CN110211611B - 二维信道均衡模型训练方法及二维信道均衡方法 - Google Patents
二维信道均衡模型训练方法及二维信道均衡方法 Download PDFInfo
- Publication number
- CN110211611B CN110211611B CN201910440998.XA CN201910440998A CN110211611B CN 110211611 B CN110211611 B CN 110211611B CN 201910440998 A CN201910440998 A CN 201910440998A CN 110211611 B CN110211611 B CN 110211611B
- Authority
- CN
- China
- Prior art keywords
- channel equalization
- dimensional channel
- dimensional
- read
- model
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- 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
- G06N3/045—Combinations of 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
- G11B20/10—Digital recording or reproducing
- G11B20/10009—Improvement or modification of read or write signals
- G11B20/10046—Improvement or modification of read or write signals filtering or equalising, e.g. setting the tap weights of an FIR filter
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
- Digital Magnetic Recording (AREA)
Abstract
本发明公开了一种二维信道均衡模型训练方法及二维信道均衡方法,属于磁记录领域,包括:建立基于前馈神经网络的二维信道均衡模型,用于根据回读数据块对其内部的子数据块进行二维均衡,得到均衡之后的回读信息;模型中各隐藏层均采用非线性激活函数;在已写入已知数据的磁盘中,在相邻多个轨道中获取等长的比特序列以构成回读数据块,并获得对应的写入数据块,将回读数据块作为特征信息,将该写入数据块内部的子数据块作为标记信息,由标记信息和特征信息构成训练样本;得到包含多个训练样本的训练样本集后,对二维信道均衡模型进行训练。本发明能够对磁盘进行二维均衡,有效抑制非线性噪声,并避免因重复计算均衡系数而增加***延迟。
Description
技术领域
本发明属于磁记录领域,更具体地,涉及一种二维信道均衡模型训练方法及二维信道均衡方法。
背景技术
磁盘是目前应用广泛的一种存储设备。由于巨磁阻效应磁头、垂直磁记录介质、高速读写通道等技术的持续发展和应用,磁盘存储的最高记录密度已达到现有技术的理论极限。为突破磁记录的密度瓶颈,学术界和产业界提出了多种技术途径,如比特图案化磁记录(BPMR)、热辅助磁记录(HAMR)、微波辅助磁记录(MAMR)、瓦记录(SMR)、二维磁记录技术(TDMR)等,这些技术途径的信息写入过程都依赖于瓦记录技术。瓦记录技术中,信息写入过程如同叠瓦片一样,通过部分覆盖之前已写入数据的磁道可显著减小磁道宽度,从而提高道密度和整体的面密度。但由于面密度的提高,读头尺寸大于单个比特位的尺寸,记录信号的回读过程同时受到两个(即沿磁道和跨磁道)方向上相邻位元的影响,从而不可避免地引入道间串扰(Inter-track Interference,ITI)和码间串扰(Inter-symbol Interference,ISI),进一步会严重影响回读数据块的错误率。
为了保证磁盘中回读数据块的错误率满足***需求,需要通过信道均衡技术消除回读过程中的道间串扰和码间串扰。在数据存储领域,传统的信道均衡技术主要包括线性均衡和非线性均衡。线性均衡方法主要使用有限脉冲响应(FIR)滤波器、迫零均衡器(ZFE)及基于最小均方误差(MSE)准则的自适应线性均衡器等;非线性均衡方法主要使用判决反馈均衡器(Decision-Feedback Equalizer,DFE),使用这一滤波器仅能消除码间串扰,即仅能实现一维均衡。
目前,磁盘存储***广泛使用有限脉冲响应滤波器,包括一维FIR滤波器和二维FIR滤波器。采用FIR滤波器的通道模型如图1所示,模型输入端的信号序列/块a经过存储通道变成信号x,经过回读得到信号y,均衡器(滤波器)的作用是尽可能消除信号y中由通道引入的串扰及***其他噪声,使其输出接近理想通道产生的信号d,通过求解最小化均方误差序列/块e的解,从而计算出输入信号序列/块所对应的最佳均衡器系数。通过这种方法计算得到的滤波器系数尽管能最大限度地匹配每次参与计算的被均衡序列/块,但所得到的均衡器系数通常是最小化MSE的局部最优解,随着磁头的运动,读取数据序列/块的窗口发生改变时每次都要重新计算当前状态的均衡器系数,从而会引入大量计算而增加***延迟。此外,基于FIR的信道均衡方法的实质是线性均衡方法,对于存在诸如二维串扰及其他非线性噪声的***而言,无法有效抑制或消除这些非线性噪声。
总体而言,目前,应用于磁盘的二维信道均衡方法,不能有效抑制非线性噪声,并可能在回读过程中增加***延迟。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了一种二维信道均衡模型训练方法及二维信道均衡方法,其目的在于,在对磁盘进行二维均衡的同时,有效抑制非线性噪声,并避免因重复计算均衡系数而增加***延迟。
为实现上述目的,按照本发明的第一方面,提供了一种适用于磁盘块数据检测的二维信道均衡模型训练方法,包括:
(S1)建立基于前馈神经网络的二维信道均衡模型,用于根据回读得到的原始数据块对其内部的子数据块进行二维均衡,从而得到消除二维串扰之后的回读信号;
原始数据块由相邻多个轨道中等长的比特序列构成;二维信道均衡模型中,各隐藏层的激活函数均为非线性激活函数;
(S2)在已写入已知数据的磁盘中,分别在相邻的C个轨道中获取长度为D的比特序列,以构成C行D列的回读数据块,并获得对应的写入数据块,将该回读数据块作为特征信息,将该写入数据块内部E行F列的子数据块作为标记信息,从而得到由特征信息和标记信息构成的一个训练样本;
(S3)重复执行步骤(S2)多次,以得到多个训练样本,并利用所有训练样本构建训练样本集;
(S4)利用训练样本集对二维信道均衡模型进行训练,以确定模型参数和隐藏层层数,从而得到训练好的二维信道均衡模型;
其中,C>E,D>F。
本发明第一方面所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,基于前馈神经网络建立二维信道均衡模型,并基于块数据构造训练样本,由于块数据中同时包含道间串扰和码间串扰,因此,本发明能够同时消除回读数据块中的道间串扰和码间串扰,实现二维信道均衡;由于二维信道均衡模型中,各隐藏层的激活函数均为非线性函数,由此能够有效抑制非线性噪声;本发明利用多个训练样本对二维信道均衡模型进行训练,在模型训练过程中所确定的模型参数和隐藏层层数均为全局最优解,因此,在磁头回读窗口发生变化时,无需重新确定相关参数,有效避免了重复计算所增加的***延迟。
进一步地,若C、D、E和F均为奇数,则各训练样本中,作为标记信息的子数据块位于对应写入数据块的中心;由于读头回读响应中心对称,与对应写入数据块的中心重合的标记信息即为理想均衡目标,所训练的模型能够有效表征并抑制中心位置所受到周围信号的串扰。
进一步地,二维信道均衡模型中,各隐藏层的激活函数均为Tan-Sigmoid非线性函数;Tan-Sigmoid非线性函数的计算结果以0为中心对称分布,与记录信号的磁化强度分布对应,有利于后续与APP检测器级联计算软信息或直接作为软信息,由此简化了模型结构。
进一步地,步骤(S4)中,利用训练样本集对二维信道均衡模型进行训练,所采用的训练方法为反向传播算法在batch模式下更新网络各层权重及偏置系数。
进一步地,获取回读数据块的方式为:单读头异步获取的方式或者读头阵列同步获取的方式;磁盘可能为道间串扰较小的一维磁存储***(Conventional MagneticRecording,CMR),也可能为同时存在较大道间串扰和码间串扰的二维磁存储***(TDMR),本发明可以很好地兼容一维磁存储***和二维磁存储***。
按照本发明的第二方面,提供了一种适用于磁盘块数据检测的二维信道均衡方法,包括:从磁盘获取待均衡的回读数据块后,以所获取到的信息为输入,利用已训练好的二维信道均衡模型获得消除二维串扰之后的回读信息;
其中,二维信道均衡模型由本发明第一方面所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法训练得到。
进一步地,本发明第二方面提供的适用于磁盘块数据检测的二维信道均衡方法,还包括:获得消除二维串扰之后的回读信息后,对其中每一个轨道的比特序列进行译码,以恢复得到对应的写入信息。
按照本发明的第三方面,提供了一种适用于磁盘块数据检测的二维信道均衡模型训练方法,包括:
(T1)建立基于前馈神经网络的二维信道均衡模型,用于根据回读得到的原始数据块及对应的读头状态信息对该原始数据块内部的子数据块进行二维均衡,从而得到消除二维串扰之后的回读信号;
原始数据块由相邻多个轨道中等长的比特序列构成;二维信道均衡模型中,各隐藏层的激活函数均为非线性激活函数;
(T2)在已写入已知数据的磁盘中,分别在相邻的C个轨道中获取长度为D的比特序列,以构成C行D列的回读数据块,并分别获得对应的读头状态信息和写入数据块,将该回读数据块及对应的读头状态信息作为特征信息,将该写入数据块内部E行F列的子数据块作为标记信息,从而得到由特征信息和标记信息构成的一个训练样本;
(T3)重复执行步骤(T2)多次,以得到多个训练样本,并利用所有训练样本构建训练样本集;
(T4)利用训练样本集对二维信道均衡模型进行训练,以确定模型参数和隐藏层层数,从而得到训练好的二维信道均衡模型;
其中,C>E,D>F。
本发明第三方面所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,实现了二维信道均衡,能够有效抑制非线性噪声,并有效避免了磁头回读窗口发生变化时重复计算所增加的***延迟;此外,由于在构建模型的训练样本时,会同时考虑回读数据块和对应的读头状态信息,因此,还能够能够充分利用回读信号对记录信息及***状态的依赖性,准确消除回读数据块中的二维串扰。
本发明第一方面和第三方面所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,其二维信道均衡模型可支持多输入(C>1)和单输出(E=1);还可支持多输入(C>1)和多输出(E>1),此时易于并行化的硬件实现,并能良好兼容多读头阵列多回读通道结构。
进一步地,若C、D、E和F均为奇数,则各训练样本中,作为标记信息的子数据块位于对应写入数据块的中心;由于读头回读响应中心对称,与对应写入数据块的中心重合的标记信息即为理想均衡目标,所训练的模型能够有效表征并抑制中心位置所受到周围信号的串扰。
进一步地,二维信道均衡模型中,各隐藏层的激活函数均为Tan-Sigmoid非线性函数;Tan-Sigmoid非线性函数的计算结果以0为中心对称分布,与记录信号的磁化强度分布对应,有利于后续与APP检测器级联计算软信息或直接作为软信息,由此简化了模型结构。
进一步地,步骤(T4)中,利用训练样本集对二维信道均衡模型进行训练,所采用的训练方法为反向传播算法在batch模式下更新网络各层权重及偏置系数。
进一步地,读头状态信息包括读头飞高、斜交角、轨道偏移;读头的这些信息与回读数据块中的二维串扰密切相关,在构建模型训练样本时,采集这些信息,能够充分利用回读信号对记录信息及***状态的依赖性,准确消除回读数据块中的二维串扰。
进一步地,获取回读数据块的方式为:单读头异步获取的方式或者读头阵列同步获取的方式;磁盘可能为道间串扰较小的一维磁存储***(Conventional MagneticRecording,CMR),也可能为同时存在较大道间串扰和码间串扰的二维磁存储***(TDMR),本发明可以很好地兼容一维磁存储***和二维磁存储***。
按照本发明的第四方面,提供了一种适用于磁盘块数据检测的二维信道均衡方法,包括:
从磁盘获取待均衡的回读数据块及对应的读头状态信息后,以所获取到的信息为输入,利用已训练好的二维信道均衡模型获得消除二维串扰之后的回读信息;
其中,二维信道均衡模型由本发明第三方面所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法训练得到。
进一步地,本发明第四方面所提供的适用于磁盘块数据检测的二维信道均衡方法,还包括:
获得消除二维串扰之后的回读信息后,对其中每一个轨道的比特序列进行译码,以恢复得到对应的写入信息。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
(1)本发明所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法及二维信道均衡方法,基于前馈神经网络建立二维信道均衡模型,并基于块数据构造训练样本,由此能够实现二维信道均衡;由于二维信道均衡模型中,各隐藏层的激活函数均为非线性函数,因此能够有效抑制非线性噪声;利用多个训练样本对二维信道均衡模型进行训练,在模型训练过程中所确定的模型参数和隐藏层层数均为全局最优解,因此,在磁头回读窗口发生变化时,无需重新确定相关参数,有效避免了重复计算所增加的***延迟。总的来说,本发明能够在对磁盘进行二维均衡的同时,有效抑制非线性噪声,并避免因重复计算均衡系数而增加***延迟。
(2)本发明所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法及二维信道均衡方法,在其优选方案中,在构建模型的训练样本时,会同时考虑回读数据块和对应的读头状态信息,因此,还能够能够充分利用回读信号对记录信息及***状态的依赖性,准确消除回读数据块中的二维串扰。
(3)本发明所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法及二维信道均衡方法,支持通过单读头异步获取的方式或者读头阵列同步获取的方式获取回读数据块,由此能够很好地兼容一维磁存储***和二维磁存储***。
(4)本发明所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法及二维信道均衡方法,其二维信道均衡模型还可支持多输入和多输出,易于并行化的硬件实现,并能良好兼容多读头阵列多回读通道结构。
附图说明
图1为现有的采用FIR滤波器的通道模型示意图;
图2为本发明实施例提供的磁存储***示意图;
图3为本发明实施例提供的基于多输入单输出二维信道均衡模型的磁存储***示意图;
图4为本发明实施例提供的针对图3所示***构造训练样本的方法示意图;
图5为本发明实施例提供的基于多输入多输出二维信道均衡模型的磁存储***示意图;
图6为本发明实施例提供的针对图5所示***构造训练样本的方法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为了在对磁盘进行二维均衡的同时,有效抑制非线性噪声,并避免在回读过程中增加***延迟,在本发明的第一实施例中,本发明提供了一种适用于磁盘块数据检测的二维信道均衡模型训练方法,包括:
(S1)建立基于前馈神经网络的二维信道均衡模型,用于根据回读得到的原始数据块对其内部的子数据块进行二维均衡,从而得到消除二维串扰之后的回读信号;
原始数据块由相邻多个轨道中等长的比特序列构成;
二维信道模型依次包括一层输入层、L层隐藏层以及一层输出层;
其中,输入层的输出为:y(0)=x;x为输入的训练样本,由回读数据块r构成;
第l(l=1,...,L)层隐藏层的输出为:
y(l)=σ(w(l)y(l-1)+b(l)),l=1,...,L
其中,w(l)是第l层隐藏层的系数矩阵,b(l)为第l层隐藏层的偏置系数矢量,w(l)和b(l)为待确定的模型参数,隐藏层的层数L也为待确定的参数;σ(·)为非线性的激活函数;在本实施例中,σ(·)具体为Tan-Sigmoid非线性函数;Tan-Sigmoid非线性函数的计算结果以0为中心对称分布,与记录信号的磁化强度分布对应,有利于后续与APP检测器级联计算软信息或直接作为软信息,由此简化了模型结构;
最后一层输出层的输出为:
y(L+1)=w(L+1)y(L)+b(L+1)
其中,w(L+1)是输出层的系数矩阵,b(L+1)为输出层的偏置系数矢量;
(S2)在已写入已知数据的磁盘中,分别在相邻的C个轨道中获取长度为D的比特序列,以构成C行D列的回读数据块,并获得对应的写入数据块,将该回读数据块作为特征信息,将该写入数据块内部E行F列的子数据块作为标记信息,从而得到由特征信息和标记信息构成的一个训练样本;
其中,C>E且D>F;
在本发明中,数据块(包括回读数据块和写入数据块)中的多行数据来自相邻的多个轨道,数据块中的每一行数据为一个轨道中的比特序列,且该比特序列的长度为该数据块的列数;
(S3)重复执行步骤(S2)多次,以得到多个训练样本,并利用所有训练样本构建训练样本集;
可选地,为保证模型训练得到全局最优解,保证训练样本集中的回读数据块覆盖到全盘存储范围;
(S4)利用训练样本集对二维信道均衡模型进行训练,以确定模型参数和隐藏层层数,从而得到训练好的二维信道均衡模型;
在一个可选的实施方式中,步骤(S4)中,利用训练样本集对二维信道均衡模型进行训练,所采用的训练方法为反向传播算法在batch模式下更新网络各层权重及偏置系数。
本发明第一实施例所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,基于前馈神经网络建立二维信道均衡模型,并基于块数据构造训练样本,由于块数据中同时包含道间串扰和码间串扰,因此,本发明第一实施例能够同时消除回读数据块中的道间串扰和码间串扰,实现二维信道均衡;由于二维信道均衡模型中,各隐藏层的激活函数均为非线性函数,由此能够有效抑制非线性噪声;本发明第一实施例利用多个训练样本对二维信道均衡模型进行训练,在模型训练过程中所确定的模型参数和隐藏层层数均为全局最优解,因此,在磁头回读窗口发生变化时,无需重新确定相关参数,有效避免了重复计算所增加的***延迟。
基于本发明第一实施例提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,本发明所提供的适用于磁盘块数据检测的二维信道均衡方法,包括:从磁盘获取待均衡的回读数据块后,以所获取到的信息为输入,利用已训练好的二维信道均衡模型获得消除二维串扰之后的回读信息;
其中,二维信道均衡模型由本发明第一实施例所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法训练得到;
为恢复得到目标数据块所对应的写入数据块,在一个可选的实施方式中,上述适用于磁盘块数据检测的二维信道均衡方法,还可包括:
获得消除二维串扰之后的回读信息后,对其中每一个轨道的比特序列进行译码,以恢复得到对应的写入数信息;
在本实施例中,具体的译码方式可为Turbo译码。
为了在对磁盘进行二维均衡的同时,有效抑制非线性噪声,并避免在回读过程中增加***延迟,在本发明的第二实施例中,本发明提供了一种适用于磁盘块数据检测的二维信道均衡模型训练方法,包括:
(T1)建立基于前馈神经网络的二维信道均衡模型,用于根据回读得到的原始数据块及对应的读头状态信息对该原始数据块内部的子数据块进行二维均衡,从而得到消除二维串扰之后的回读信号;
原始数据块由相邻多个轨道中等长的比特序列构成;
二维信道模型依次包括一层输入层、L层隐藏层以及一层输出层;
其中,输入层的输出为:y(0)=x;x为输入的训练样本,由回读数据块r和对应读头状态信息s构成;
第l(l=1,...,L)层隐藏层的输出为:
y(l)=σ(w(l)y(l-1)+b(l)),l=1,...,L
其中,w(l)是第l层隐藏层的系数矩阵,b(l)为第l层隐藏层的偏置系数矢量,w(l)和b(l)为待确定的模型参数,隐藏层的层数L也为待确定的参数;σ(·)为非线性的激活函数;在本实施例中,σ(·)具体为Tan-Sigmoid非线性函数;Tan-Sigmoid非线性函数的计算结果以0为中心对称分布,与记录信号的磁化强度分布对应,有利于后续与APP检测器级联计算软信息或直接作为软信息,由此简化了模型结构;
最后一层输出层的输出为:
y(L+1)=w(L+1)y(L)+b(L+1)
其中,w(L+1)是输出层的系数矩阵,b(L+1)为输出层的偏置系数矢量;
二维信道均衡模型中,各隐藏层的激活函数均为非线性激活函数;
回读数据块对应的读头状态信息,具体是指获取该回读数据块时,读头(reader/read head)的状态信息;
在一个可选的实施方式中,读头状态信息包括读头飞高、斜交角、轨道偏移;读头的这些信息与回读数据块中的二维串扰密切相关,在构建模型训练样本时,采集这些信息,能够充分利用回读信号对记录信息及***状态的依赖性,准确消除回读数据块中的二维串扰;
应当理解的是,通常情况下,上述具体的读头状态信息是一种较优的选择,但在具体应用中,也可根据应用需要和磁盘本身的特性,选择用其他参数表征读头状态信息;
(T2)在已写入已知数据的磁盘中,分别在相邻的C个轨道中获取长度为D的比特序列,以构成C行D列的回读数据块,并分别获得对应的读头状态信息和写入数据块,将该回读数据块及对应的读头状态信息作为特征信息,将该写入数据块内部E行F列的子数据块作为标记信息,从而得到由特征信息和标记信息构成的一个训练样本;
其中,C>E且D>F;
在本发明中,数据块(包括回读数据块和写入数据块)中的多行数据来自相邻的多个轨道,数据块中的每一行数据为一个轨道中的比特序列,且该比特序列的长度为该数据块的列数;
(T3)重复执行步骤(T2)多次,以得到多个训练样本,并利用所有训练样本构建训练样本集;
可选地,为保证模型训练得到全局最优解,保证训练样本集中的回读数据块覆盖到全盘存储范围;
(T4)利用训练样本集对二维信道均衡模型进行训练,以确定模型参数和隐藏层层数,从而得到训练好的二维信道均衡模型;
在一个可选的实施方式中,步骤(T4)中,利用训练样本集对二维信道均衡模型进行训练,所采用的训练方法为反向传播算法在batch模式下更新网络各层权重及偏置系数。
与本发明第一实施例相同,本发明第二实施例所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,同样实现了二维信道均衡,能够有效抑制非线性噪声,并有效避免了磁头回读窗口发生变化时重复计算所增加的***延迟;此外,在发明的第二实施例中由于在构建模型的训练样本时,会同时考虑回读数据块和对应的读头状态信息,因此,发明的第二实施例还能够能够充分利用回读信号对记录信息及***状态的依赖性,准确消除回读数据块中的二维串扰。
基于本发明第二实施例提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,本发明所提供的适用于磁盘块数据检测的二维信道均衡方法,包括:
从磁盘获取待均衡的回读数据块及对应的读头状态信息后,以所获取到的信息为输入,利用已训练好的二维信道均衡模型获得消除二维串扰之后的回读信息;
其中,二维信道均衡模型上述适用于磁盘块数据检测的二维信道均衡模型训练方法训练得到;
为恢复得到目标数据块所对应的写入数据块,在一个可选的实施方式中,上述适用于磁盘块数据检测的二维信道均衡方法,还可包括:
获得消除二维串扰之后的回读信息后,对其中每一个轨道的比特序列进行译码,以恢复得到对应的写入数信息;
在本实施例中,具体的译码方式可为Turbo译码。
为了兼容一维存储***和二维存储***,在上述第一实施例和上述第二实施例中,可选地,获取回读数据块的方式为:单读头异步获取的方式或者读头阵列同步获取的方式;磁盘可能为利用单个读头执行回读操作的一维磁存储***(Conventional MagneticRecording,CMR),也可能为利用读头阵列执行回读操作的二维磁存储***(TDMR),同时支持这两种获取回读数块的方式,使得本发明可以很好地兼容一维磁存储***和二维磁存储***;
可选地,在上述第一实施例和上述第二实施例中,若C、D、E和F均为奇数,则各训练样本中,作为标记信息的子数据块位于对应写入数据块的中心;由于读头响应具有对称性,通常C、D、E、F均为奇数,与对应写入数据块的中心重合的标记信息即为理想均衡目标,所训练的模型能够有效表征并抑制中心位置所受到周围信号的串扰。
基于本发明第一实施例或第二实施例所提供的适用于磁盘块数据检测的二维信道均衡模型训练方法,磁存储***如图2所示,其中的二维信道均衡模型可支持多输入(C>1)和单输出(E=1);还可支持多输入(C>1)和多输出(E>1),此时易于并行化的硬件实现,并能良好兼容多读头阵列多回读通道结构。
为进一步解释上述技术方案,以下结合附图对多输入单输出(Multi InputSingle Output,MISO)的二维信道均衡模型,以及多输入多输出(Multi Input MultiOutput,MIMO)的二维信道均衡模型中,训练样本的构造作更进一步的说明;由于上述第二实施例的训练样本中,包含上述第二实施例的训练样本中的全部信息,在此仅针对上述第二实施例的训练样本构造进行说明。
基于MISO二维信道均衡模型的磁存储***如图3所示,其磁盘中已预先写入已知数据,其中一个训练样本的构造过程如图4所示,具体如下;
单读头异步或读头阵列同步获得多个相邻轨道的连续回读信息及相应的读头状态信息,其中回读数据块rC×D为相邻C个轨道大小为C×D的回读数据块,表示与回读数据块每个比特位置对应的第n个状态的状态数据块,所有状态的状态数据块即为回读数据块rC×D所对应的读头状态信息s;
从磁盘中获得与回读数据块rC×D的每一个比特位置对应的写入数据块,在图4中,C、D、E、F均为奇数,E=1,取写入数据块中心的1行F列的子数据块t,将回读数据块rC×D和读头状态信息s作为特征信息(Feature),将子数据块t作为标记信息(Label),由该特征信息和该标记信息构成一个训练样本。
基于MIMO二维信道均衡模型的磁存储***如图5所示,其磁盘中已预先写入已知数据,其中一个训练样本的构造过程如图6所示,具体如下;
单读头异步或读头阵列同步获得多个相邻轨道的连续回读信息及相应的读头状态信息,其中回读数据块rC×D为相邻C个轨道大小为C×D的回读数据块,表示与回读数据块每个比特位置对应的第n个状态的状态数据块,所有状态的状态数据块即为回读数据块rC×D所对应的读头状态信息s;
从磁盘中获得与回读数据块rC×D的每一个比特位置对应的写入数据块,在图4中,C、D、E、F均为奇数,E=3,取写入数据块中心的3行F列的子数据块t,将回读数据块rC×D和读头状态信息s作为特征信息(Features),将子数据块t作为标记信息(Labels),由该特征信息和该标记信息构成一个训练样本。
针对上述第一方法实施例中训练样本的具体构造过程,可参考上述描述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种适用于磁盘块数据检测的二维信道均衡模型训练方法,其特征在于,包括:
(S1)建立基于前馈神经网络的二维信道均衡模型,用于根据回读得到的原始数据块对其内部的子数据块进行二维均衡,从而得到消除二维串扰之后的回读信号;
所述原始数据块由相邻多个轨道中等长的比特序列构成;所述二维信道均衡模型中,各隐藏层的激活函数均为非线性激活函数;
(S2)在已写入已知数据的磁盘中,分别在相邻的C个轨道中获取长度为D的比特序列,以构成C行D列的回读数据块,并获得对应的写入数据块,将该回读数据块作为特征信息,将该写入数据块内部E行F列的子数据块作为标记信息,从而得到由所述特征信息和所述标记信息构成的一个训练样本;
(S3)重复执行步骤(S2)多次,以得到多个训练样本,并利用所有训练样本构建训练样本集;
(S4)利用所述训练样本集对所述二维信道均衡模型进行训练,以确定模型参数和隐藏层层数,从而得到训练好的二维信道均衡模型;在模型训练过程中所确定的模型参数和隐藏层层数均为全局最优解;
其中,C>E,D>F。
2.如权利要求1所述的适用于磁盘块数据检测的二维信道均衡模型训练方法,其特征在于,若C、D、E和F均为奇数,则各训练样本中,作为标记信息的子数据块位于对应写入数据块的中心。
3.如权利要求1所述的适用于磁盘块数据检测的二维信道均衡模型训练方法,其特征在于,所述二维信道均衡模型中,各隐藏层的激活函数均为Tan-Sigmoid非线性函数。
4.如权利要求1所述的适用于磁盘块数据检测的二维信道均衡模型训练方法,其特征在于,获取回读数据块的方式为:单读头异步获取的方式或者读头阵列同步获取的方式。
5.一种适用于磁盘块数据检测的二维信道均衡方法,其特征在于,包括:从磁盘获取待均衡的回读数据块后,以所获取到的信息为输入,利用已训练好的二维信道均衡模型获得消除二维串扰之后的回读信息;
其中,所述二维信道均衡模型由权利要求1-4任一项所述的适用于磁盘块数据检测的二维信道均衡模型训练方法训练得到。
6.如权利要求5所述的适用于磁盘块数据检测的二维信道均衡方法,其特征在于,还包括:获得消除二维串扰之后的回读信息后,对其中每一个轨道的比特序列进行译码,以恢复得到对应的写入信息。
7.一种适用于磁盘块数据检测的二维信道均衡模型训练方法,其特征在于,包括:
(T1)建立基于前馈神经网络的二维信道均衡模型,用于根据回读得到的原始数据块及对应的读头状态信息对该原始数据块内部的子数据块进行二维均衡,从而得到消除二维串扰之后的回读信号;
所述原始数据块由相邻多个轨道中等长的比特序列构成;所述二维信道均衡模型中,各隐藏层的激活函数均为非线性激活函数;
(T2)在已写入已知数据的磁盘中,分别在相邻的C个轨道中获取长度为D的比特序列,以构成C行D列的回读数据块,并分别获得对应的读头状态信息和写入数据块,将该回读数据块及对应的读头状态信息作为特征信息,将该写入数据块内部E行F列的子数据块作为标记信息,从而得到由所述特征信息和所述标记信息构成的一个训练样本;
(T3)重复执行步骤(T2)多次,以得到多个训练样本,并利用所有训练样本构建训练样本集;
(T4)利用所述训练样本集对所述二维信道均衡模型进行训练,以确定模型参数和隐藏层层数,从而得到训练好的二维信道均衡模型;在模型训练过程中所确定的模型参数和隐藏层层数均为全局最优解;
其中,C>E,D>F。
8.如权利要求7所述的适用于磁盘块数据检测的二维信道均衡模型训练方法,其特征在于,所述读头状态信息包括读头飞高、斜交角、轨道偏移。
9.一种适用于磁盘块数据检测的二维信道均衡方法,其特征在于,包括:
从磁盘获取待均衡的回读数据块及对应的读头状态信息后,以所获取到的信息为输入,利用已训练好的二维信道均衡模型获得消除二维串扰之后的回读信息;
其中,所述二维信道均衡模型由权利要求7或8所述的适用于磁盘块数据检测的二维信道均衡模型训练方法训练得到。
10.如权利要求9所述的适用于磁盘块数据检测的二维信道均衡方法,其特征在于,还包括:
获得消除二维串扰之后的回读信息后,对其中每一个轨道的比特序列进行译码,以恢复得到对应的写入信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440998.XA CN110211611B (zh) | 2019-05-24 | 2019-05-24 | 二维信道均衡模型训练方法及二维信道均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440998.XA CN110211611B (zh) | 2019-05-24 | 2019-05-24 | 二维信道均衡模型训练方法及二维信道均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211611A CN110211611A (zh) | 2019-09-06 |
CN110211611B true CN110211611B (zh) | 2020-06-02 |
Family
ID=67788515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910440998.XA Expired - Fee Related CN110211611B (zh) | 2019-05-24 | 2019-05-24 | 二维信道均衡模型训练方法及二维信道均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211611B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609152A (zh) * | 2023-10-27 | 2024-02-27 | 广州致远仪器有限公司 | 一种数据回读方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6968480B1 (en) * | 2001-12-07 | 2005-11-22 | Applied Micro Circuits Corporation | Phase adjustment system and method for non-causal channel equalization |
CN101001103A (zh) * | 2006-01-12 | 2007-07-18 | 中兴通讯股份有限公司 | 一种上行参考信号定时同步的方法 |
CN101056152A (zh) * | 2006-04-30 | 2007-10-17 | 华为技术有限公司 | 通用移动通信***中的传输方法及其体系 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6498694B1 (en) * | 1999-06-15 | 2002-12-24 | Voyan Technology | Servo error integration in read-channel equalization |
KR100447201B1 (ko) * | 2002-08-01 | 2004-09-04 | 엘지전자 주식회사 | 채널 등화 장치 및 이를 이용한 디지털 tv 수신기 |
CN101291308B (zh) * | 2008-06-06 | 2012-04-18 | 北京中星微电子有限公司 | 一种基于二维内插的自适应信道均衡器及方法 |
US8797666B2 (en) * | 2012-10-12 | 2014-08-05 | Lsi Corporation | Adaptive maximum a posteriori (MAP) detector in read channel |
CN104468432B (zh) * | 2014-12-31 | 2017-09-22 | 电子科技大学 | 一种短波信道下单载波频域均衡的信道估计去噪声方法 |
US9614699B2 (en) * | 2015-08-12 | 2017-04-04 | King Fahd University Of Petroleum And Minerals | Apparatuses and methodologies for decision feedback equalization using particle swarm optimization |
-
2019
- 2019-05-24 CN CN201910440998.XA patent/CN110211611B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6968480B1 (en) * | 2001-12-07 | 2005-11-22 | Applied Micro Circuits Corporation | Phase adjustment system and method for non-causal channel equalization |
US7149938B1 (en) * | 2001-12-07 | 2006-12-12 | Applied Micro Circuits Corporation | Non-causal channel equalization |
CN101001103A (zh) * | 2006-01-12 | 2007-07-18 | 中兴通讯股份有限公司 | 一种上行参考信号定时同步的方法 |
CN101056152A (zh) * | 2006-04-30 | 2007-10-17 | 华为技术有限公司 | 通用移动通信***中的传输方法及其体系 |
Also Published As
Publication number | Publication date |
---|---|
CN110211611A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nabavi et al. | Two-dimensional generalized partial response equalizer for bit-patterned media | |
Chang et al. | Inter-track interference mitigation for bit-patterned magnetic recording | |
CN109104388A (zh) | 用于正则化参数自适应的装置、***和方法 | |
US8175201B2 (en) | Systems and methods for adaptive equalization in recording channels | |
KR101267301B1 (ko) | 채널 파라미터들의 추정을 위한 쌍비트 추출 | |
Nabavi et al. | Modifying Viterbi algorithm to mitigate intertrack interference in bit-patterned media | |
Chan et al. | Data recovery for multilayer magnetic recording | |
Kavcic et al. | Correlation-sensitive adaptive sequence detection | |
Yamashita et al. | Modeling of writing process for two-dimensional magnetic recording and performance evaluation of two-dimensional neural network equalizer | |
KR20070085770A (ko) | 멀티트랙 디지털 데이터 저장장치를 위한 비트 검출 | |
Aboutaleb et al. | Deep neural network-based detection and partial response equalization for multilayer magnetic recording | |
Sayyafan et al. | Deep neural network media noise predictor turbo-detection system for 1-D and 2-D high-density magnetic recording | |
Yao et al. | Two-track joint detection for two-dimensional magnetic recording (TDMR) | |
Vasić et al. | A study of TDMR signal processing opportunities based on quasi-micromagnetic simulations | |
CN110211611B (zh) | 二维信道均衡模型训练方法及二维信道均衡方法 | |
US7724844B2 (en) | Detection of servo data for a servo system | |
Keskinoz | Two-dimensional equalization/detection for patterned media storage | |
Ozaki et al. | ITI canceller for reading shingle-recorded tracks | |
Chan et al. | Comparison of one-and two-dimensional detectors on simulated and spin-stand readback waveforms | |
Sadeghian et al. | Asynchronous multitrack detection with a generalized partial-response maximum-likelihood strategy | |
Nakamura et al. | A study of samples captured at phases for multi-dimensional magnetic recording system with double recording layers | |
Ide | A modified PRML channel for perpendicular magnetic recording | |
Hwang | Asynchronous inter-track interference cancellation (A-ITIC) for interlaced magnetic recording (IMR) | |
CN113610216A (zh) | 基于极性转***信息辅助的多任务神经网络及多磁道检测方法 | |
IE20150077A1 (en) | Low complexity inter-track interference cancellation receiver for magnetic multiple-input, multiple-output (MIMO) channel. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 Termination date: 20210524 |