに、非線形の入出力特性を有する複数
の変換系が独立した固定の重みで結ばれた変換手段から
なり、伝送再生系により劣化した信号を波形処理する波
形処理装置の設計方法であって、前記波形処理装置と等
価で、かつ、非線形の入出力特性を有する複数の変換系
が独立した可変の重みで結ばれたニューラルネットによ
り、前記伝送再生系の特性に対応した重みを可変学習さ
せて、前記可変学習された重みをもとに前記変換手段の
固定の重みを設計決定するニューラルネットによる波形
処理装置の設計方法において、前記伝送再生系の部分的
な特性の変化を検出する補助検出手段を有し、この補助
検出手段の検出値に応じ前記伝送再生系の特性に対応し
た複数種類の重みを可変学習させて、前記可変学習され
た重みをもとに補助検出手段の検出値に応じた複数種類
の変換手段の固定の重みを設計決定するようにしたこと
を特徴とするニューラルネットによる波形処理装置の設
計方法を提供するものである。

【００１０】

【作用】ニューラルネットの学習による重みは、補助検
出手段により分割された狭い範囲で伝送再生系の特性を
学習することとなるので、実用的な学習が可能となる。
また、補助検出手段により伝送再生系の特性に応じて最
適な重みが選択されて波形処理される。

【００１１】

【実施例】本発明になるニューラルネットによる波形処
理装置及びその設計方法の一実施例を以下図面と共に詳
細に説明する。図１〜図４はニューラルネットによる波
形処理装置及びその設計方法の各実施例を示す説明図で
ある。（ニューラルネットＮによる波形処理処理の基本概念）
最初に、ニューラルネットによる波形処理装置及びその
設計方法の基本概念であるニューラルネットＮによる波
形処理処理ついて説明する。図５はニューラルネットよ
る波形処理処理（信号処理）の概念図である。同図に示
すように、ニューラルネットによる波形処理処理におい
ては、入力信号は、直列に接続された遅延手段ＤＬによ
って所定の遅延時間が与えられて、時間的に前後する複
数の入力信号（値）がニューラルネットＮに入力される
ように構成されている。

【００１２】ニューラルネットＮは、例えばバックプロ
パゲーション(back propagation)を学習アルゴリズムと
する層状（例えば入力層，中間層［隠れ層］，出力層の
３層）のニューラルネットであり、可変の重みＷで結ば
れた多数のユニット（ニューロン、シナップスとも称さ
れる）の結合（体）である。ユニットＵは非線形の入出
力特性を有する変換系であり、ユニットＵには前層から
の出力値に独立した重みＷが乗算して得られた前層から
の総和が入力され、この総和が非線形変換されて後層に
出力されている。ニューラルネットＮは、（既知の）入
力信号に対して出力された出力信号が教師信号と比較さ
れてユニット間の結合の強さを表わす可変の重みＷが変
化・収束され、すなわち学習され、所望のニューラルネ
ットが構築されて波形処理機能を有するようになるもの
である。

【００１３】（ニューラルネットＮとユニットＵの構
成）図６は、図５に示したニューラルネットのユニット
結合を示す図である。ユニットＵは非線形の入出力特
性、例えば入力値Ｘに対して出力値Ｙ＝Ｆ（Ｘ）を出力
する非線形関数Ｆ（Ｘ）により構成された変換系であ
る。入力値としては、前層の出力値（あるいはニューラ
ルネットへの入力値）に、独立した可変の重みＷが乗算
して得られた総和が入力されており、この入力値が非線
形変換されて後層に出力されている。

【００１４】より詳述すれば、図６は、層状のニューラ
ルネットワークを構成する第ｎ層のｉ番目のユニット結
合を示す図であり、第ｎ層のｉ番目のユニットへの入力
値Ｘ（ｎ，ｉ）は、前層である第ｎ−１層の各ユニット
の出力値に第ｎ−１層のｊ番目と第ｎ層のｉ番目のユニ
ットとの間の結合の強さを表わす重みＷ（ｎ，ｉ，ｊ）
を掛けたものの総和となるように構成されている。そし
て、入力値Ｘ（ｎ，ｉ）は非線形関数Ｆ（Ｘ）に入力さ
れ、Ｙ（ｎ，ｉ）＝Ｆ｛Ｘ（ｎ，ｉ）｝と非線形変換さ
れて、次層のユニットに出力されるように構成されてい
る。

【００１５】前記可変の重みＷ（ｎ，ｉ，ｊ）はユニッ
ト（Ｕ）の結合の強さを表わすものであり、この重みＷ
（ｎ，ｉ，ｊ）を変化・収束させて、すなわち、学習さ
せて所望のニューラルネットが構築される。ニューラル
ネット構築の学習アルゴリズムとしては公知のバックプ
ロパケーション(back propagation)がある。すなわち、
図５に示すニューラルネットＮにおいて、入力値（入力
パターン）が入力層に入力されると、この入力値は入力
層→中間層→出力層へ伝達・処理され、出力層から出力
値（出力パターン）が出力される（フィードフォワード
処理）。この出力値は、それまでの学習によって得られ
た重みにもとづくものである。これに対して望ましい出
力値（教師信号）が与えられると、出力層→中間層→入
力層の順で伝達・処理され、重みの学習がなされる（フ
ィードバック処理）。重みの学習とは、実際の出力値と
望ましい出力値との差を減らすように、ユニット間の結
合の強さ、すなわち、重みＷ（ｎ，ｉ，ｊ）を変化・収
束させることである。

【００１６】次に、上述したニューラルネットＮによる
波形処理処理の基本概念をもとに、ニューラルネットに
よる波形処理装置ＷＥの具体的構成（実体的信号処理装
置によるハードウェア的実行部分、すなわち、固定の重
みによる所望の信号処理システム）と、ニューラルネッ
トによる波形処理装置の具体的設計方法（計算機による
ソフトウェア的実行部分、すなわち、可変の重みによる
予めの学習処理方法）について詳述する。

【００１７】（ニューラルネットＮによる波形処理装置
ＷＥの構成）次に、ニューラルネットによる波形処理装
置ＷＥの具体的構成（ハードウェア的実行部分）につい
て詳述する。図７は、オペアンプ，ダイオード対，抵抗
などにより具体的に構成した、図５及び図６に示したニ
ューラルネットＮと等価な波形処理装置の回路図であ
る。この波形処理装置は、固定の重みを有する実体的な
信号処理装置で、所望の信号処理（フィードフォワード
処理）のみを高速で実行するものであり、学習機能を有
しない簡易な回路で構成されたものである。

【００１８】図７に示すように、ユニット（Ｕ）は所定
の反転増幅特性を有する汎用の反転型オペアンプ１ａ・
１ｂ，２ａ・２ｂ，３ａ・３ｂ，４ａ・４ｂと、所定の
増幅特性を有するバッファアンプ５，６，７，８，９
と、非線形の入出力特性（接合特性）を有するダイオー
ド対（１０，１２，１３）からなる。ダイオード対は、
信号ラインと接地ラインとの間に逆方向に並列接続され
たもので、非線形な入出力特性（接合特性）を有するダ
イオード・クリップ回路である。

【００１９】ユニット（Ｕ）間の抵抗Ｒji，Ｒj （ R1
1,R21,R31,R41,R51,R12,R22,R32,R42,R52,R13,R23,R33,
R43,R53,R1 ,R2 ,R3 ）はユニット間の結合の強さを表
わす固定の重みとして機能するものである。つまり、重
みW(2,i,j)は抵抗Ｒjiに対応し、重みW(3,1,j)は抵抗Ｒ
j に対応する。固定の抵抗Ｒji，Ｒj の抵抗値は、後述
する設計方法により決定される値である。なお、ユニッ
ト間の結合の強さを表わす重み（係数）は、後述するよ
うに正負の値を有するが、負の重み対しては前記反転型
オペアンプを単独で使用して（例えば、抵抗R21 と反転
型オペアンプ１ａによる構成）信号を反転させ、正の重
み対しては２つの反転型オペアンプを直列に使用して
（例えば、抵抗R31 と反転型オペアンプ１ｂ及び反転型
オペアンプ１ａによる構成）信号を再反転させて対応さ
せている。１４，１５，１６，１７は、所定の遅延時間
を有するディレイラインである。

【００２０】入力信号（原信号）は遅延手段（ディレイ
ライン）１４，１５，１６，１７によって前記所定の遅
延時間が与えられて、（ニューラルネットの）入力層に
入力されている。時間的に前後した複数の入力波形
（値）は入力層のユニットＵ(1,1) 〜Ｕ(1,5) である各
バッファアンプ５，６，７，８，９で増幅された後に分
割されて、抵抗を介して中間層のユニットへ入力されて
いる。

【００２１】ユニットへの入力値としては、前層である
入力層の出力値が、独立した固定の重みとして機能する
抵抗Ｒji（ R11,R21,R31,R41,R51,R12,R22,R32,R42,R5
2,R13,R23,R33,R43,R53）を介して重み付けされた後
に、中間層のユニットU(2,1),U(2,2),U(2,3) を構成す
るオペアンプ１ａ・１ｂ，２ａ・２ｂ，３ａ・３ｂの反
転入力端子に入力され、加算合成されている。なお、オ
ペアンプの非反転入力端子は接地されている。オペアン
プより（反転または再反転）増幅された入力値は、ダイ
オード対１０，１１，１２により非線形変換されて後層
である出力層に出力されている。ダイオード対は、非線
形な入出力特性を有するので、非線形変換がなされて出
力されることとなる。出力層のユニットU(3,1)であるオ
ペアンプ４ａ（及び４ｂ），ダイオード対１３には、前
記中間層からの出力が抵抗Ｒj （R1 ,R2 ,R3）を介して
入力され、前述した中間層のユニットと同様に、非線形
変換されて出力される。

【００２２】（ニューラルネットによる波形処理装置の
設計方法）次に、ニューラルネットによる波形処理装置
の設計方法（ワークステーションによるソフトウェア的
実行部分）を説明する。なお、この設計方法が対象とす
る波形処理装置（ＷＥ）は、前記図７で説明した回路で
ある。ニューラルネットによる波形処理装置の設計方法
とは、図８（Ａ）〜（Ｃ）に示す手法によって、波形処
理装置ＷＥの抵抗Ｒji，Ｒj （ R11,R21,R31,R41,R51,R
12,R22,R32,R42,R52,R13,R23,R33,R43,R53,R1 ,R2 ,R3
）の値（固定の重み）を、この波形処理装置ＷＥと等
価なニューラルネット（図５に示したニューラルネット
Ｎ）の学習により得られた重みW(2,i,j)，W(3,1,j)によ
り、すなわち、学習により変化・収束した可変の重みに
より具体的に決定することである。なお、ユニット間の
結合の強さを表わす重みは、前述したように正負の値を
有するが、負の重み対しては前記反転型オペアンプを単
独で使用して信号を反転させ、正の重み対しては２つの
反転型オペアンプを直列に使用して信号を再反転させて
対応させている。

【００２３】図８（Ａ）に示すように、再生装置Ｄによ
り再生された記録媒体Ｍo からの再生信号は、Ａ／Ｄ変
換されてデジタルメモリ２０に所定のサンプリング周期
で取り込まれる。記録媒体Ｍo には、学習時に利用され
る既知のデジタルデータが予め記録されている。デジタ
ルメモリ２０に取り込まれたデータは、学習処理用のワ
ークステーション２１に転送され、後述する学習演算処
理がなされる。サンプリング周期は、学習演算処理の間
隔（例えばデータの１周期Ｔの半分の時間間隔Ｔ／２）
に等しいか、または学習演算処理の間隔よりも短くして
ある。この時、再生信号は、ビットＰＬＬ（フェーズロ
ックループ）回路２２にも入力されて再生信号（デジタ
ルデータ）のクロックが抽出されている。抽出されたク
ロックは逓倍回路２３で、サンプリング周期に対応する
ように逓倍され、位相回路２４で位相調整された後に、
前記デジタルメモリ２０のサンプリングクロックとして
入力されている。

【００２４】次に、図８（Ｂ）に示すように、ワークス
テーション２１によって学習演算処理がなされる。ワー
クステーション２１内には、公知のバックプロパケーシ
ョンによる学習アルゴリズムを有するニューラルネット
のシミュレーションプログラムが準備され、前記した図
７に示す具体的な（ニューラルネットによる）波形処理
装置ＷＥと等価である図５に示すニューラルネットＮに
対して学習演算処理が実行される。

【００２５】すなわち、前記再生装置Ｄによって再生さ
れデジタルメモリ２０に取り込まれてワークステーショ
ン２１に転送された取り込みデータは、波形処理装置Ｗ
Ｅと等価であるニューラルネットに入力され、この入力
信号は入力層→中間層→出力層で伝達・演算処理され、
出力層から出力信号が出力される。この出力信号は、そ
れまでの学習によって得られた重みにもとづくものであ
る。演算算出された出力信号は、教師信号（記録媒体Ｍ
o に予め記録されている既知のデジタルデータをもとと
する教師データ）と比較され、出力層→中間層→入力層
の順で伝達・演算処理され、学習がなされる。

【００２６】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。このようにして、
種々の取り込みデータをもとにして、所望の正解率（性
能）が得られるまで前述した学習を繰り返して、ニュー
ラルネットＮのユニット間の結合の強さを表わす重みを
可変する。そして、伝送再生系の特性を学習して収束し
たニューラルネットＮの重みが、波形処理装置ＷＥの抵
抗Ｒji，Ｒj （ R11,R21,R31,R41,R51,R12,R22,R32,R4
2,R52,R13,R23,R33,R43,R53,R1 ,R2 ,R3 ）の値とし
て、決定される。

【００２７】最後に、図８（Ｃ）に示すように、具体的
に決定された抵抗値及び反転型オペアンプの有無に基づ
いて、波形処理装置ＷＥが製作されて、再生装置Ｄで再
生された一般的な記録媒体Ｍからの再生信号が波形処理
されて出力される。

【００２８】以上の説明を前提として、図１〜図４に示
す各実施例にもとずいて本発明の特徴を詳述する。図１
は、本発明の波形処理装置及びその設計方法の第１実施
例を示す図であって、再生専用の光ディスク装置に応用
されたものである。これはチルトセンサにより検出され
たタンジェンシャルチルト量（チルト量）に応じて、学
習の領域を分けて学習させ、すなわち、チルト量に応じ
た複数の重みを求めておき、チルト量に応じてこの重み
を切換えるようにしたものである。

【００２９】（第１の波形処理装置）図１に示すよう
に、本発明の波形処理装置の第１実施例において、光デ
ィスク１０３からの反射光は集光レンズ１０９によって
集光され、光検知器１１０に入射される。この光検知器
の出力から得られる再生信号は波形処理装置ＷＥを構成
する信号遅延回路ＤＬに入力し、光ピックアップ１０１
と光ディスク１０３の傾きを検出するチルトセンサＬＣ
によって検出されたチルト信号は、バッファ１１１に入
力するように大略構成されている。

【００３０】図１において、光ピックアップ１０１は、
光ディスク１０３に情報を記録したり、光ディスク１０
３から情報を読み出すのに用いられる。この光ピックア
ップ１０１内の光源１０４から発生するレーザ光は、コ
リメートレンズ１０５を介して平行光束化され、ビーム
スプリッタ１０６、偏光状態を変える１／４波長板１０
７、対物レンズ１０８を介して収束され、ディスク１０
３の反射面にビームスポットＰを形成する。前記光ディ
スク１０３からの反射光は、対物レンズ１０８、１／４
波長板１０７を通りビームスプリッタ１０６に入射さ
れ、方向を変更して入射光から分離され、集光レンズ１
０９に入射される。この集光レンズ１０９からの光束
は、光検知器１１０に入射され、この光検知器１１０の
出力信号は信号検出回路１１１Ａに印加され、該信号検
出回路１１１Ａから再生信号が前記した波形処理装置Ｗ
Ｅに入力されるように構成されている。

【００３１】前記対物レンズ１０８の近傍には、前記ビ
ームスポットＰをディスク１０３上のトラックに追従さ
せるためのトラッキングアクチュエータＴＡ、前記ビー
ムスポットＰがディスク面上で結像するように対物レン
ズを制御するフォーカシングアクチュエータＦＡ、光デ
ィスク３に照射されるレーザビームの光軸とディスク面
との成す角度を検出するチルトセンサＬＣなどが設けら
れている。前記チルトセンサＬＣの出力はバッファ１１
１に入力され、このバッファ１１１の出力は、Ａ／Ｄ変
換器１１２よりデジタル化される。デジタル化されたチ
ルト量は、コントローラ１１３に入力され、このコント
ローラ１１３よりＲＯＭ１１４のデータが指定されて、
つまり、チルト量に応じた固定の重みが選択されて、波
形処理装置ＷＥの抵抗Ｒji，Ｒj （ R11,R21,R31,R41,R
51,R12,R22,R32,R42,R52,R13,R23,R33,R43,R53,R1 ,R2
,R3 ）の値（固定の重み）が設定されるように構成さ
れている。なお、コントローラ１１３はチルト量を複数
の領域、例えば４の領域に分けて、領域に対応したデー
タを指定する。上述し点から明らかなように、例えば４
つの領域に応じた４つ固定の重みＲji，Ｒj が予め学習
決定されている。

【００３２】（第１の波形処理装置その設計方法）固定
の重みＲji，Ｒj を決めるには、前述したようにコンピ
ュータ上でのシミュレーションで学習を行い、可変の重
みW(2,i,j)，W(3,1,j)から設計決定する。まず、あるパ
ターンが記録されたディスクを再生し、その再生波形を
デジタル化し、生徒信号の一つとする。同時にその時の
ディスクのチルト量（ＤＣ値）も並行して取り込んでお
く。この時、ディスクには反り、面振れなどが最小のも
の（ガラス基板ディスクが望ましい）を用い、ピックア
ップの傾き量を調整できるプレーヤで再生し、チルト量
はチルトセンサＬＣ、（またはオートコリメータ）を用
いて測定する。これを繰り返し、実際に起こり得る範囲
内で傾き量を変化させ、上記生徒信号の組を数組（例え
ば４組）用意する。バックプロパゲーション法によるニ
ューラルネットの設計には生徒信号と教師信号が必要で
あり、生徒信号は上記のようにして用意する。教師信号
としては、ディスクから再生される信号の原信号となる
波形をローパスフィルタを通してなまらせた波形を用い
る。学習に際しては、教師信号と生徒信号の位相を正し
くあわせるため、ディスク上に位相合わせ用の特定パタ
ーンを用意しておき、再生信号で同じパターンを探して
位相合わせを行う。このようにして学習を行い、用意し
たチルト値（ＤＣ値）それぞれに対する最適な可変の重
みW(2,i,j)，W(3,1,j)の組み合わせを求める。これをハ
ード化する際には、ハード上で可変の重みW(2,i,j)，W
(3,1,j)に相当する固定の重み（抵抗Ｒji，Ｒj ）に、
外部コントロール可能な可変抵抗（例えば図１（Ｂ）に
示すもの）を用いる。

【００３３】以上のような構成によれば、波形処理装置
のチルト値はＡ／Ｄ変換されてコントローラ１１３に入
り、コントローラ１１３はその値に応じて適切な固定の
重み（抵抗Ｒji，Ｒj ）をＲＯＭ１１４に格納された組
み合わせの中から選ぶこととなる。ＲＯＭ１１４のデー
タは、学習の結果得られた、様々なタンジェンシャルチ
ルトの値に対する最適な固定の重み（抵抗Ｒji，Ｒj ）
の組み合わせである。抵抗値の切り替えに必要なスピー
ドは１μｓ程度で充分であり、アナログスイッチで十分
実現可能である。

【００３４】このニューラルネット波形処理回路におい
ては、予測し得るタンジェンシャルチルトに対して常に
最適な波形処理を行うことが可能であり、システムのタ
ンジェンシャルチルトに対する余裕度が大幅に改善され
る。さらに、チルト値に応じていわば分割されて学習さ
れるので、従来のように学習が困難となることがなく、
確実に設計決定できる。また、この実施例では伝送再生
系に影響を与える要素としてタンジェンシャルチルトを
扱ったが、ラジアルチルト、デフォーカス、オフトラッ
ク量等ディスク再生に影響を与え、かつその大きさが定
量的に把握できるものなら何でも良い。さらに、これら
の要素は上記実施例のように専用のセンサで検出される
信号に限らず、再生信号、サーボ用信号などから抽出さ
れる信号でも良い。

【００３５】（実施例２）本発明の波形等化装置の第２
実施例は、本発明の波形等化装置を光磁気装置に適用し
たものである。図２において、光磁気ディスク１０３Ａ
には、周回状の情報トラックが多数設けられている。こ
のトラックには、読み出し専用のＲＯＭ部と、記録再生
用のＲＡＭ部とが混在している。前記ＲＯＭ部とＲＡＭ
部の記録方法、再生方法は異なっており、したがって、
図２に示す光磁気ディスク１０３Ａ及びディスク装置と
図１に示す読み出し専用の光ディスク３及び光ディスク
装置とは異なるものであるが、図２に示す光磁気装置
は、一般的な構成のものであるので詳細な説明は省略す
る。

【００３６】同図において、周回状に多数の情報トラッ
クが設けられている光磁気ディスク媒体１０３Ａへの情
報の記録は光ピックアップ１０１Ａを用いて光磁気記録
法により行われる。また前記光磁気ディスク媒体からの
情報信号の読み出しも前記光ピックアップ１０１Ａを用
いて行われる。前記光ピックアップ１０１Ａは、半導体
レーザ等の光源１０４Ａ、前記光源１０４Ａからの光束
を平行光束にするコリメートレンズ１０５、前記半導体
レーザ等の光源１０４Ａからの照射光束と前記光ディス
ク媒体１０３Ａからの反射光束とを分離するビームスプ
リッタ１０６等を備えている。

【００３７】図２において、Ｐは前記対物レンズ１０８
により集光された光スポットで、前記光ピックアップ１
０１Ａには、トラッキングアクチュエータＴＡ、フォー
カシングアクチュエータＦＡも備えられている。前記光
磁気ディスク媒体１０３Ａからの反射光は、前記ビーム
スプリッタ１０６で反射されビームスプリッタ１１５に
入射する。ビームスプリッタ１１５で反射した光束は、
集光レンズ１１６に入射し、集光されて、光検知器１１
７に入射する。この光検知器の出力Ｓ３からトラッキン
グ誤差信号やフォーカシング誤差信号が検出される。

【００３８】前記ビームスプリッタ１１５を通過した光
束は、１／２波長板１１９に入射し、偏光面を変えられ
て偏光プリズムの如き検光子１２３に入射する。前記偏
光プリズム１２３で、前記光束は２つに分離され、集光
レンズ１２６と集光レンズ１２４に略等量の光束が入射
する。前記集光レンズ１２６を通過した光束は光検知器
１２７に入射し、この光検知器１２７の出力端子には情
報信号Ｓ１が出力される。また前記集光レンズ１２４を
通過した光束は光検知器１２５に入射し、この光検知器
１２５の出力端子には情報信号Ｓ２が出力される。

【００３９】前記光ピックアップ１０１Ａの２つの出
力、即ち情報信号Ｓ１と情報信号Ｓ２は、共に前記光磁
気ディスク媒体１０３Ａに記録された情報に応じた出力
となっている。この２つの信号は、差動増幅器１２８に
入力され、その差動出力が光磁気信号Ｓ４として取り出
される。この差動出力Ｓ４は、前記光ディスク３ＡのＲ
ＡＭ部からの再生情報信号として使用される。また前記
２つの信号Ｓ１、Ｓ２は、加算増幅器２９に入力され、
該加算増幅器１２９の出力がプレピット信号Ｓ５として
取り出される。この加算増幅器の出力Ｓ５は、前記光磁
気ディスク３ＡのＲＯＭ部からの再生情報信号として使
用される。

【００４０】前記信号Ｓ４、Ｓ５は、スイッチ１３２に
入力される。光磁気／プレピット検出回路（信号識別回
路）１３１では、現在光ピックアップ１０１Ａにより読
み出されている信号が、ＲＯＭ部の信号かＲＡＭ部の信
号かが識別され、その出力Ｓ８が、スイッチ１３２に印
加されている。前記スイッチ１３２の出力信号 siaは、
前記信号Ｓ８に応じて、前記信号Ｓ４又はＳ５となり、
波形等化装置ＷＥの入力信号となる。図２に示す波形等
化装置ＷＥは、すでに図１に示す波形等化装置と同様な
もので、信号遅延回路とハードウェアで構成されてい
る。そして前記信号sia は図１に示す信号ｓｉに対応し
たものである。さらに、光磁気／プレピット検出回路
（信号識別回路）１３１からの出力Ｓ８により、光磁気
用の固定の重みとプレピット用の固定の重みＲji，Ｒj
の組み合わせを切換えるよう構成されている。例えば、
同図（Ｂ）に示すような切換え回路による。

【００４１】以上述べたように、本発明の波形等化装置
の第２実施例は、再生原理の異なるディスクを再生する
際、再生する信号の種類を識別して、ニューラルネット
の入力層の一部にディスクの種類に応じた切換え信号を
供給し、ニューラルネットの動作を切り替えたものであ
る。本例のＲＯＭ部とＲＡＭ部のように再生原理が異な
る場合、符号間干渉の様子も異なり、ニューラルネット
のニューロン間の最適の重みも異なったものとなる。本
発明ではそれぞれに最適な重みを予め学習により求めて
おき、再生時にはディスクの種類に応じて適する重みを
切換え、一つのニューラルネット処理系に複数のディス
ク再生方式に対応させた。なお、ここでは光磁気信号／
プリピット信号の組み合わせを例として扱ったが、入力
信号の組み合わせは、光磁気信号／プリピット信号の組
み合わせに限定するものではない。

【００４２】（実施例３）この第３の実施例は、図３に
示すように、光ディスク再生時に再生信号の種類に応じ
て、重みではなく、遅延素子の遅延量を可変とした例で
ある。この実施例では、プレーヤは単位クロックの異な
る２種類のフォーマットに対応している。本発明におい
て、遅延量は扱う信号の単位クロックを基準に決められ
るので、異なる単位クロックを持つ信号に対しては遅延
量もそれに応じて変えなければならない。そこでディス
クフォーマット検出回路２００からの信号を元に、遅延
量をフォーマットに応じて、例えば同図（Ｂ）に示す切
換え遅延回路ＤＬ´で切換えたものである。これによ
り、複数種類のフォーマットのディスクに対応したニュ
ーラルネット波形等化装置を提供できる。

【００４３】（実施例４）第４実施例は、光ディスクの
ピックアップ組立後の個体差を、固定の重みの一部を半
固定抵抗で構成して、一定範囲で調整可能とした構成例
である。ピックアップの組立時には、光学部品自身の精
度、部品の組立及び調整精度に起因する光軸のズレ、収
差が発生する。通常、予想されるこれらの精度を見込ん
で設計を行い、ピックアップ全体としての余裕度を持た
せている。しかし、ピックアップの小型化、ディスクの
高密度化などでピックアップ精度への要求がきびしくな
ると、調整のための機構の設置や、部品及び組立精度へ
の要求がきびしくなり、余裕度がなくなってくる。

【００４４】本実施例では学習時の生徒信号に、ピック
アップの組立時に最も個体差に影響する部分を、予想さ
れる範囲で最適な位置からずらしたときの再生信号を、
数種類用意する。次にそれぞれの生徒信号について学習
を行い、最適な重み（結合係数）の組み合わせを求め
る。この時、部品のずれ方により、各ニューロン間の結
合係数は違ってくる。この結果を見て、生徒信号の違い
で結合係数が大きく変わる結合部分を変化の大きいもの
から数カ所選び、その部分にはハード化する際に、シミ
ュレーションで得られた変化の幅をカバーできる程度の
半固定抵抗を用いる。

【００４５】このようにして構成された例が図４であ
る。この例ではシミュレーションの結果より、中間層と
出力層の各結合係数Ｒｊを調整することが、最もピック
アップ組立精度誤差の補正に効果があるされ、その部分
に半固定抵抗Ｒｊを用いている。組立、調整後のピッ
クアップをプレーヤに載せてディスク再生を行い、再生
波形を見ながら半固定抵抗Ｒｊを調整して、ピックアッ
プ組立時に調整しきれなかった光学系の理想状態からの
ずれによる再生波形の乱れを補正することができる。こ
れによりピックアップ量産時に発生する個体差をより低
く抑えることができることになる。

【００４６】なお、本実施例ではピックアップについて
述べたが、ピックアップ以外の部分で、組み立て、調整
時に発生する個体差が再生波形にとって問題となる箇所
についても、本実施例を適応できる。また、装置の経時
変化によって劣化した波形を生徒信号の一つとして、上
記で述べたようにしてニューラルネットで半固定抵抗を
適用する結合部分を決め、経時変化による再生波形の劣
化を本波形等化装置で補正することも可能である。

【００４７】なお、以上述べた実施例においては光ディ
スク再生系について述べたが、光ディスク以外の伝送系
にも適応できる。また、第１から第４の実施例を複合さ
せて用いることも可能である。

【００４８】以上詳述したように、本発明は、予想され
る伝送系の不安定要素について、その要素を理想状態か
ら信号を劣化させる方向に離散的あるいは連続的に変化
させた場合の複数種の重み（もしくは遅延量）の最適値
群をワークステーション上の学習によって求めておき、
すなわち、補助検出手段により、伝送系の不安定要素の
一部分を狭い範囲に分割して、学習させるようにしたの
で、ニューラルネットの学習決定することが容易とな
る。さらに、最適な重みが選択されるので、ニューラル
ネットによる波形等化装置としての性能が向上する。

【００４９】

【発明の効果】本発明によれば、従来のニューラルネッ
トによる波形等化装置では実現できなかった記録再生
系、あるいは伝送系における複数の信号劣化要因を除去
でき、信号品質の劣化を低コストで極めて良好に改善で
きる。

【図面の簡単な説明】

【図１】本発明の波形等化装置の第１実施例を示す図で
ある。

【図２】本発明の波形等化装置の第２実施例を示す図で
ある。

【図３】本発明の波形等化装置の第３実施例を示す図で
ある。

【図４】本発明の波形等化装置の第４実施例を示す図で
ある。

【図５】ニューラルネットによる波形等化の一実施例を
示す基本概念図である。

【図６】図５に示すニューラルネットのユニット結合を
示す図である。

【図７】ニューラルネットによる波形等化装置の具体的
な回路図であり、ハードウェア的実行をする実体的信号
装置の一例を示すものである。

【図８】ニューラルネットによる波形等化装置の設計方
法を示す図であり、ソフトウェア的実行を説明するもの
である。

【符号の説明】

ＷＥ波形等化装置Ｍo 既知の記録媒体（伝送系）Ｍ記録媒体（伝送系）Ｄ再生（受信）装置ＤＬ遅延手段ＮニューラルネットＵユニットＷ可変の重みＷＥ波形等化装置ＬＣ…チルトセンサ（補助検出手段）１ａ・１ｂ，２ａ・２ｂ，３ａ・３ｂ，４ａ・４ｂ反
転型オペアンプ１０，１１，１２，１３ダイオード対１４，１５，１６，１７ディレイライン２０デジタルメモリ２１ワークステーション２２ビットＰＬＬ回路１１３コントローラ１１４ＲＯＭ１３１光磁気／プレピット検出回路（補助検出手段）２００フォーマット検出回路（補助検出手段） r1,r2,r3 最終層（のユニット）への抵抗（半固定の重
み） R11,R21,R31,R41,R51 中間層の第１ユニットへの抵抗
（固定の重み） R12,R22,R32,R42,R52 中間層の第２ユニットへの抵抗
（固定の重み） R13,R23,R33,R43,R53 中間層の第３ユニットへの抵抗
（固定の重み） R1 ,R2 ,R3 最終層（のユニット）への抵抗（固定の重
み）

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号庁内整理番号ＦＩ技術表示箇所Ｈ０３Ｈ 17/00 Ｂ 7037−5Ｊ (72)発明者嶋田浩和神奈川県横浜市神奈川区守屋町３丁目12番地日本ビクター株式会社内

Claims

【特許請求の範囲】

【請求項１】非線形の入出力特性を有する複数の変換系
が独立した固定の重みで結ばれ、かつ、前記固定の重み
はニューラルネットにより伝送再生系の特性に対して予
め学習された重みである変換手段からなり、前記伝送再
生系により劣化した信号を波形処理するニューラルネッ
トによる波形処理装置において、前記伝送再生系の部分的な特性の変化を検出する補助検
出手段と、この補助検出手段の検出値に応じた複数種類
の固定の重み群とを有し、前記補助検出手段の検出値に
応じて固定の重みを切換えるようにしたことを特徴とす
るニューラルネットによる波形処理装置。
【請求項２】非線形の入出力特性を有する複数の変換系
が独立した固定の重みで結ばれた変換手段からなり、伝
送再生系により劣化した信号を波形処理する波形処理装
置の設計方法であって、前記波形処理装置と等価で、か
つ、非線形の入出力特性を有する複数の変換系が独立し
た可変の重みで結ばれたニューラルネットにより、前記
伝送再生系の特性に対応した重みを可変学習させて、前
記可変学習された重みをもとに前記変換手段の固定の重
みを設計決定するニューラルネットによる波形処理装置
の設計方法において、前記伝送再生系の部分的な特性の変化を検出する補助検
出手段を有し、この補助検出手段の検出値に応じ前記伝
送再生系の特性に対応した複数種類の重みを可変学習さ
せて、前記可変学習された重みをもとに補助検出手段の
検出値に応じた複数種類の変換手段の固定の重みを設計
決定するようにしたことを特徴とするニューラルネット
による波形処理装置の設計方法。
【請求項３】伝送再生系からの劣化した信号を遅延させ
る遅延手段と、非線形の入出力特性を有する複数の変換
系が独立した固定の重みで結ばれ、かつ、前記固定の重
みはニューラルネットにより伝送再生系の特性に対して
予め学習された重みである変換手段とからなり、時間的
に前後させた前記劣化した信号を前記変換手段に入力し
波形処理するニューラルネットによる波形処理装置にお
いて、前記伝送再生系の部分的な特性の変化を検出する補助検
出手段と、前記遅延手段は前記補助検出手段の検出値に
応じた複数種類の遅延量を有し、前記補助検出手段の検
出値に応じて前記遅延手段の遅延量を切換えるようにし
たことを特徴とするニューラルネットによる波形処理装
置。
【請求項４】伝送再生系からの劣化した信号を遅延させ
る遅延手段と、非線形の入出力特性を有する複数の変換
系が独立した固定の重みで結ばれた変換手段とからな
り、時間的に前後させた前記劣化した信号を波形処理す
る波形処理装置の設計方法であって、前記波形処理装置
と等価で、かつ、非線形の入出力特性を有する複数の変
換系が独立した可変の重みで結ばれたニューラルネット
により、前記伝送再生系の特性に対応した重みを可変学
習させて、前記可変学習された重みをもとに前記変換手
段の固定の重みを設計決定するニューラルネットによる
波形処理装置の設計方法において、前記伝送再生系の部分的な特性の変化を検出する補助検
出手段を有し、この補助検出手段の検出値に応じ前記遅
延手段の遅延量を切換えながら、伝送再生系の特性に対
応した重みを可変学習させて、前記可変学習された重み
をもとに前記変換手段の固定の重みを設計決定するよう
にしたことを特徴とするニューラルネットによる波形処
理装置の設計方法。
【請求項５】非線形の入出力特性を有する複数の変換系
が独立した固定の重みで結ばれ、かつ、前記固定の重み
はニューラルネットにより伝送再生系の特性に対して予
め学習された重みである変換手段からなり、前記伝送再
生系により劣化した信号を波形処理するニューラルネッ
トによる波形処理装置において、前記複数の変換系の独立した重みの一部分を一定の幅で
調整自在な重みとして、学習後に微調整可能としたこと
を特徴とするニューラルネットによる波形処理装置。
【請求項６】非線形の入出力特性を有する複数の変換系
が独立した固定及び一定の幅で調整自在な重みで結ばれ
た変換手段からなり、伝送再生系により劣化した信号を
波形処理する波形処理装置の設計方法であって、前記波形処理装置と等価で、かつ、非線形の入出力特性
を有する複数の変換系が独立した可変の重みで結ばれた
ニューラルネットにより、前記伝送再生系の特性に対応
した重みを可変学習させて、前記可変学習された重みを
もとに前記変換手段の固定の重み及び調整自在な重みの
幅を設計決定するようにしたことを特徴とするニューラ
ルネットによる波形処理装置。