소음 예측 최대 우도 감지

소음 예측 최대우도(NPML)는 높은 선형 기록 밀도에서 작동하는 자기 데이터 저장 시스템에 적합한 디지털 신호 처리 방법의 일종이다.그것은 자기 매체에 기록된 데이터의 검색에 사용된다.null

데이터는 읽기 헤드에 의해 다시 읽혀져 약하고 소음이 많은 아날로그 신호를 생성한다.NPML은 검출 프로세스에서 소음의 영향을 최소화하는 것을 목표로 한다.성공적으로 적용되어, 더 높은 영역 밀도로 데이터를 기록할 수 있다.대안으로는 피크 검출, 부분 반응 최대우도(PRML), 확장 부분 반응 최대우도(EPRL) 검출 등이 있다.^[1]null

역사적으로 헤드와 미디어 기술의 발전이 면적 기록 밀도의 증가를 이끈 원동력이었지만,^{[citation needed]} 디지털 신호 처리와 코딩은 신뢰성을 유지하면서 면적 밀도의 추가 증가를 가능하게 하는 비용 효율적인 기법으로 자리매김했다.^[1]이에 따라 디스크 드라이브 산업에서는 소음 예측 개념을 기반으로 한 정교한 검출 체계의 구축이 무엇보다 중요하다.null

원칙

시퀀스 추정 데이터 검출기의 NPML 제품군은 Viterbi 알고리즘의 분기 메트릭 계산에 노이즈 예측/휘팅 프로세스를 내장함으로써^[2][3][4] 발생한다.후자는 유한한 메모리로 ISI(기호간 간섭)를 나타내는 통신 채널에 대한 데이터 검출 기법이다.null

신뢰할 수 있는 프로세스 운영은 Viterbi 알고리즘이 작동하는 trellis의 가지와 관련된 가설의 결정뿐만 아니라 각 trellis 상태와 관련된 경로 메모리에 해당하는 잠정적인 결정들을 사용하여 달성된다.따라서 NPML 검출기는 다양한 구현 복잡성을 제공하는 축소 상태 시퀀스 추정 검출기로 볼 수 있다.복잡성은 검출기 상태 수에 따라 결정되며, $검출기{\displaystyle \mathrm{}}$ 상태는 ${\displaystyle {2K}^{}}$ ${\$ 2$^{K$ 0 ${\displaystyle \le }$ ${\displaystyle K}$ ${\displaystyle \le }$ ${\displaystyle M}$ ${\displaystyle 0\leq K\leq$ M$}$과$($와) $,$ M {\$displaystystyle$ M}은 부분 반응형성형 동일기와 소음 예측기의 조합에 의해 도입된 최대 제어된 ISI 항 수를 나타낸다$$.$현명$하게 K$${\$displaystyle K}$를 선택함으로써 오류율 및/또는 선형 기록 밀도 측면에서 PRML 및 EPRL 검출기보다 성능을 향상시키는 실용적인 NPML 검출기를 고안할 수 있다$.$^[2][3][4]null

노이즈 강화 또는 노이즈 상관관계가 없을 경우 PRML 시퀀스 검출기는 최대 우도 시퀀스 추정을 수행한다.운영 지점이 더 높은 선형 기록 밀도로 이동함에 따라 선형 부분 반응(PR) 균등화에 따라 최적성이 감소하므로 노이즈가 향상되고 상관 관계가 렌더링된다.원하는 목표 다항식과 물리적 채널의 근접 매칭은 손실을 최소화할 수 있다.선형 기록 밀도 측면에서 운영 지점과 독립적으로 거의 최적의 성능을 달성할 수 있는 효과적인 방법이며 소음 조건은 소음 예측을 통해 이루어진다.특히 PR 이퀄라이저의 출력에서 $D{\displaystyle }$ ${\displaystyle D}$ 연산자가$$ 1비트 간격의 지연에 해당하는$$정지 소음 시퀀스 $n{\displaystyle }$($){\displaystyle n(D)}$의 힘을 무한 길이의 예측 변수를 사용하여 최소화할 수 있다.$계수$가${\displaystyle }${${\displaystyle p_{}}$ l${\displaystyle {}_{}\},l}$ =${\displaystyle 1}$, 2$${\$displaystyle$\{$p_{l}\},l=1$,2$}$인 선형 예측 변수가 n${\displaystyle }$(${\displaystyle D}$${\displaystyle }$) ${\$$displaystyle n(D){\$$displaystyle {\n}}$인 것으로 추정된 소음 시퀀스 $n{\displaystyle \stackrel{}{}\text{'}}$을 생성한다$.$그런 다음, 다음이 제공하는 예측-오류 시퀀스

${\displaystyle e\좌(D\우)=n\좌(D\우)-{\acute{n}\좌(D\우)=n\좌(D\우)\좌(1-P\좌)\좌(D\우)\우)}$

최소 전력으로 백색이다.최적 예측 변수

${\displaystyle P}$( D${\displaystyle }$)${\displaystyle }$= p ${\displaystyle {}_{}}$ ${\displaystyle {D\mathrm{}}_{}}$+ ${\displaystyle {}_{}}$ 2 ${\displaystyle {D\mathrm{}}^{}}$ ${\displaystyle {}_{}{}^{}}$+ ${\displaystyle P\left(D\right)=p_{1}D+p_{2}{D^{2}}+}$ ...$$null

또는 최적 노이즈 방지 필터

${\displaystyle W}$( ${\displaystyle D}$)${\displaystyle }$= ${\displaystyle 1}$- ${\displaystyle P}$( ${\displaystyle D}$) ${\$

평균 제곱 의미에서의$$^{[2][3][4][5][6]} 예측 오차 시퀀스 $e{\displaystyle (D}$) ${\디스플레이$ 스타일 $e(D)}$을(를) 최소화하는 기능

무한히 긴 예측 변수 필터는 무한히 많은 상태를 필요로 하는 시퀀스 검출기 구조로 이어질 수 있다.따라서 시퀀스 검출기(sequence detector)의 입력에서 대략 흰색으로 노이즈를 렌더링하는 유한 길이 예측 변수가 관심 대상이다.null

폼의 일반화된 PR 쉐이핑 다항식

${\$$F\left(D\right)\time W\left(D\right$

여기서 $F{\displaystyle }$( ${\displaystyle D}$) ${\displaystyle F(D)}$은 순서 S의 다항식이고 노이즈-화이트닝 $필터{\displaystyle }$ W${\displaystyle }$(${\displaystyle D}$) ${\displaystyle W(D)}$는 $L{\displaystyle }$ ${\displaystyle L}$의 한정된 순서를$$가지며$$ 시퀀스^{[2][3][4][5][6]} 검출과 결합하면 NPML 시스템이 생성됨 이 경우 시스템의 유효 메모리는 다음으로 제한된다.

${\displaystyle M}$= ${\displaystyle L}$+ ${\displaystyle S}$ ${\displaystyle M=L+S$

감소된 상태 감지를 사용하지 않을 경우 2 ${\displaystyle L{}^{}}$+ S ${\displaystyle 2^{L}+S}$ -상태$$ NPML 검출기를 사용하십시오.null

예를 들면,

${\displaystyle F\left(D\right)=1-{D^{2}}}$

그러면 이는 일반적인 PR4 신호 형상에 해당된다.화이트닝 필터 $W{\displaystyle (D}$) ${\디스플레이$ 스타일 $W(D)}$을$($를) 사용하여 일반화된 PR 대상이 됨

${\displaystyle G}$( ${\displaystyle D}$)${\displaystyle }$=${\displaystyle }$( ${\displaystyle 1\mathrm{}}$- D ${\displaystyle {2\mathrm{}}^{}}$) ${\displaystyle \times }$ ${\displaystyle W}$(${\displaystyle D}$ ${\displaystyle )}$ ${\$

그리고 시스템의 효과적인 ISI 메모리는

${\displaystyle M}$= ${\displaystyle L}$+ ${\displaystyle 2}$ ${\displaystyle M=L+2}$ 기호$$이 경우 풀스테이트 NMPL 검출기는 $G{\displaystyle }$(${\displaystyle D}$) ${\디스플레이스타일$ G(D)}에 해당하는 2 L +${\displaystyle {}^{}}$2 ${\$$displaystyle$ $2^{L+2}}$ -상태$$ trellis를 사용하여 최대우도 시퀀스 추정($MLSE)$을 ${\displaystyle {수행}^{}}$한다$.$

NPML 검출기는 추정 데이터 시퀀스를 재귀적으로 계산하는 Viterbi 알고리즘을 통해 효율적으로 구현된다.^{[2][3][4][5][6]}null

${\displaystyle {\a}\왼쪽(D\오른쪽)=arg\min_{a\왼쪽(D\오른쪽)\병렬 z\왼쪽(D\오른쪽)-a-왼쪽(D\오른쪽)G\왼쪽(D\오른쪽)\병렬 {^{2}}}$

여기서 $a{\displaystyle }$ (${\displaystyle D}$) ${\displaystyle a(D)}$은 노이즈 화이트닝 필터 $W{\displaystyle }$(${\displaystyle D}$ ${\displaystyle )}$ ${\displaystyle W(D)}$ 출력에 있는 데이터 비트 및 z(D)의 이진 시퀀스를 나타낸다$$$.$

감소된 상태 시퀀스 검출 체계는^[7][8][9] 자기 기록 채널과^[2][4] 그 안에 있는 참조에 적용하기 위해 연구되었다.예를 들어 일반화된 PR 대상 다항식이 있는 NPML 디텍터

$G\왼쪽(D\오른쪽)=F\left(D\right)\time W\left(D\right)}$

피드백이 내장된 축소 상태 검출기 제품군으로 볼 수 있다.이러한 검출기는 단순한 테이블 조회 연산을 통해 의사결정 피드백 경로를 실현할 수 있는 형태로 존재하며, 여기서 이러한 테이블의 내용을 작동 조건의 함수로 업데이트할 수 있다.^[2]분석 및 실험 연구들은 성과와 주의 복잡성 사이의 현명한 절충은 상당한 성과 이익을 갖는 실질적인 계획으로 이어진다는 것을 보여주었다.따라서, 감소된 상태 접근법은 선형 밀도를 증가시킬 가능성이 있다.null

미립자 매체는 표면 거칠기와 입자 크기에 따라 색상이 지정된 고정 매체 노이즈가 아닌 데이터 의존적 전환 또는 중간 소음을 나타낼 수 있다.노이즈가 적은 프리앰프의 통합뿐만 아니라 리드백 헤드의 품질의 개선은 데이터 의존적 매체 소음을 성능에 영향을 미치는 총 소음의 중요한 구성요소로 만들 수 있다.중간 소음은 상관관계가 있고 데이터에 의존하기 때문에 과거 표본의 소음과 데이터 패턴에 대한 정보는 다른 표본의 소음에 대한 정보를 제공할 수 있다.따라서 에서 개발된 정지 가우스 소음원에 대한 소음 예측의 개념은 소음 특성이 국소 데이터 패턴에 크게 의존하는 경우까지 자연스럽게 확장될 수 있다.^{[1][10][11][12]}null

데이터 의존적 노이즈를 유한 순서 마르코프 프로세스로 모델링함으로써 ISI가 있는 채널의 최적 MLSE를 도출했다.^[11]특히 데이터에 의존하는 노이즈가 조건부 Gauss-Markov인 경우 분기 지표는 소음 프로세스의 조건부 2차 통계로 계산할 수 있다.즉, 분기-금속 계산에 데이터 의존적 소음 예측이 수반되는 Viterbi 알고리즘을 사용하여 최적의 MLSE를 효율적으로 구현할 수 있다.^[11]예측 변수 계수와 예측 오류 모두 로컬 데이터 패턴에 따라 달라지기 때문에 결과 구조를 데이터 의존형 NPML 검출기라고 부른다.^[1][12][10]데이터 의존적인 NPML에 감소된 상태 시퀀스 탐지 체계를 적용하여 구현 복잡성을 줄일 수 있다.null

NPML과 그 다양한 형태는 저밀도 패리티 검사(LDPC) 코드와 같은 소프트 디코딩을 스스로 제공하는 고급 오류 수정 코드를 채택한 기록 시스템에 사용되는 핵심 읽기 채널 및 탐지 기술을 나타낸다.만약noise-predictive 검출 최대 함께 수행되는 동안 성능의 장점 noise-predictiv와 관련된 고정 예를 들어, BCJR 같은 사후적(MagrebArabePresse마그레브 아랍 통신)검색 알고리즘 algorithm[13] 다음 NPML과 NPML-like 탐지, 개별 코드 기호에 부드러운 신뢰성 정보의 계산할 수 있다.et에크니크이러한 방식으로 생성된 소프트 정보는 오류 수정 코드의 소프트 디코딩에 사용된다.더욱이 디코더가 계산한 소프트 정보를 소프트 검출기에 다시 공급해 검출 성능을 향상시킬 수 있다.이러한 방식으로 연속적인 소프트 검출/디코딩 라운드에서 디코더 출력에서 오류율 성능을 반복적으로 개선할 수 있다.null

역사

1980년대부터 디스크 드라이브에 몇 가지 디지털 신호 처리 및 코딩 기술이 도입되어 더 높은 면적 밀도에서 작동하고 제조 및 서비스 비용을 절감하기 위한 드라이브 오류율 성능을 향상시켰다.1990년대 초, PRML 기법으로^[14][15][16] 알려진 부분응답 등급4^[14][15][16](Prepart-response-class-4) 신호 형상은 최대우도 시퀀스 검출과 함께 이루어졌으며, 결국 RLL(run-length-limited) (d,k) 구속 코딩을 사용하던 피크 검출 시스템을 대체하였다.이 개발은 자기 데이터 저장소에 첨단 코딩 및 신호 처리 기법의^[1] 미래 응용을 위한 길을 닦았다.null

NPML 검출은 1996년에^[4][17] 처음 설명되었고 결국 HDD 읽기 채널 설계에서 광범위한 응용 프로그램을 발견했다.그“소음 예측”개념 후에 자동 회귀(AR)소리 프로세스는 더 다루기 쉽고 자동 회귀 확대되었다 moving-average(육군 무관)정지 소음 개념은 머리, 그리고 지터와 미디어 소음과 같은 비정상 소음 발생원, 다양한 포함하도록 확대되었다;[10][11][12]다양한 후처리 s에 적용되었다 processes[2]chemes.[18][19][20]소음 예측은 다양한 반복 검출/디코딩 체계에서 미터법 계산의 필수적인 부분이 되었다.null

부분응답 최대우도(PRML)와 소음예측 최대우도(NPML) 검출에 대한 선구적 연구와 그것이 산업에 미치는 영향에 대한 연구는^[21] 2005년 유럽에듀어드라인재단 기술상(European Eduard Rhein Foundation Technology Award)에서 인정받았다.^[22]null

적용들

NPML 기술은 1990년대 후반 IBM의 HDD 제품군에 처음 도입되었다.^[23]결국 소음 예측 검출은 사실상의 표준이 되었고 그 다양한 인스턴스화는 HDD 시스템에서 읽기 채널 모듈의 핵심 기술이 되었다.^[24][25]null

2010년에는 IBM의 LTO(Linear Tape Open) 테이프 드라이브 제품에 NPML이 도입되었고, 2011년에는 IBM의 엔터프라이즈급 테이프 드라이브에 도입되었다.^{[citation needed]}null

참고 항목

• 최대우도
• 부분 반응 최대 우도
• 비테르비 알고리즘

참조