גישות חדשניות למינימיזציה שגיאות במערכות שינוי דלתא

מבוא ל- Delta Modulation ו- Quantization Error Challenge

צורת דלתא נותרה טכניקה בסיסית להמרות אנלוגית-דיגיטלית, שהוצעה לפשטות, לעקביות נמוכה ולדרישות חומרה מינימליות.בניגוד למודולציה בקוד הדופק המסורתי (PCM) המקודמת כל מדגם באופן עצמאי, דלה מודציה משדרת רק את ההבדל (השלידאקו;דל ורדקוו;) בין דגימות רצופות אלה, או מעט מאוד, הופכת לייצוג אידיאלי עבור יישומים קצרים, או קומפקטיים, כמו רשתות תקשורת אלחוטיות, או קומפקטיות, כמו קומפקטיות, כמו קומפקטיות, או קומפקטיות, כמו קומפקטיות, כמו קומפקטיות, או קומפקטיות, כמו רשתות אלחוטיות, או קומפקטיות, כמו קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, כמו רשתות תקשורת אלחוטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטיות, קומפקטי

למרות יעילותו, דלה מודציה סובלת ממגירה מתמשכת: טעות קוונטית.שגיאה זו עולה כי אות אנלוגי מתמשך הוא משוער על ידי שלבים דיסקרטיים. כאשר האות משתנה מהר מדי ומדיד; מהיר יותר מאשר גודל הצעד יכול לעקוב אחר ו mdash; המערכת נכנסת לעומס יתר, ייצור עיוותים גדולים.

לכן, שגיאות קוונטיות מינימליות הפכו למטרה מרכזית של עיצוב מודרני של דלה מודולציה. במהלך העשור האחרון, החוקרים הציגו מגוון של גישות חדשניות הדוחקות גבולות ביצועים מבלי להקריב את היתרונות הטבועים של Modulation דלה. מאמר זה חוקר את החידושים האלה, מאלגוריתמים הסתגלות לשילוב של מכונות, ומסביר כיצד הם להפחית את השגיאה תוך שמירה על מורכבות נמוכה.

הבנת טעות ב- Delta Modulation

טעות קוונטית במודולציה דלה יכולה להיות מוקצה לשני צורות עיקריות: מדרדרון עיוות יתר רעש גרניט. Slope overload מתרחשת כאשר אות ’ שיעור השינוי עולה על המדרקון המקסימלי המנטר יכול לייצר.במהות, גודל הצעד קטן מדי כדי לעקוב אחר שינויים מהירים, מה שגורם לאות המשוחזר להתגש מאחורי הקלט.

מבחינה מתמטית, טעות הקוונטית (FLT:0) היא המדגם המקורי ו x ⁇ [n]=x[n] – x ⁇ [n] (במקום x [n] הוא הדגימה המקורית ו x ⁇ [n] הוא הדגימה המשוחזרת) קשורה בגודל הצעד ⁇ .עם זאת, חלוקת השגיאה זו אינה אחידה; היא מאוד מקבילה עם האות & quro; הוא תדר חיוני לתבניות אלה.

ניתוחים מסורתיים לעתים קרובות לאפיין את המודולציה דלה כצורה של קוונטיזציה חד פעמית עם לולאה משוב.המסום לולאה מעצב את הרעש הקוונטי, אבל ללא תכנון זהיר, ספקטרום הרעש יכול לחפוף באופן משמעותי עם להקת האות.חדשנות במטרה להפחית את הספקטרום או להתאים את הפרמטרים של המערכת בזמן אמת כדי לשמור את השגיאה באופן חד פעמי או פונקציונלי מינימלי.

טכניקות מסורתיות להורדת שגיאות

לפני בחינה של פתרונות מתקדמים, זה עוזר לבחון את השיטות שנקבעו הניח את היסודות.טכניקות אלה, תוך יעילות לתואר, לבוא עם שינויים מסחר כי מאוחר יותר חידושים מבקשים להתגבר.

גודל שלב הסתגלות

הגישה הישירה ביותר לצמצום השגיאה של הקוונטיזציה היא להגדיל את גודל הצעד ⁇ .צעד גדול יותר מאפשר למודול לעקוב אחר אותות מהירים יותר, צמצום עומס יתר של המדרונות.עם זאת, זה מגיע עלות הרעש הגובר במהלך תקופות אות איטיות. , צעד קטן יותר מקטין מפחית רעש גרניט אבל מחמיר את המריפוע.ה הפתרון הקלאסי הוא להשתמש בגודל קבוע כי הם לעתים קרובות איזון קיצוני עבור יישומים קיצוניים, אבל לעתים קרובות.

Companding (Compression – הרחבה)

Companding חל על הדגימה הלא ליניארית לאות קלט לפני הפורמטיבי. על ידי דחיסת הטווח הדינמי לפני קידוד והרחבתו לאחר שיקום, גודל הצעד היעיל הופך להיות תלוי אות: צעדים קטנים יותר עבור אותות ברמה נמוכה וצעדים גדולים יותר עבור אותות ברמה גבוהה.טכניקה זו מפחיתה באופן משמעותי את המרב המרב וגם רעש גרניטארי מעבר לטווח רחב יותר של אמפקט.

אינטגרציה ופילטרים Pre-emphasis

טכניקה מסורתית נוספת כרוכה הצבת integrator הזמנה ראשונה במסלול קדימה של Modulator delta. integrator ’ של pre-emphasizes גבוה ⁇ , מה שהופך את המנטר רגיש יותר לשינויים מהירים.זה מקטין את המרפק תוך שמירה על גודל צעד מתון.

שיטות אלה, בעוד בעל ערך, יש מגבלות.הם לעתים קרובות לסחור בטווח דינמי לביצועי רעש, או שהם מגבירים מורכבות המעגל.החיפוש אחר ביצועים טובים יותר ללא חסרונות אלה הוביל את הפיתוח של תוכניות הסתגלות מתוחכמת יותר וחיזוי.

גישות חדשניות ל-Minimize שגיאות Quantization

מחקרים אחרונים יצרו מספר טכניקות פורצות דרך אשר מתאמות באופן פעיל את הפרמטרים של Modulation בהתבסס על האות ’ התנהגות מיידית. גישות אלה ממנפות עיבוד אותות דיגיטליים (DSP) ואלגוריתמים למידה כדי להשיג ביצועים כמעט-אופטימליים.

בקרת גודל שלב הסתגלות

בקרת שלב הסתגלות מחליפה את הצעד הקבוע ⁇ עם צעד משתנה המשתנה בזמן אמת. אלגוריתמים רבים הוצעו, המפורסם ביותר להיות מהפך של סלופה משתנה רציף (CVSD) מודולציה. CVSD לפקח על דפוס של אלגוריתמים רצופים או אפסים בזרם הקטן: אם המנטרן מתכווץ מטווח ארוך של ביטים זהים, הוא מציין על פני, ואת הגודל הוא גדל, הוא מציע אפסי, הוא, הוא, הוא נמוך כל כך, הוא, הוא, הוא אומר, הוא, הוא, הוא, הוא, הוא, הוא, הוא מעלה, הוא מעלה, הוא, הוא, הוא, הוא, הוא, הוא, הוא, הוא, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא, הוא מעלה, הוא מעלה, הוא, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, מכווץ, הוא, הוא, הוא מעלה, הוא מעלה, הוא מעלה, הוא, הוא מעלה, הוא, הוא, הוא, הוא, הוא מעלה, הוא, הוא, הוא, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא מעלה, הוא,

יישום מודרני הסתגלותי להשתמש בקריטריונים מתוחכמים יותר, כגון מדידת הנגזר המקומי של אות קלט או הפעלת רשת עצבית כדי לחזות את הצעד האופטימלי.שיטות אלה יכולות להשיג רמות שגיאה המתקרבות לאלה של PCM גבוה יותר תוך שמירה על שיעור נמוך של דלה מודולציה. גודל שלב הסתגלות הוא בשימוש נרחב במערכות תקשורת צבאיות, קוד הקול Bluetooth, ו שידור אודיו נמוך.

אחת הקידום הבולט היא השימוש במערכת הסתגלות כפולה-פרלופית, אשר באופן עצמאי מתאים את גודל הצעד עבור עומס יתר על המידה ותנאי רעש גרניט.על ידי פירוק שני מקורות השגיאה, האלגוריתם יכול להגיב מהר יותר לשינויים טרנסים ללא הגדלת רעש במהלך מצב יציב. גישה זו הוכח להפחית את עיוות הרמוני הכולל (THD) על ידי עד 6B בהשוואה למערכות חד-לשוניות יחיד.

שינוי דלתא (PDM)

מודולציה חיזוי דלה משלב מודל חיזוי אות ללאה מודולציה. במקום לכמת את ההבדל הגולמי בין דגימות נוכחיות ו קודמות, המערכת צופה ערך הדגימה הבא באמצעות נתונים קודמים ומדמת רק את השגיאה החיזוי.אם החיזוי מדויק, השגיאה היא קטנה, ואת צעד הקוונטי יכול להיות בסדר.

קיימות אסטרטגיות חיזוי חיזוי שורה (LP) מודלים האות כתהליך אוטומטי, באמצעות קידודים המוערך מסטטיסטיקות האותות. תחזיות לא ליניאריות המבוססות על רשתות עצביות או מסננים וולטרה יכולות ללכוד דינמיות מורכבות יותר, אך דורשות מאמץ חישובי גבוה יותר (אשר יותר ויותר אפשרי עם DSP מודרניים).

ביישום PDM טיפוסי, החיזוי ממוקם במסלול משוב של מודולר דלה, יצירת קוד חיזוי.האות המשוחזר משמש כדי לעדכן את התקני החיזוי, המאפשר למערכת להסתגל למאפיינים של אותות משתנים. מחקרים הוכיחו כי PDM יכול להפחית את השגיאה הקוונטית על ידי 10 –15 dB על פני קונבנציונאלי דלטה מודציה עבור דיבור ו אודיו מינימלי, עם אותות דיוק נמוך יותר.

רעש שטיפה וטעמה

עיצוב רעש הוא טכניקה רבת עוצמה שנלקחה ממודולציה של Sigma-delta (יחס קרוב של דלה Modulation) הרעיון הוא לסנן את הרעש הקוונטי כך שהוא נדחק לתוך להקות תדר שבו זה פחות אמין או פחות קריטי עבור היישום. עבור אודיו, כלומר שינוי רעש לטווח הקול; עבור וידאו, לתדרים מרחביים גבוהים כי העין האנושית קולטת פחות בחדות.

ב- delta Modulation, עיצוב רעש יכול להיות מיושם על ידי הוספת מסנן (בדרך כלל מסנן גבוה או רצועת-stop) בלולאה משוב.הפילטר משנה את הפונקציה ההעברה של טעות קוונטית לפלט, ביעילות מעצב את קשת הרעש. a First-order מקנה בערך 6 dB / cta אטמומנטציה בסמן, בעוד מסננים גבוהים יותר מניבים.

משוב שגיאה הוא טכניקה קשורה שבו השגיאה קוונטית של דגימה אחת מאוחסנת ומאכילה בחזרה כדי להשפיע על ההחלטה הקוונטית הבאה. משוב שלילי זה מפחית את הצטברות של שגיאה לאורך זמן, תופעה דומה ל-sigma-delta Modulation ’ רעש עיצוב.שלב שלבים מרובים משוב (הערה קדמית) יכול לייצר מאוד שטוח בתוך רצפות רעש.

חידושים אחרונים משלבים תוכן ספקולציות הסתגלותי זה משנה את הפילטר coefficients המבוסס על אות ’ של תוכן ספקטרלי.לדוגמה, מודל פסיכוקריטי יכול לשלוט מסנן עיצוב לרעש כינון תחת אות ’ ספקטרום כוח משלו, השגת קידוד חסר אונים באופן perceptualless במחירים נמוכים מאוד. גישה זו עכשיו נחקרת עבור קוד אודיו הבא.

טכנולוגיות מתפתחות: Machine Learning ו- AI in Delta Modulation

השילוב של למידת מכונה (ML) לתוך מערכות Modulation של דלה מסמן שינוי פרדיגמה. במקום להסתמך על אלגוריתמים ידניים, מודלים של ML לומדים אסטרטגיות קוונטיות אופטימליות ישירות מהנתונים.לדוגמה, רשתות עצביות עמוקות יכולות להיות מאומן לייעל במשותף גודל שלב, חיזוי coefficients, וסינון רעש, השגת רמות שגיאה עם מחשב תחרותי גבוה-bit M תוך שמירה על הפלט יחיד של תצורה של .

אחד בכיוון מבטיח הוא חיזוק למידה (RL) מבוסס על שליטה בגודל של גודל הסתגלות. סוכן ה-RL מקבל את אות קלט כמדינה ובוחר בגודל שלב כפעולה, עם הפרס להיות הפוך של טעות קוונטיזציה או עיוות perceptual. Over Time, הסוכן לומד מדיניות שמתאים את גודל הצעד בדרך כמעט-אופטימלית עבור כל אות.

גישה נוספת משתמשת בחיזוי רשת עצבית במסגרת מודולציה חיזוי-החיזויית או רשת מקבילה קטנה יכולה לחזות את הדגימה הבאה עם דיוק גבוה יותר מאשר מודלים ליניאריים, במיוחד עבור אותות לא-התמדהיים. אלה מנבאים עצביים כבר עכשיו להיות מוצבים במכשירים קצה הודות מאיצים מיוחדים חומרה, מה שהופך אותם מעשיים עבור יישומים בזמן אמת.

למידת מכונה גם מסייעת בעיצוב של סינון עיצוב רעש.רשתות מוליכים ליצירת גינויים (גנים) שימשו כדי לתכנת תשובות המסנן המפחיתות שגיאות תפיסתיות, בעוד autoencoders יכולים לדחוס את אות השגיאה לפני השידור, ביעילות להפחית את השגיאה הקוונטית ב המקלט באמצעות עיבוד לאחר למד.

כמו מודלים של ML להיות יעיל יותר חומרה חזקה יותר, אנו יכולים לצפות מערכות Modulation דלה כי הם עצמם בקנה מידה, חזקים כדי לשנות תנאי אות, ומסוגלים ביצועים כמעט ללא הפסד בשיעור נתונים נמוך מאוד. האתגר נשאר איזון עלות חישובית עם כוח ומגבלות לב, אבל התפתחויות מתמשך ב- זעירהML ומחשוב עצבי הם במהירות להתגבר על מכשולים אלה.

אופטימיזציה של יישומים-Specific Optimizations

טכניקות minimization שגיאות Quantization מותאמות לעתים קרובות לתחומים ספציפיים של יישומים, כי דרישות perceptual ופונקציונליות משתנות באופן נרחב.

אודיו ודיבור

בתקשורת הקולית, האוזן האנושית רגישה לרעש גרניט ב 2 – 4 kHz טווח. גודל שלב הסתגלות ורעש עיצוב זה לדחוף רעש מעל 10 kHz מניב שיפורים חד-משמעיים משמעותיים. Codecs כמו Bluetooth ’s SBC ו LDAC להשתמש בצורת הסתגלות של תצורה של ירידה קדחתנית עם רעש perceptual בעיצוב גבוה נאמנות, מוסיקה חיזוי עם ירידה של 90B עם ירידה של דיכאון, אבל דיפרטיבית עם ירידה עם אחוזי דיכאון יכול להשיג אחוזי דיכאון עם אחוזי תגובה עם אחוזי דיכאון עם אחוזי דיכאון עם אחוזי דיכאון עם ירידה.

וידאו ו- Image Transmission

אותות וידאו יש טווח דינמי גבוה וריאציות מרחביות מהירות. in delta Modulation עבור וידאו, המרפק מדרון מופיע כמו “ מרירות עסוקות ” שבו שינויים חדים הופכים מטושטשים. מערכות גודל שלב הסתגלות להגיב כוח קצה מקומי להפחית את הדוגמאות.מודלים חיזוי מבוסס על estimation תנועה (קוד וידאו) יכול להיות מוטבע לתוך דלה מידה מודולציה כדי למזער חיזוי נמוך למצלמות אבטחה.

אנליסטים-to-Digital Converters (ADCs) ו-Instrumentation

ב- ADCs במהירות גבוהה, דלה מודציה משמשת בגלל המעגל האנלוגי הפשוט שלה.Minimizing שגיאות קוונטיות הוא קריטי למדידה מדויקת.כאן, רעש עיצוב משוב שגיאות הם יעילים במיוחד. רציף-Time delta-sigma מודולulators (סוג של דלטה מודולציה עם עיצוב רעש גבוה יותר) הם עכשיו סטנדרטיים הדמיה רפואית ומערכות מכ"ם, השגת החלטות של 16 & nd; 24 שיעורי מדגמימה ב- .

רשתות חיישן אלחוטיות (WSNs)

WSN nodes הם מאוד כוח מוגבל. Delta Modulation ’ תפוקה bit-stream להפחית משדר על זמן, חיסכון אנרגיה. כדי לשמר נאמנות אותות, מערכות אלה לעתים קרובות מעסיקים אלגוריתמים פשוטים מאוד בגודל של צעד הסתגלות לרוץ על מיקרובקר ללא מעבד DSP. מחקר חדש חוקרת מאיץ רשת עצבית דלת נמוכה שיכולה לרוץ מודל חיזוי עם כמה שיותר עוקבים עם יישומים בתחום הבריאות.

כיוונים עתידיים ומחקר

הגבול של הקטנת שגיאות קוונטיות במודולציה דלה עשיר עם אפשרויות.אזורים מרכזיים רבים צפויים להוביל התקדמות בשנים הקרובות.

(FLT:0)Hybrid Analog-Digital ArchitecturessFLT ( 1:1): שילוב הפשטות האנלוגית של דלה מודולציה עם עיבוד דיגיטלי רב עוצמה מציע את הטוב ביותר של שני העולמות.מחקר מתפתח משתמש בלולאות לוגיות הסתגלות אשר מתאמת בזמן אמת, ואחריו מודל למידה מכונה דיגיטלית אשר מחדד את התפוקה.

(FLT:0) איליניור ו- non-Uniform Step SizesFLT:1: מודולציה מסורתית דלה משתמשת בהתאמת אחידה.אפשרות גדלים שאינם חד-מיניים אשר אופטימיזציה באמצעות טכניקות קוונטיות יכול להפחית באופן דרמטי את השגיאה.מחקר שנעשה לאחרונה השתמש באוטומט עמוק כדי ללמוד קוונטין לא חד-ממדי מסימנים גולמיים, ובכך להשיג ירידה של 30% בשגיאה מרובעת בהשוואה למודולציה אחידה.

(FLT:0)Quantum שגיאה תיקון שיטות בהשראת שיטות של ההרחבה:1: ציור מ מחשוב קוונטי, כמה חוקרים מציעים באמצעות זרמי bitundant ובדיקת parity כדי לתקן שגיאות קוונטיות בעוד עדיין בשלב תיאורטי, גישה זו יכולה לספק שחזור חסר הפסד במגבלת של אדמוניות אינסופית, ובכך למנוע ביעילות את השגיאה הקוונטית בעלות של שיעור גבוה יותר.

(FLT:0) בזמן אמת הסתגלות של ספקטרום 1 (FLT: מערכות מודולציה של אטה עתיד יוכלו לחוש את ספקטרום אות הקלט ולהתאים באופן אוטומטי את גודל הצעד שלהם, החיזוי והרעש בעיצוב מסנן כדי למזער את השגיאה עבור אותו אות ספציפי.עקרונות רדיו קוגניטיביים ניתן ליישם כאן, שבו ניתן ליישם את מודולטור &dquo; למידה; הסביבה ואת הגדרות אלה יכול להיות מיושם בפרוטוקולים עתידיים 6G.

(FLT:0) אתגרים פתוחים (Open ChallengesofLT:1): למרות התקדמות, כמה מכשולים נשארים.אמת-זמן הסתגלות דורש שקיפות נמוכה, אשר יכול להתנגש עם זמן העיבוד של אלגוריתמים מתוחכמים.רעש תכנון גבוה יכול להפוך לא יציב אם לא מתוכנן בקפידה.מודלים למידת מכונה, בעוד מדויק, צריך להיות מכוונן ומחולל כדי להתאים לחומרה מוטמעמת.

מסקנה

טעות קוונטית כבר זמן רב ה- Achilles ’ Heel of delta Modulation, הגבלת היישום שלה לתרחישים שבהם נאמנות מתונה מקובלת.עם זאת, הגישות החדשניות המתוארות במאמר זה —adaptive שלב שליטה, מודולציה חיזוי, עיצוב רעש משוב, ושילוב של למידת ו-mashed; מופחת באופן דרמטי שגיאה זו, לעתים קרובות לרמות אודיו או לא רק מתקדם, הם רק ויזואלית, הם מספקים מערכות מחשבי ראייה גבוהה.

ככל שהמחקר ממשיך לדחוף גבולות, אנו יכולים לצפות מערכות של תצורה של דלה אשר הן הסתגלות מלאה, עצמי-אופטימיות, וכמעט ללא שגיאות.שילוב של צריכת חשמל נמוכה ונאמנות גבוהה יהפכו את המערכות האלה הכרחיות לדור הבא של מכשירים אלחוטיים, חיישנים חכמים, אודיו immersive. על ידי צמצום שגיאות קוונטיזציה, מהנדסים פותחים את הפוטנציאל המלא של אחת השיטות הכי פשוטות אך אלגנטיות ביותר.