【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、記録媒体としてディスクを使用し、光学的、磁気的または光磁気的なデータの記録再生を行なうディスク記憶装置に関し、特にデータ再生動作に使用する信号処理回路に関する。

【０００２】

【従来の技術】従来、光学的、磁気的、または光磁気的にデータをディスク（記憶媒体）上に記録しかつ再生するディスク記憶装置では、リードヘッド（リード／ライト兼用のヘッドも含む）によりディスクから読出された再生信号（リード信号）からデータ（ディスク上に記録したデータ）を再生する（復号化する）ための再生信号処理回路が設けられている。 ディスク記憶装置としては、具体的にはハードディスクドライブ（ＨＤＤ）と呼ばれる磁気ディスク装置、光ディスク装置、および光磁気ディスク装置がある。 また、再生信号処理回路は具体的には、リード／ライト回路として記録再生機能が一体的に含まれた専用ＩＣにより構成されている場合が多い。

【０００３】再生信号処理回路は大別して、ヘッドから読出された再生信号を増幅するアンプ回路と、再生信号波形を波形等化する波形等化回路と、データ検出処理（２値化の識別処理）を行なうためのデータ検出回路と、記録データに復号化するためのデコーダ（復号化回路）とから構成されている。

【０００４】波形等化回路は、ディスク上にデータを記録するときに記録チャネル（記録媒体／ヘッドからなる系）を通過した結果により生じた波形の歪みを補正し、
データ検出処理における検出誤り率を許容範囲内にするために設けられている。 従来では、記録チャネルを線形系にモデル化して、再生信号の線形的な歪みを補正する線形等化方式が採用されている。 具体的には、記録チャネルの特性変化に適応的に追従する適応型ディジタルフィルタが採用されることが多い。

【０００５】データ検出回路としては、近年ではＰＲＭ
Ｌ（Ｐａｒｔｉａｌ Ｒｅｓｐｏｎｓｅ Ｍａｘｉｍｕ
ｍ Ｌｉｋｅｌｉｈｏｏｄ）方式の信号処理技術が採用されつつある。 このＰＲＭＬ方式は、再生信号波形の前後の相関を利用してシーケンス的にデータを検出する方式であり、具体的にはビタビデコーダを使用する。

【０００６】近年、ディスク記憶装置の記憶容量の大容量化を図るために、例えばＨＤＤでは数Ｇビット／平方インチのような高記録密度化が実現されている。 このような高記録密度では、従来の記録チャネルの応答特性が、ディスク上に記録したバイナリ・データに対して線形的なモデルを設定することは不可能であり、非線形的要素を考慮する必要がある。 ここで、非線形な歪みの割合が大きくなると、線形的等化回路では等化残留誤差が増大し、データ検出処理において許容範囲内の検出誤り率を確保することは困難となる。

【０００７】再生信号波形の非線形的な歪みを等化する方式としては、階層型ネットワークまたは多層パーセプトロン（ｍｕｔｉｌａｙｅｒ ｐｅｒｃｅｐｔｒｏｎ）
型ニューラルネットワーク方式（以下ＭＬＰ型と呼ぶ）
を利用した波形等化回路が提案されている（例えば特願平８−２５９８６６号公報を参照）。 従来の再生信号処理回路では、当該ＭＬＰ型波形等化回路により非線形の波形歪みが除去された再生信号は、従来のデータ検出回路によりデータ検出処理が実行されている。

【０００８】

【発明が解決しようとする課題】前述したように、ディスク記憶装置では高記録密度化に伴って、ディスクからデータを再生するときの再生信号波形に含まれる歪み成分に占める非線形的な歪み成分が無視できない程度まで増大している。 このため、非線形的な歪み成分を除去するための非線形の波形等化処理の必要性が大きくなっている。 ＭＬＰ型信号処理回路を利用した波形等化回路は、非線形の歪み成分の等化処理に効果的であることが知られている（例えばＭｏｏｎ他による文献「Ｓｉｍｐ
ｌｉｆｉｅｄＮｏｎｌｉｎｅａｒ Ｅｑｕａｌｉｚｅｒ
ｓ，ＩＥＥＥ Ｔｒａｎｓ． Ｍａｇｎ． ，Ｖｏ１３１，
Ｎｏ． ６，Ｎｏｖｅｎｂｅｒ １９９５」を参照）。

【０００９】ところで、ニューラルネットワーク方式の等化回路の場合には、ネットワークの重み付け係数を決定するめの学習過程が必要になる。 この学習過程では、
誤差逆伝播アルゴリズムと称する算出方法が使用される。 この方法は、出力端での実際の値と等化目標である理想値との差を、ネットワークの重み付け係数により出力への寄与の度合いに従って、修正していく。 ビット毎にデータを検出するデータ検出方式では、等化回路の出力の等化誤差の大きさが検出誤り率に直接関係するため、前記の誤差逆伝播アルゴリズムによる学習方法は合理的である。

【００１０】しかしながら、近年の高記録密度化の要求に伴って、再生信号波形の隣接ビット間の干渉を許容しないビット毎にデータを検出するデータ検出方式では、
検出誤り率を抑制することは困難になっている。 前述のＰＲＭＬ方式の信号処理方法では、再生信号波形の隣接ビット間の相互干渉量をある程度許容して、干渉による波形値の変化の状態をシーケンスで追従しながらデータの検出処理が行なわれる。 即ち、再生信号波形の相互干渉を許容することにより、隣接ビット間に跨がる信号のパワーを有効に使用できるため、同じ信号対ノイズ比（Ｓ／Ｎ）の再生信号に対する検出誤り率を抑制することが可能となる。 この場合、最尤シーケンス検出器（Ｍ
Ｌデコーダまたはビタビデコーダ）は、回路の複雑化を避けるために、線形の波形干渉を前提として設計されているのが一般的である。 従って、ＰＲＭＬ方式のクラスに従った線形な波形干渉のみの再生信号波形を学習目標としたニューラルネットワーク方式の等化回路は、理論的には有効である。

【００１１】しかしながら、ニューラルネットワーク方式を実際上の回路に適用した場合に、学習目標との等化誤差をゼロにするような等化回路を使用することは、コスト的に現実的ではないし、個々の装置や経時変化の影響を完全に除去することは困難である。 よって、ある程度の等化誤差が残留することを前提とした回路設計を行なうことになるが、以下のような点で問題が発生する。
即ち、前記の等化誤差を考慮していなＭＬデコーダとニューラルネットワーク方式の等化回路（ＭＬＰ型等化回路）とを組み合わせる場合に、検出誤り率の最低点と残留等化誤差が学習過程での評価値で残留等化誤差の最低点とが不一致となる。 これは、ＭＬデコーダが理想値とのずれ分がアディティブ（ａｄｄｉｔｉｖｅ）な白色ガウス雑音の場合に性能が最大になるのに対して、等化回路の残留等化誤差分は相関を持った有色の雑音になるためである。

【００１２】換言すれば、出力における残留等化誤差を最小にするような学習方法を使用するニューラルネットワーク方式の等化回路は、必ずしもエラーレートが最も低くなるような動作をしていない。 再生信号を等化回路により等化して、ＭＬ検出器（ビタビデコーダ）によりデータを検出する回路を構成する場合に、当該ＭＬ検出器の出力を利用してニューラルネットワーク方式の等化回路の学習を実行させることが理想的である。 しかしながら、ＭＬ検出器の出力はＭＬシーケンス検出動作を含む結果であるから、そこでの評価値をニューラルネットワーク方式の等化回路の学習過程に利用することは問題が多く現実的でない。

【００１３】そこで、本発明の目的は、ＭＬＰ型などのニューラルネットワーク方式の信号処理回路を用いて、
入力信号系列の特徴を学習し、従来のデータ検出器を併用した場合の出力と同じ値を出力するようにさせることで、データ誤り率効果的に抑制し、高容量かつ高信頼性のディスク記憶装置を提供することにある。

【００１４】

【課題を解決するための手段】本発明は、例えば光ディスク装置に適用し、データの再生動作時に再生信号をＡ
／Ｄ変換手段によりディジタル信号に変換し、このディジタル信号を入力して再生信号の波形歪み成分を含む信号パターンから２値化データを検出するデータ検出機能を有するディジタル信号処理手段を備えたディスク記憶装置である。

【００１５】即ち、従来の波形等化回路により波形等化処理した後に、例えばビタビデコーダなどのデータ検出回路により再生信号からデータを検出する構成の信号処理系ではなく、例えばローパスフィルタによりノイズ除去した再生信号をＭＬＰ型信号処理回路に入力して、当該再生信号から検出したバイナリデータ（２値化データ）を出力する構成の信号処理系である。 換言すれば、
再生信号に含まれる波形歪み成分や雑音成分を除去するのではなく、それらを含む信号パターン自体を学習し、
この学習過程から得られる重み付け係数を決定する。 そして、重み付け係数により信号パターンの特徴を抽出してこの特徴に応じた２値化データを検出する信号処理回路である。

【００１６】このような構成の信号処理回路であれば、
非線形の歪みを含む再生信号を一旦線形な信号処理系に適した形に変換する過程を排除できるため、ニューラルネットワーク方式での学習効果を高めて、非線形成分を含む再生信号から十分に低い検出誤り率でデータ検出を行なうことができる。

【００１７】本発明のディジタル信号処理手段は、具体的には多層パーセプトロン型ニューラルネットワーク方式の信号処理回路であり、データクロック周期の遅延時間を有し直列接続された複数の遅延素子から構成される入力層と、相互に接続関係を持たない複数のノード群からなる層が複数層に重なって構成される中間層と、１つの出力ノードで構成される出力層とを備えている。 このような構成において、中間層の内で最も入力信号寄りの層を構成する各ノードの入力は、前記入力層を構成する遅延素子の各端の信号のそれぞれに結合の重み付けの値を乗算したものであり、中間層の各層を構成する各ノードの出力は、入力の総和に対する非線形な関数の出力値であり、中間層の内で最も入力信号寄りの層以外の各層を構成する各ノードへの入力は、より入力信号側の他の中間層を構成する各ノードの出力端の信号に結合の重み付けの値を乗算したものであり、出力ノードの入力は、
前記中間層の内で最も出力ノードよりの層を構成する各ノードの出力にそれぞれ結合の重み付けの値を乗算したものであり、出力ノードの出力は、当該出力ノードの入力の総和に対する非線形な関数の出力値である。

【００１８】

【発明の実施の形態】以下図面を参照して本発明の実施の形態を説明する。 図１は本実施形態に関係する光ディスク装置の要部を示すブロック図であり、図２は本実施形態に関係するニューラルネットワーク型構成の信号処理回路の概念図であり、図３は本実施形態に関係するＭ
ＬＰ型構成の信号処理回路の構成を示すブロック図である。 （装置の構成）本実施形態はディスク記憶装置として、
記録再生型の光ディスク装置に適用することを想定している。 光ディスク装置は、図１に示すように、記録媒体である書換え可能な光ディスク１と、光ピックアップ３
と、データ再生系と、データ記録系と、ドライブコントローラ１２と、インターフェース１３とを有する。 光ディスク１はスピンドルモータ２により回転駆動している。 光ピックアップ３はサーボモータ４により移動調整されて、レーザドライバ１５による駆動で光ディスク１
にレーザ光を照射し、光学的に情報の記録再生を行なう。 スピンドルモータ２とサーボモータ４は、ドライブコントローラ１２により駆動制御回路１４を介して駆動制御される。

【００１９】データ記録系はレーザドライバ１５および変調回路１６を有する。 変調回路１６は、ドライブコントローラ１２から送出された記録データを所定の符号ビット列に変換する符号化処理を実行する。 レーザドライバ１５は、変調回路１６から出力された符号ビット列に従ったマークをディスク１上に記録するように光ピックアップ３を駆動する。

【００２０】データ再生系は、プリアンプ５と、可変利得増幅器（ＶＧＡ）６と、Ａ／Ｄ変換回路７と、ローパスフィルタ（ＬＰＦ）９と、ニューラルネットワーク型構成の信号処理回路８と、デコーダ１１とを有する。 プリアンプ５とＶＧＡ６は光ピックアップ３により読出された再生信号を増幅する。 ＬＰＦ９は再生信号波形から信号帯域外のノイズを除去するためのフィルタ回路である。 Ａ／Ｄ変換回路７は増幅された再生信号を離散時間の量子化サンプル値であるディジタル信号に変換する。

【００２１】ニューラルネットワーク型構成の信号処理回路８は、非線形歪み成分を含む再生信号から２値化データを検出するためのデータ検出機能を有する回路であり、図３に示すように、多層のパーセプトロン型のディジタル信号処理回路である（以下ＭＬＰ型信号処理回路と呼ぶ）。 デコーダ１１は、ＭＬＰ型信号処理回路８により検出された符号ビット列を元のデータ（記録データ）に復元する。

【００２２】ドライブコントローラ１２は、装置のメイン制御装置であり、インターフェース１３を介して例えばパーソナルコンピュータと接続し、記録再生データの転送制御を実行する。 なお、本装置には、図示しないが映像情報の記録再生動作に必要な動画圧縮回路、動画伸長回路、およびデコーダ１１から出力されたデータの誤り検出訂正処理を行なう誤り検出訂正回路も含まれている。 （ＭＬＰ型信号処理回路８の構成と動作）本実施形態のＭＬＰ型信号処理回路８は、従来のデータ検出回路（ビタビデコーダなどのＭＬ検出回路）とは異なり、波形歪み成分や雑音成分を含む再生信号から信号パターンの特徴を抽出し、この特徴に応じた２値化データ（１／０）
を検出するデータ検出機能を含むディジタル信号処理回路である。 即ち、従来のデータ検出回路は、記録チャネルの歪み成分や不要な帯域の雑音を波形等化回路で除去し、この波形等化回路からほぼ理想的な状態の再生信号から２値化データを検出している。 これに対して、本実施形態のＭＬＰ型信号処理回路８は、波形歪み成分や雑音成分を含む再生信号の信号パターン自体からネットワークの結合の重み付け係数を決定する学習を実行し、この決定した重み付け係数により信号パターンの特徴を抽出する処理を実行している。 換言すれば、波形歪み成分や雑音成分を含む再生信号から直接的に２値化データを検出する方式である。

【００２３】以下図２を参照して、本実施形態のＭＬＰ
型信号処理回路８の概念的構成を説明する。 本信号処理回路８の概念的構成は、大別して入力信号サンプリング層４０、パターン認識層４１、および出力判定ノード４
３からなる。 入力信号サンプリング層４０は、チャネルビットレート（変調後のデータ転送レート）で入力信号波形（再生信号）をサンプリングする（図２に示すポイントがサンプリングポイントを意味する）。 パターン認識層４１は、ネットワークを介してサンプリングされた入力信号波形の振幅値を、複数のパターン認識ノード４
２に入力する。

【００２４】各パターン認識ノード４２は、これらの各入力値に学習により得られた重み付け係数を乗算し、これらの乗算結果に非線形的な関数を適用した結果を出力判定ノード４３に出力する。 即ち、各パターン認識ノード４２は、入力信号波形の形（サンプリング点での振幅値）に応じて、ある信号パターンを認識した場合には正の大きな値を出力し、また異なる信号パターンを認識した場合には負の大きな値を出力する。 信号パターンに応じて出力される値は、それぞれのパターン認識ノード４
２により異なる。

【００２５】従って、個々のパターン認識ノード４２は入力信号波形のある特徴の度合いを示する。 換言すれば、パターン認識層４１全体の出力値パターンは、入力信号波形の特徴を抽象化した信号パターンに相当する。

【００２６】出力判定ノード４３は、各パターン認識ノード４２からの出力値に、学習により得られた重み付け係数を乗算する。 出力判定ノード４３は、あるパターン認識ノード４２の出力値がデータを「１」と判定するのに肯定的な値を示しているが、他のノード４２では否定的な値を示したりするので、総合的な２値判定処理を実行する。 具体的には、出力判定ノード４３は、各パターン認識ノード４２からの出力値の総和を求めて、非線形的な関数を適用した後にある閾値をもって判定処理し、
「０」または「１」を出力することにより、チャネルの特性や雑音により歪みを受けた再生信号から２値化データを検出する。

【００２７】次に図３を参照して、本実施形態の信号処理回路８の具体的構成と動作を説明する。 ＭＬＰ型信号処理回路８は、図３に示すように、直列接続の複数の遅延回路２０と、乗算回路２１と、中間ノード３１と、出力ノード３０とから構成される。 入力信号サンプル値Ｚ
_kは、データ・サンプリング・クロック時間遅延量を有する遅延回路２０により遅延されて、次段の遅延回路２
０に出力される。 ここで、時刻ｋにおけるｊ番目の遅延回路２０の出力信号サンプル値Ｚ _kjは、乗算回路２１
により結合の重み付けの値Ｗ _0,i,jが掛けられて、ｊ＋
１番目の中間ノード３１の入力となる。 例えば入力信号サンプル値Ｚ _kは、乗算回路２１により結合の重み付けの値Ｗ _0,0,0が掛けられて、最も入力信号寄りの中間層の１番目の中間ノードの入力の１つになる。

【００２８】同様に、ｉ番目の遅延回路の出力Ｚ
_kiは、結合の重み付けの値Ｗ _0,i,jを乗算されて、最も入力信号寄りの中間層のｊ＋１番目の中間ノードの入力の１つとなる。 最も入力信号寄りの中間層のｊ＋１番目の中間ノードの出力Ｈ _0,j,kは、入力の総和をシグモイド関数ｆで評価した値になる。 即ち、 Ｈ _0,j,k ＝ｆ（Σ _i Ｗ _0,i,j・Ｚ _ki ）…（１） ｆ（ｘ）＝（１−ｅｘｐ（ｘ））／（１＋ｅｘｐ（−ｘ））…（２） の式が成立する。

【００２９】最も入力信号寄りの中間層のｊ番目の中間ノードの出力Ｈ _0,j-1は、前記式（１）と同様に、乗算回路２１により結合の重み付けの値Ｗ _1,j,mが掛けられて、１段出力寄りの中間層のｍ＋１番目の中間ノードの入力の１つになる。 また、最も入力信号寄りの中間層から１段出力寄りの中間層の中間ノードの出力も、前記式（１）と同様に入力の総和をシグモイド関数ｆで評価した値になる。

【００３０】以下同様にして、中間層間の接続が同じパターンで積み重なって、最も出力寄りの中間層の中間ノードの出力にも、結合の重み付けの値が掛けられて、出力ノード３０の入力の１つになる。 出力ノード３０の出力、即ちＭＬＰ型信号処理回路８の時刻ｋにおける出力値ｄ _kは、出力ノード３０の入力総和になる。 よって、
この出力ｄ _kは、 ｄ _k ＝Σ _m Ｗ _r+1,m,0・ｆ（Σ _n Ｗ _r,n,m・ｆ（Σ _p Ｗ _r-1,p,n・ｆ（ΣｑＷ _0,q,t・Ｚ _kq ）…）…（３） となる。

【００３１】結合の重み付けの値は、以下のような誤差逆伝播アルゴリズムに従って、学習手順を繰り返すことにより求められる。 即ち、まず全ての結合の重み付けの値には、初期値としてランダムな小さな値を設定する。
入力側から数えてｕ＋１番目の中間層のｖ＋１番目の中間ノードの出力を、 Ｏ _u,v,k ＝ｆ（Ｇ _u,v,k ）…（４） Ｇ _u,v,k ＝Σ _i Ｗ _u-1,i,v Ｏ _u-1, ｉ…（５） とあらわすことにする。

【００３２】学習波形系列のｋ番目が入力された時に期待される理想出力をＣ _kとすると、中間層の層の数がＸ
の場合の出力ノードの出力における誤差δ _x,kは、 δ _x,k ＝２（ｄ _k −Ｃ _k ）ｆ'（Ｇ _x,k ）…（６） となる。 ここで、ｆ'はｆの導関数である。

【００３３】最も出力寄りの入力側から数えてｒ＋１番目の中間層のｍ＋１番目の中間ノードにおける誤差δ
_r,m,kは、逆伝播させることにより以下の式により求める。 δ _r,m,k ＝（Σ _p Ｗ _r+1,m,p δ _r+1,p,k ）ｆ'（Ｇ _r,k ）…（７） 学習波形系列のｋ番目が入力された時の全ての結合の重み付けの値Ｗ _r,i,j （ｋ）は、以下のように更新される。 δＷ _r,i,j （ｋ＋１）＝β _k・δ _r-1,i,k Ｏ _r-1,i …（８）

_kは学習係数であり、ηは慣性係数である。

【００３４】以下、ＭＬＰ型信号処理回路８の結合の重み付けの値を決定する手順を具体的に説明する。 図４
は、非線形な歪み成分を含むディスク１からの再生信号を増幅した後に、Ａ／Ｄ変換回路７によりディジタルに変換したときの信号波形である。 サンプリングクロックは、図示しないＰＬＬ回路を使用して再生信号に対して周波数と位相とが同期するようなクロックリカバリ回路から供給される。

【００３５】ＭＬＰ型信号処理回路８において、結合の重み付けの値を学習により決定するためには、図４に示すような波形サンプル値系列を前記のＺ _kとして入力し、このとき得られる出力ｄ _kおよび図４の波形から検出されるべきバイナリデータＣ _kのそれぞれを使用して、前記式（６）〜式（９）を再帰的に計算する。 この操作を出力端での誤差の値が十分小さくなるまで繰り返す。

【００３６】通常の再生時には、学習時に決定した重み付けの値を使用することにより、図４に示すような歪み特性を有する再生信号波形から、２値化データを検出して出力することになる。

【００３７】

【発明の効果】以上詳述したように本発明によれば、例えば光ディスク装置などのディスク記憶装置において、
ＭＬＰ型などのニューラルネットワーク方式の信号処理回路にデータ検出機能を含ませることにより、非線形歪み成分を有する再生信号に対してデータエラーの有無を直接に学習させることが可能となるため、非線形歪み成分の影響を効果的に抑制することが可能になる。 従って、残留等化誤差を最小にするニューラルネットワーク方式の波形等化機能を十分に発揮させて、非線形歪み成分の影響を除去し、これに伴ってデータ検出誤り率を効果的に抑制し、高容量かつ高信頼性のディスク記憶装置を提供することが可能となる。

【図面の簡単な説明】

【図１】本発明の実施形態に関係する光ディスク装置の要部を示すブロック図。

【図２】本実施形態に関係するニューラルネットワーク型構成の信号処理回路の概念を示す図。

【図３】本実施形態に関係するＭＬＰ型構成の信号処理回路の構成を示すブロック図。

【図４】本実施形態に関係する波形等化処理を説明するための信号波形図。

【符号の説明】

１…光ディスク ２…スピンドルモータ ３…光ピックアップ ４…サーボモータ ５…プリアンプ ６…可変利得増幅器（ＶＧＡ） ７…Ａ／Ｄ変換回路 ８…ＭＬＰ型信号処理回路（データ検出機能を含む） ９…ローパスフィルタ（ＬＰＦ） １１…デコーダ １２…ドライブコントローラ １３…インターフェース １４…駆動制御回路 １５…レーザドライバ １６…変調回路 ２０…遅延回路 ２１…乗算回路 ３０…出力ノード ３１…中間ノード ４０…入力信号サンプリング層 ４１…パターン認識層 ４２…パターン認識ノード ４３…出力判定ノード