DE69120594T2

DE69120594T2 - Wellenformentzerrer mit Neuronalnetzwerk

Info

Publication number: DE69120594T2
Application number: DE69120594T
Authority: DE
Inventors: Kazuo Asakawa; Eisuke Fukuda; Kazuo Kawabata; Takashi Kimoto; Yasuyuki Ohishi; Takeshi Takano
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1990-04-26
Filing date: 1991-04-24
Publication date: 1997-01-09
Anticipated expiration: 2011-04-25
Also published as: EP0454445A2; DE69120594D1; EP0454445A3; US5272723A; EP0454445B1

Description

Die vorliegende Erfindung betrifft einen Wellenform- Entzerrer unter Verwendung eines Neuralnetzes und ein System zur Überwachung und Steuerung des Entzerrers.
Auf dem Gebiet der Datenkommunikation erfahren Signale eine Verzerrung in ihren Wellenformen während ihrer Übertragung, und eine äußerst präzise Entzerrung der Signale ist erforderlich, wenn die Signale empfangen werden, um einen Fehler zu vermeiden. Die Verzerrung ist häufig nicht-linear. Außerdem kann insbesondere auf dem Gebiet des Funk- und Mobilfunkwesens die Verzerrung zeitabhängig variieren. Da die Baud-Rate in der heutigen Datenkommunikation zunimmt, ist ein Ansprechen mit sehr hoher Geschwindigkeit erforderlich, um die Verzerrung zu eliminieren. Daher ist es notwendig, daß ein Wellenform-Entzerrer adaptiv auf zeitabhängig variierende Verzerrungen, einschließlich nicht-linearer Verzerrungen, in einer Wellenform eines Empfangssignals mit sehr hoher Geschwindigkeit anspricht, um eine äußerst präzise Entzerrung des Signals durchzuführen.
In der Arbeit "Multilayer perception structures applied to adaptive equalisers for data communications", IEEE International Conference on Acoustic Speech and Signal Processing (ICASSP - 89, Glasgow), Bd. 2, 23. Mai 1989, IEEE, New York, S. 1183-1186, wird ein Entzerrer auf der Basis einer mehrschichtigen Perzeption geoffenbart. Weitere Entzerrer sind in der Arbeit "Adpative receivers for removing linear and non-linear intersymbol interface by means of a time delay neural networks", IEEE International Conference on Acoustic Speech and Signal Processing (ICASSP - 89, Glasgow), Bd. 4, 23. Mai 1989, IEEE, New York, S. 2368-2371, geoffenbart
Fig.1 zeigt eine typische Konstruktion eines adaptiven Filters vom Transversal-Typ, das herkömmlich zum Entzerren von Empfangssignal-Wellenformen verwendet wird. Das adaptive Filter vom Transversal-Typ umfaßt: eine Abgriff-Verzögerungsleitung, welche eine Zeitreihe von Daten hält, die aus einem Empfangssignal, das zu entzerren ist, abgetastet werden; adaptive Vervielfacher, welche die Zeitreihe von Daten mit entsprechenden Gewichtskoeffizienten multiplizieren; und einen Addierer, der eine Summe der Ausgänge der Vervielfacher berechnet. Die Gewichtskoeffizienten werden adaptiv bestimmt, um eine Entzerrung des Empfangssignals durchzuführen. Der Wellenform-Entzerrer unter Verwendung des adaptiven Filters vom Transversal-Typ kann jedoch die nichtlineare Verzerrung im Empfangssignal nicht eliminieren.
Es ist eine Aufgabe der vorliegenden Erfindung, einen Wellenform-Entzerrer vorzusehen, der adaptiv auf eine zeitabhängig variierende Verzerrung, einschließlich einer nicht- linearen Verzerrung, in einer Empfangssignal-Wellenform ansprechen kann, und eine äußerst präzise Entzerrung des Signals mit hoher Geschwindigkeit realisieren kann.
Gemäß einem ersten Aspekt der vorliegenden Erfindung umfaßt ein Wellenform-Entzerrer zum Entzerren eines verzerrten Signals:
eine Abtasteinrichtung zum Abtasten eines Pegels des genannten verzerrten Signals bei einer vorherbestimmten Rate;
eine Zeitreihen-Generatoreinrichtung zum seriellen Empfangen des genannten abgetasteten Pegels, und parallelen Ausgeben einer vorherbestimmten Anzahl der Pegel, die zuletzt empfangen wurden;
eine Verzerrungscharakteristik-Detektiereinrichtung zum Detektieren einer Verzerrungscharakteristik des genannten verzerrten Signals;
eine Entzerrer-Netzgewicht-Halteeinrichtung zum Halten einer Vielzahl von Sätzen von Entzerrer-Netzgewichten;
eine Entzerrer-Netzgewicht-Auswahleinrichtung zum Auswählen eines der genannten Vielzahl von Sätzen von Entzerrer-Netzgewichten gemäß der Verzerrungscharakteristik, die in der genannten Verzerrungscharakteristik-Detektiereinrichtung detektiert wird; und
eine Entzerrer-Neuralnetzeinrichtung zum Empfangen der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung, und Erzeugen eines entzerrten Signals des genannten verzerrten Signals auf der Basis der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung unter Verwendung der von der Entzerrer-Netzgewicht-Auswahleinrichtung ausgewählten Entzerrer-Netzgewichte.
Gemäß einem zweiten Aspekt der vorliegenden Erfindung umfaßt ein Verzerrungscharakteristik-Detektor zum Detektieren einer Verzerrungscharakteristik eines verzerrten Signals:
eine Zeitreihen-Generatoreinrichtung zum seriellen Empfangen aufeinanderfolgend abgetasteter Pegel des genannten verzerrten Signals, und parallelen Ausgeben einer vorherbestimmten Anzahl der Pegel, die zuletzt empfangen wurden;
eine Detektor-Neuralnetzeinrichtung zum Empfangen der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung, und Erzeugen eines Verzerrungscharakteristik-Werts des genannten verzerrten Signals auf der Basis der Ausgänge der genannten Zeitreihen-Generatoreinrichtung unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind.
In den Zeichnungen:
ist Fig.1 eine Darstellung, die eine typische Konstruktion eines adaptiven Filters vom Transversal-Typ zeigt, das herkömmlich zum Entzerren von Empfangssignal-Wellenformen verwendet wird;
ist Fig.2 eine Darstellung, welche die Konstruktion der ersten Ausführungsform der vorliegenden Erfindung zeigt;
ist Fig.3 ein Blockbild, das Eingabe-Ausgabe-Verbindungen zwischen Eingabeschichteinheiten, verborgenen Schichteinheiten und Ausgabeschichteinheiten in einem neuralen Netz mit drei Schichteinheiten zeigt;
ist Fig.4 ein Blockbild eines Analog-Neuroprozessors;
ist Fig.5 ein Blockbild eines Beispiels eines neuralen Netzes mit drei Schichteinheiten unter Verwendung der Analog-Neuroprozessoren;
ist Fig.6 ein Blockbild eines Beispiels eines rekurrenten Netzes ist, das anstelle des hierarchischen Netzes verwendet werden kann;
sind Fig.7 und 8 Darstellungen, die ein Beispiel eines Rahmenformats des Eingangssignals zeigen;
ist Fig.9 eine Darstellung, welche die Konstruktion der zweiten Ausführungsform der vorliegenden Erfindung zeigt;
ist Fig.10 eine Darstellung, welche die Konstruktion der dritten Ausführungsform der vorliegenden Erfindung zeigt;
ist Fig.11 eine Darstellung, welche die Konstruktion der Bereichsselektoreinheit in der Konstruktion in Fig.10 zeigt;
ist Fig.12 eine Darstellung, welche die Konstruktion der vierten Ausführungsform der vorliegenden Erfindung zeigt;
ist Fig.13 eine Darstellung, die Wellenformen des nicht-verzerrten Signals, das dem Muster "10" entspricht, und eines Beispiels eines verzerrten Modellsignals, das dem nicht-verzerrten Signal entspricht, zeigt;
sind Fig.14 und 15 Darstellungen, welche die Wellenformen der verzerrten Signale, die aus dem Datenmuster "10" erhalten werden, und der verschiedenen Kombinationen von Werten der Amplitudenverzerrungen A und der Verzögerungsverzerrungen τ zeigen; und
ist Fig.16 eine Darstellung, die Wellenformen des nicht-verzerrten Signals, das dem Muster "10" entspricht, eines Beispiels eines verzerrten Modellsignals, das dem nicht-verzerrten Signal entspricht, und eines entzerrten Signals des verzerrten Modellsignals, durch Simulation, zeigt.

(1) Erste Ausführungsform

Fig.2 (Signaleingang)

Fig.2 ist eine Darstellung, welche die Konstruktion der ersten Ausführungsform der vorliegenden Erfindung zeigt. In Fig.2 bezeichnet die Bezugszahl 10 eine Signalabtastereinheit, 20 bezeichnet eine Entzerrereinheit, 21 bzw. 41 bezeichnen eine Abgriff-Verzögerungsleitung, 22 bezeichnet ein Entzerrer-Neuralnetz, 30 bezeichnet eine Entzerrer-Netzgewicht-Steuereinheit, 31 bezeichnet einen Entzerrer-Netzgewichtspeicher, 32 bezeichnet einen Entzerrer-Netzgewichtselektor, 40 bezeichnet eine Signalcharakteristik-Meßeinheit, 42 bezeichnet ein Detektor-Neuralnetz, 43 bezeichnet eine Netzgewicht-Setzschaltung, 50 bezeichnet einen Lernkontroller, 60 bezeichnet eine Lerndaten-Speichereinheit, und 80 bezeichnet eine Taktextraktionsschaltung.
In der Signalabtastereinheit 10 wird ein Eingangssignal, das eine Verzerrung enthalten kann und zu entzerren ist, bei einer vorherbestimmten Rate abgetastet. Danach kann das Eingangssignal, das eine Verzerrung enthalten kann, als verzerrtes Signal bezeichnet werden. Der abgetastete Pegel des Eingangssignals wird seriell der Abgriff-Verzögerungsleitung 21 in der Entzerrereinheit 20 und der Abgriff-Verzögerungsleitung 41 in der Signalcharakteristik-Meßeinheit 40 zugeführt. Die Abgriff-Verzögerungsleitungen 21 bzw. 41 bilden die oben angegebene Zeitreihen-Generatoreinheit, und empfangen seriell aufeinanderfolgend die abgetasteten Pegel und geben parallel eine vorherbestimmte Anzahl (fünf in Fig.2) der abgetasteten Pegel, die zuletzt empfangen wurden, zum Entzerrer-Neuralnetz 22 bzw. dem Detektor-Neuralnetz 42 aus.

Fig. 3 (Neuralnetz)

Fig.3 ist ein Blockbild, das Eingabe-Ausgabe-Verbindungen zwischen Eingabeschichteinheiten und verborgenen Schichteinheiten, und zwischen den verborgenen Schichteinheiten und den Ausgabeschichteinheiten in einem Neuralnetz mit drei Schichteinheiten zeigt. Sowohl das Entzerrer-Neuralnetz 22 als auch das Detektor-Neuralnetz 42 haben beispielsweise eine wie in Fig.3 gezeigte Konstruktion. Wie in Fig.3 dargestellt, ist das Neuralnetz 22 oder 42 ein hierarchisches Netz, das eine vorherbestimmte Anzahl von Eingabeschichteinheiten 1-h (h=1, 2, ...), eine Vielzahl von verborgenen Schichteinheiten 1'-i (i=1, 2, ...) und zumindest eine Ausgabeschichteinheit 1"-j (j=1, 2, ...) umfaßt. Die Eingabeschichteinheiten sowohl im Entzerrer-Neuralnetz 22 als auch im Detektor-Neuralnetz 42 empfangen die Ausgänge der entsprechenden Abgriff-Verzögerungsleitung 21 oder 41, jede verborgene Schichteinheit gibt die an einer vorherbestimmten Kombination der Eingabeschichteinheiten empfangenen Werte ein, und gibt einen Wert aus, der eine Funktion der Eingänge davon ist, und jede Ausgabeschichteinheit gibt die Ausgänge einer vorherbestimmten Kombination der verborgenen Schichteinheiten ein, und gibt einen Wert aus, der eine Funktion der Eingänge davon ist. Die Netzgewichte Wih und Wji werden jeweils in den verborgenen Schichteinheiten und den Ausgabeschichteinheiten gesetzt, und jede verborgene Schichteinheit und die Ausgabeschichteinheit umfassen eine lineare Kombinationseinheit zum Ermitteln einer linearen Kombination der Eingänge davon unter Verwendung des Satzes von Entzerrer-Netzgewichten Wih und Wji, und eine nicht- lineare Funktionseinheit zum Ermitteln einer nicht-linearen Funktion der linearen Kombination.

Fig.4 (Analog-Neuroprozessor

Jede verborgene Schichteinheit und die Ausgabeschichteinheit im Neurainetz können durch einen Analog-Neuprozessor realisiert werden, beispielsweise wie in Fig.4 gezeigt. Der Analog-Neuroprozessor in Fig.4 umfaßt einen Analogdaten-Verarbeitungsblock 101, einen Gewichtsdaten-Ladeblock 102 und einen Steuerblock 103. Der Analogdaten-Verarbeitungsblock 101 umfaßt einen multiplizierenden Digital-Analog-Wandler 104, einen Addierer 105 und einen Sigmoidfunktionswandler 106. Der multiplizierende Digital-Analog-Wandler 104 und der Addierer 105 berechnen eine lineare Kombination der seriellen Eingangssignale yph oder ypi (p, h, i=1, 2, ...) davon unter Verwendung des Satzes von Netzgewichten Wih und Wji. Die oben angegebenen (Entzerrer- oder Detektor-) Netzgewichte werden dem multiplizierenden Digital-Analog-Wandler 104 durch den Gewichtsdaten-Ladeblock 102 zugeführt.
Die Analog-Eingangssignale sind die Gesamtheit oder ein Teil der parallelen Ausgänge der Abgriff-Verzögerungsleitung 21 oder 41 in der Entzerrereinheit 20 und der Abgriff-Verzögerungsleitung 41 in der Signalcharakteristik-Meßeinheit 40. Beispielsweise werden die Netzgewichte Wi1, Wi2, ... Win seriell dem multiplizierenden Digital-Analog-Wandler 104 im Analog-Neuroprozessor zugeführt, der für eine verborgene Schichteinheit 1'-h verwendet wird, und Analog-Eingangssignale yph, die den Netzgewichten Wi1, Wi2, ... Win entsprechen, werden seriell dem multiplizierenden Digital-Analog-Wandler 104 zugeführt, so daß die Eingänge der Analog- Eingangssignale yph jeweils mit den Eingängen der entsprechenden Netzgewichte Wi1, Wi2, ... Win komzidieren. Der multiplizierende Digital-Analog-Wandler 104 gibt seriell ein Analog-Signal mit einer Amplitude yph.Wih aus, die proportional zur Multiplikation entsprechender Amplitudenpaare der obigen Analog-Eingangssignale und der entsprechenden Netzgewichte ist. Der Addierer 105 empfängt seriell die obigen Analog-Ausgangssignale vom multiplizierenden Digital-Analog- Wandler 104, und akkumuliert die Empfangssignale, um ein Signal mit einer Amplitude zu erhalten, die proportional zur linearen Kombination Σyph.W1h ist. Der Sigmoidfunktionswandler 106 transformiert den Ausgang des Addierers 105 in Übereinstimmung mit der sigmoiden Funktion. Die sigmoide Funktion ist eine nicht-lineare Funktion, die kontinuierlich ist und einen Gradienten von größer oder gleich Null aufweist Der Analog-Ausgang des Sigmoidfunktionswandlers 106 wird aus der Analog-Verarbeitungseinheit 101 des Analog-Neuroprozessors in Fig.4 unter der Steuerung des Steuerblocks 103 ausgegeben.

Fig.5 (Neuralnetz)

Fig.5 ist ein Blockbild eines Beispiels eines Neuralnetzes mit drei Schichteinheiten unter Verwendung der Analog-Neuroprozessoren. In Fig.5 bezeichnet die Bezugszahl 111 einen Eingabebus, 112 bis 114 bzw. 119 bis 121 bezeichnen einen statischen RAM, 115 bis 117 bezeichnen jeweils einen Analog-Neuroprozessor für eine verborgene Schichteinheit, 118 bezeichnet einen Zwischenbus, 122 bis 124 bezeichnen jeweils einen Analog-Neuroprozessor für eine Ausgabeschichteinheit, und 125 bezeichnet eine Ausgabeschichteinheit.
Im Beispiel in Fig.5 sind die statischen RAMs 112 bis 114 und 119 bis 121 für die Analog-Neuroprozessoren 115 bis 117 bzw. 122 bis 124 vorgesehen, um die Netzgewichte darin zu halten, und die Netzgewichte den entsprechenden Analog- Neuroprozessoren zuzuführen. Der Transfer der Ausgänge von der Abgriff-Verzögerungsleitung 21 oder 41 zu den entsprechenden Analog-Neuroprozessoren 115 bis 117 in der verborgenen Schicht durch den Eingabebus 111; der Transfer der Ausgänge von den Analog-Neuroprozessoren 115 bis 117 in der verborgenen Schicht zu den entsprechenden Analog-Neuroprozessoren 122 bis 124 in der Ausgabeschicht durch den Zwischenbus 118; und der Transfer der Ausgänge der Analog-Neuroprozessoren 122 bis 124 in der Ausgabeschicht werden jeweils in der Weise eines Zeitteilbetriebs durchgeführt. Es ist bekannt, daß eine Transformation, einschließlich einer nicht-linearen Transformation, durch ein Neuralnetz, wie oben, realisiert werden kann. Der Analog-Neuroprozessor ist im Handel als Halbleiterchip von Fujitsu Limited erhältlich.
Ansonsten können alle obigen Funktionen, die durch die Analog-Neuroprozessoren realisiert werden, durch Software unter Verwendung eines oder mehrerer Digital-Signalprozessoren ausgeführt werden. In diesem Fall werden Signale von der Signalabtastereinheit 10 in einer digitalen Form den Abgriff-Verzögerungsleitungen 21 und 41 zugeführt, und die Abgriff-Verzögerungsleitungen 21 und 41 werden durch Schieberegister realisiert.
Obwohl im obigen Beispiel das hierarchische Netz verwendet wird, kann ein rekurrentes Netz anstelle des hierarchischen Netzes eingesetzt werden, wie in Fig.6 als Beispiel gezeigt. Das rekurrente Netz ist in "Encoding Sequential Structure In Simple Recurrent Networks", Servan-Schreiber, Axel Cleeremans und James L. McClelland, CMU Technical Report CMU-CU-88-183, 1988, geoffenbart. Es ist bekannt, daß rekurrente Netze als äquivalent zu hierarchischen Netzen angesehen werden können.

Fig.2 (Entzerrung)

Mit erneuter Bezugnahme auf Fig.2 empfängt das Entzerrer-Neuralnetz 22 die Ausgänge der Zeitreihen-Generatoreinheit und entzerrt das verzerrte Signal, um ein entzerrtes Signal zu erzeugen, auf der Basis der Ausgänge der Abgriff- Verzögerungsleitung 21 unter Verwendung eines Satzes von Entzerrer-Netzgewichten, die darin voreingestellt sind. Das heißt, die Entzerrereinheit 20, die das Entzerrer-Neuralnetz 22 enthält, operiert als Wellenform-Entzerrer für das oben angegebene verzerrte Signal, wenn ein optimaler Satz von Entzerrer-Netzgewichten darin eingestellt ist, wie nachstehend erläutert.
Die Signalcharakteristik-Meßeinheit 40 detektiert Verzerrungscharakteristiken des verzerrten Signals, wenn ein optimaler Satz von Detektor-Netzgewichten darin eingestellt ist, wie nachstehend erläutert. Wie in Fig.2 gezeigt, hat das Detektor-Neuralnetz 42 in diesem Beispiel drei Ausgänge, welche jeweils Werte ausgeben, die eine Amplitudenverzerrung, eine Verzögerungsverzerrung und eine Phasenverzerrung angeben.
Der Entzerrer-Netzgewichtspeicher 31 hält eine Vielzahl optimaler Sätze von Entzerrer-Netzgewichten, die einer Vielzahl möglicher Verzerrungscharakteristiken entsprechen, und die jeweils im Entzerrer-Neuralnetz 22 zu setzen sind, und der Entzerrer-Netzgewichtselektor 32 wählt einen der Vielzahl von Sätzen von Entzerrer-Netzgewichten gemäß der Verzerrungscharakteristik aus (tatsächlich einer Kombination der Amplitudenverzerrung, der Verzögerungsverzerrung und der Phasenverzerrung), die in der Verzerrungscharakteristik-Meßeinheit 40 detektiert wird, und führt den ausgewählten Satz dem Entzerrer-Neuralnetz 22 zu, um den ausgewählten Satz darin einzustellen. Der Entzerrer-Netzgewichtselektor 32 umfaßt eine Schreibsteuerschaltung für die SRAMs, wie in Fig.5 gezeigt, im Entzerrer-Neuralnetz 22. Wenn der Entzerrer- Netzgewichtspeicher 31 durch einen RAM realisiert ist, umfaßt der Entzerrer-Netzgewichtselektor 32 eine Schreib/Lesesteuerschaltung für den RAM, und der Ausgang des Detektor Neuralnetzes 42 wird als Adressensignal zum Lesen des Inhalts des RAM verwendet. Die Taktextraktionseinheit 80 extrahiert ein Takt (Zeit)-Signal aus dem Ausgangs- (entzerrten) Signal der Entzerrereinheit 20. Das Taktsignal wird dem Entzerrer-Netzgewichtselektor 32 zugeführt, um eine Zeiteinstellung der Auswahl vorzusehen.

Fig.2 (Lernen der Netzgewichte)

Der Lernkontroller 50 ermittelt einen optimalen Satz von Entzerrer-Netzgewichten für jede Verzerrungscharakteristik (jede Kombination von Werten der Amplitudenverzerrung, der Verzögerungsverzerrung und der Phasenverzerrung), so daß das Entzerrer-Neuralnetz 22 ein bestes entzerrtes Signal für ein verzerrtes Signal mit der Verzerrungscharakteristik ausgibt, wenn der optimale Satz von Entzerrer-Netzgewichten im Entzerrer-Neuralnetz 22 voreingestellt ist, und führt den erhaltenen Satz dem Entzerrer-Netzgewichtspeicher 31 zu, so daß der Entzerrer-Netzspeicher 31 darin den Satz von Entzerrer-Netzgewichten speichert, der für jede Verzerrungscharakteristik (jede Kombination von Werten der Amplitudenverzerrungen, der Verzögerungsverzerrungen und der Phasenverzerrungen) erhalten wird. Wenn der Entzerrer-Netzgewichtspeicher 31 ein RAM ist, wird der oben erhaltene Satz von Entzerrer-Netzgewichten von der obigen Lese/Schreibsteuerschaltung in den RAM geschrieben.
Die obigen Funktionen des Lernkontrollers 50 zum Ermitteln und Zuführen des optimalen Satzes der Entzerrer-Netzgewichte durch die folgenden Einheiten werden durch ein Software-Programm realisiert, das die folgenden Einheiten enthält:
eine Einheit zum Speichern eines Modellsignals, das nicht verzerrt ist;
eine Einheit zum Erzeugen einer Vielzahl verzerrter Modellsignale, die jeweils aus dem Modellsignal durch das Verzerren des Modellsignals gemäß einer Vielzahl von Typen von Verzerrungscharakteristiken erzeugt werden, und zum Zuführen der verzerrten Modellsignale zum Entzerrer-Neuralnetz;
eine Einheit zum Setzen eines Satzes von Entzerrer- Netzgewichten im Entzerrer-Neuralnetz;
eine Einheit zum Überwachen des Ausgangs des Entzerrer- Neuralnetzes;
eine Einheit zum Modifizieren des Satzes von Entzerrer- Netzgewichten, die von der Einheit zum Setzen des Satzes von Entzerrer-Netzgewichten in der Entzerrer-Neuralnetzeinheit gesetzt werden;
eine Einheit zum Steuern der Einheit zum Setzen des Satzes von Entzerrer-Netzgewichten und der Einheit zum Modifizieren des Satzes von Entzerrer-Netzgewichten auf der Basis aufeinanderfolgender Ausgänge der Entzerrer-Neuralnetzeinheit, so daß eine Wellenform, die durch die aufeinanderfolgenden Ausgänge des Entzerrer-Neuralnetzes erzeugt wird, mit der Wellenform des Modellsignals übereinstimmt, um den optimalen Satz von Entzerrer-Netzgewichten für jedes der Vielzahl verzerrter Modellsignale zu erhalten; und
eine Einheit zum Steuern einer Speicheroperation des erhaltenen optimalen Satzes von Entzerrer-Netzgewichten für jedes der Vielzahl verzerrter Modellsignale im Entzerrer- Netzgewichtspeicher 31.
Die obige Operation kann unter Verwendung einer Simulationsentzerrer-Neuralnetzeinheit anstelle des obigen realen Entzerrer-Neuralnetzes 22 durchgeführt werden. Die Simulationsentzerrer-Neuralnetzeinheit (Software) empfängt die obigen verzerrten Modellsignale in der Entzerrer-Neuralnetzeinheit und simuliert die Operation des Entzerrer-Neuralnetzes 22.
Ähnlich ermittelt der Lernkontroller 50 einen optimalen Satz von Detektor-Netzgewichten, die alle Verzerrungscharakteristiken (alle Kombinationen von Werten der Amplitudenverzerrungen, der Verzögerungsverzerrungen und der Phasenverzerrungen) gemeinsam haben, so daß das Detektor-Neuralnetz 42 die Verzerrungscharakteristiken ausgibt, die den verzerrten Signalen entsprechen, wenn die verzerrten Signale nach der Abtastung durch den Signalabtaster 10 von der Signalcharakteristik-Meßeinheit 40 empfangen werden, wenn der ermittelte Satz im Detektor-Neuralnetz 42 voreingestellt ist; und stellt den erhaltenen Satz im Detektor-Neuralnetz 42 im voraus ein.
Die obigen Funktionen des Lernkontrollers 50 zum Ermitteln und Zuführen des optimalen Satzes von Detektor-Netzgewichten wird durch ein Software-Programm realisiert, das die folgenden Einheiten enthält:
eine Einheit zum Erzeugen einer Vielzahl verzerrter Modellsignale, die jeweils eine bestimmte Verzerrungscharakteristik aufweisen, und Zuführen der verzerrten Modellsignale zum Detektor-Neuralnetz 42;
eine Einheit zum Setzen eines Satzes von Detektor-Netzgewichten im Detektor-Neuralnetz 42;
eine Einheit zum Überwachen des Ausgangs des Detektor- Neuralnetzes 42;
eine Einheit zum Modifizieren des Satzes von Detektor- Netzgewichten, die von der Einheit zum Setzen des Satzes von Detektor-Netzgewichten im Detektor-Neuralnetz gesetzt werden;
eine Einheit zum Steuern der obigen Einheit zum Setzen der Detektor-Netzgewichte und der Einheit zum Modifizieren der Detektor-Netzgewichte auf der Basis des Ausgangs des Detektor-Neuralnetzes 42, um den optimalen Satz von Detektor-Netzgewichten zu erhalten; und
eine Einheit zum Voreinstellen des erhaltenen optimalen Satzes von Detektor-Netzgewichten im Detektor-Neuralnetz 42. Die Voreinstellung wird beispielsweise in den SRAMS durchgeführt, wie in Fig.5 gezeigt.
Jede Verzerrung, einschließlich einer nicht-linearen Verzerrung, kann unter Verwendung des Neuralnetzes 42 als Verzerrungswerte detektiert werden.
Die obige Operation kann unter Verwendung einer Simulationsdetektor-Neuralnetzeinheit anstelle des obigen realen Detektor-Neuralnetzes 42 durchgeführt werden. Die Simulationsdetektor-Neuralnetzeinheit (Software) empfängt die obigen verzerrten Modellsignale, die an das Detektor-Neuralnetz 42 anzulegen sind, und simuliert die Operation des Detektor- Neuralnetzes 42.
Die Details eines Beispiels der obigen Operationen des Lernkontrollers 50 werden nachstehend erläutert.

Fig.2, 7 und 8 (Entzerrungsoperation)

Fig.7 und 8 sind Darstellungen, die ein Beispiel eines Rahmenformats des Eingangssignals zeigen. Im Rahmenformat in Fig.7 sind vorherbestimmte Übungsdaten nach einem Synchronisationsmuster SYNC und vor einer realen Nachricht enthalten. Im Rahmenformat in Fig.8 sind hingegen vorherbestimmte Übungsdaten innerhalb der realen Nachricht eingesetzt. Die Übungsdaten sind dieselben Daten wie das oben angegebene verzerrte Modellsignal, das zum Ermitteln des optimalen Satzes von Detektor-Netzgewichten verwendet wird.
Zuerst wird angenommen, daß die obige Einstellung des optimalen Satzes von Detektor-Netzgewichten im Detektor-Neuralnetz 42 und das Speichern der Vielzahl optimaler Sätze von Entzerrer-Netzgewichten abgeschlossen sind. Wenn das Rahmenformat in Fig.7 verwendet wird, nachdem jeder Rahmen empfangen und in der Signalabtastereinheit 10 abgetastet wurde, werden die abgetasteten Übungsdaten durch die Abgriff-Verzögerungsleitung 41 dem Detektor-Neuralnetz 42 zugeführt. Beim Empfang des Übungsdatensignals gibt das Detektor-Neuralnetz 42 die Werte der Amplitudenverzerrung, der Verzögerungsverzerrung und der Phasenverzerrung aus den drei Ausgabeschichteinheiten davon aus. Diese Ausgänge werden dem Entzerrer-Netzgewichtselektor 32 zugeführt, und dann liest der Entzerrer-Netzgewichtselektor 32 aus dem Entzerrer-Netzgewichtspeicher 31 einen Satz von Entzerrer-Netzgewichten, die der Kombination der zugeführten Werte der Amplitudenverzerrung, der Verzögerungsverzerrung und der Phasenverzerrung entsprechen, und setzt den Satz von Entzerrer-Netzgewichten im Entzerrer-Neuralnetz 22. Das Entzerrer-Neuralnetz 22 eliminiert die obige Verzerrung aus seinem Eingangssignal, wenn der Satz von Entzerrer-Netzgewichten, die den Verzerrungscharakteristiken entsprechen, in diesem gesetzt ist. Wenn daher der reale Nachrichtenteil des obigen Rahmens durch die Abgriff-Verzögerungsleitung 21 dem Entzerrer-Neuralnetz 22 zugeführt wird, wird der reale Nachrichtenteil des obigen Rahmens entzerrt. Wie vorstehend angegeben, kann jede Verzerrung, einschließlich einer nicht-linearen Verzerrung, unter Verwendung des Neuralnetzes 22 eliminiert werden.
Wenn die Funktionen in Fig.2 durch den Digital-Signalprozessor realisiert werden, wird jeder Rahmen des verzerrten Signals, das in der Abtastereinheit 10 abgetastet wird, einmal in einem Pufferspeicher (nicht gezeigt) gehalten, und dann wird der Übungsdatenteil im Rahmen zuerst aus dem Pufferspeicher ausgelesen, um dem Detektor-Neuralnetz 42 zugeführt zu werden, wie oben erläutert, und die Verzerrungscharakteristik-Werte werden aus der Verzerrung im Übungsdatenteil als Ausgänge des Detektor-Neuralnetzes 42 bestimmt. Anschließend wird ein Satz von Entzerrer-Netzgewichten, die der Kombination der zugeführten Verzerrungscharakteristik-Werte entsprechen, im Entzerrer-Neuralnetz 22 eingestellt. Danach wird der reale Nachrichtenteil des obigen Rahmens aus dem Pufferspeicher ausgelesen, um durch die Abgriff-Verzögerungsleitung 21 dem Entzerrer-Neuralnetz 22 zugeführt zu werden, und der reale Nachrichtenteil des obigen Rahmens wird entzerrt. In dem Fall, wo die Funktionen in Fig.2 durch den Digital-Signalprozessor realisiert werden, kann daher, da die abgetasteten Werte jedes Rahmens einmal im Pufferspeicher gehalten werden, der Übungsdatenteil zuerst der Signalcharakteristik-Meßeinheit 40 zugeführt werden, bevor der reale Nachrichtenteil der Entzerrereinheit 20 zugeführt wird, auch wenn das Rahmenformat in Fig.8 verwendet wird. Wie aus dem Vergleich der Rahmenformate in Fig.7 und 8 hervorgeht, ist das Rahmenformat in Fig.8 vorteilhaft, da die maximale Zeitdifferenz vom Übungsdatenteil zum vom realen Nachrichtenteil am weitesten entfernten Teil in jedem Rahmen in Fig.8 kleiner ist als in Fig.7, und daher ist die maximale Differenz der Verzerrungscharakteristik im Übungsdatenteil und im realen Nachrichtenteil in Fig.8 kleiner als in Fig.7.

(2) Zweite Ausführungsform

Fig.9

Fig.9 ist eine Darstellung, welche die Konstruktion der zweiten Ausführungsform der vorliegenden Erfindung darstellt. Fig.9 zeigt die Konstruktion der Demodulations- und Entzerrervorrichtung zum Demodulieren und Entzerren eines Empfangssignals, das durch Quadraturphasenumtastung (QPSK) mittels Verzögerungsdetektion moduliert wird. In der Konstruktion in Fig.9 bezeichnet das Bezugszeichen 20a eine Entzerrereinheit, 23 bzw. 24 bezeichnen eine Entzerrer, 30a bezeichnet eine Entzerrer-Netzgewicht-Steuereinheit, 31a bezeichnet einen Entzerrer-Netzgewichtspeicher, 32a bezeichnet einen Entzerrer-Netzgewichtselektor, 40a bezeichnet eine Signalcharakteristik-Meßeinheit, 41a, 41a' bzw. 41a" bezeichnen eine Abgriff-Verzögerungsleitung, 42a, 42a' bzw. 42a" bezeichnen ein Detektor-Neuralnetz, 43 bezeichnet eine Netzgewicht-Setzschaltung, 70 bezeichnet eine Demodulatoreinheit, 71 bezeichnet ein Bandpaßfilter, 72 bezeichnet einen Begrenzer, 73 bezeichnet eine Verzögerungsdetektionsschaltung, 74 bzw. 76 bezeichnen ein Tiefpaßfilter, 75 bzw. 77 bezeichnen einen Analog-Digital-Wandler, und 80a bezeichnet eine Taktextraktionsschaltung. Der Frequenzbereich des Empfangssignals, das durch die Quadraturphasenumtastung (QPSK) moduliert wird, ist durch das Bandpaßfilter 71 auf die Trägerfrequenz des modulierten Signals eingeschränkt. Dann wird das Ausgangssignal des Bandpaßfilters 71 durch den Begrenzer 72 in eine rechteckige Form transformiert, und der I-Kanal und der Q-Kanal des Empfangssignals werden durch die Verzögerungsdetektionsschaltung 73 erhalten. Der I-Kanal und der Q-Kanal werden dann abgetastet und in den Analog-Digital-Wandlern 75 und 77 in digitale Formen umgewandelt, nachdem die höheren harmonischen Komponenten durch die Tiefpaßfilter 74 bzw. 76 eliminiert werden. Die abgetasteten Digital-Signale des I-Kanals und des Q-Kanals werden einer ersten und zweiten Entzerrereinheit 23 bzw. 24 zugeführt. Außerdem wird das I-Kanal-Signal der Signalcharakteristik- Meßeinheit 40a zugeführt.
In der obigen Konstruktion der Modulationseinheit 70 bewirkt das Vorliegen des Begrenzers 72 und der Verzögerungsdetektionsschaltung 73 eine nicht-lineare Verzerrung im Empfangssignal.
Wie in Fig.9 gezeigt, umfaßt die Signalcharakteristik- Meßeinheit 40a eine Vielzahl von Detektor-Neuralnetzeinheiten 42a, 42a' und 42a", die jeweils die Ausgänge der Abgriff-Verzögerungsleitungen 41a, 41a' und 41a" in der Verzerrungscharakteristik-Detektiereinheit 40a empfangen, und erzeugt einen Wert, der eine der Verzerrungscharakteristiken des verzerrten Signals angibt, auf der Basis der Ausgänge der entsprechenden einen der Abgriff-Verzögerungsleitungen 41a, 41a' und 41a" unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind. Der Satz von Detektor-Netzgewichten wird auf eine Weise ähnlich der ersten Ausführungsform bestimmt und voreingestellt, obwohl der Lernkontroller 50 in Fig.9 nicht dargestellt ist. Beispielsweise gibt jede der Vielzahl von Detektor-Neuralnetzeinheiten 42a, 42a' und 42a" eine der obigen Verzerrungscharakteristiken, die Amplitudenverzerrung, die Verzögerungsverzerrung und die Phasenverzerrung, aus. Ferner kann anstelle des Vorsehens einer Vielzahl von Abgriff-Verzögerungsleitungen 41a, 41a' und 41a" für die Vielzahl von Detektor-Neuralnetzeinheiten 42a, 42a' und 42a" nur eine Abgriff-Verzögerungsleitung gemeinsam für die Vielzahl von Detektor-Neuralnetzeinheiten 42a, 42a' und 42a" vorgesehen sein.
Der Entzerrer-Netzgewichtspeicher 31a speichert alle optimalen Sätze der Entzerrer-Netzgewichte, die in der ersten und zweiten Entzerrereinheit 23 und 24 zu setzen sind, wobei die optimalen Sätze vom Lernkontroller 50 bestimmt werden, und vom Entzerrer-Netzgewichtspeicher 32a gespeichert werden, wie in der ersten Ausführungsform.
Der Entzerrer-Netzgewichtselektor 32a empfängt die obigen Ausgänge der Vielzahl von Detektor-Neuralnetzeinheiten 42a, 42a' und 42a", und liest und setzt einen der Vielzahl von Sätzen von Entzerrer-Netzgewichten in der ersten und zweiten Entzerrereinheit 23 und 24. Daher werden das obige I-Kanal- und Q-Kanalsignal jeweils durch die erste und zweite Entzerrereinheit 23 und 24 entzerrt. Die Taktextraktionseinheit 80a extrahiert ein Zeitsignal (Takt) aus dem entzerrten I-Kanalsignal, um eine Zeiteinstellung seines Betriebs zuzuführen.
Ferner kann die Funktion der Verzögerungsdetektion in der Demodulationseinheit 70 in der Entzerrereinheit 20a enthalten sein. Das heißt, die erste und zweite Entzerrereinheit 23 und 24 können gleichzeitig als Demodulator und als Entzerrer arbeiten.

(3) Dritte Ausführungsform

Fig.10 und 11

Fig.10 ist eine Darstellung, welche die Konstruktion der dritten Ausführungsform der vorliegenden Erfindung darstellt. Fig.10 zeigt die Konstruktion der Signalcharakteristik-Meßeinheit 40b in der dritten Ausführungsform der vorliegenden Erfindung. In der Konstruktion in Fig.10 bezeichnet die Bezugszahl 10b eine Signalabtastereinheit, 40b bezeichnet eine Signalcharakteristik-Meßeinheit, 41b bzw. 41b' bezeichnen eine Abgriff-Verzögerungsleitung, 42b bzw. 42b' bezeichnen ein Detektor-Neuralnetz, 43b bezeichnet eine Netzgewicht-Setzschaltung, 44b bezeichnet eine Zonenselektoreinheit, und 45b bzw. 45b' bezeichnen eine Bereichsselektoreinheit.
Wie in Fig.10 gezeigt, umfaßt die Signalcharakteristik- Meßeinheit 40b eine Vielzahl von Detektor-Neuralnetzen 42b und 42b'. Jedes der Vielzahl von Detektor-Neuralnetzen 42b und 42b' empfängt die Ausgänge der Abgriff-Verzögerungsleitungen 41b und 41b' in der Verzerrungscharakteristik-Detektiereinheit 40b, erzeugt und gibt Werte aus, die jeweils die Verzerrungscharakteristiken (die Amplitudenverzerrung, die Verzögerungsverzerrung und die Phasenverzerrung) des verzerrten Signals angeben, wenn jeder Betrag der Verzerrungscharakteristiken, die im verzerrten Signal enthalten sind, innerhalb eines Teils, der dem Detektor-Neuralnetz zugeordnet ist, des gesamten Bereichs der zu detektierenden Verzerrungscharakteristik liegt, und erzeugt und gibt einen vorherbestimmten Wert aus (beispielsweise den Maximalwert des Ausgabebereichs der Detektor-Neuralnetzeinheiten 42b und 42b'), wenn ein Betrag der Detektionscharakteristik, die im verzerrten Signal enthalten ist, außerhalb des Teils liegt, der dem Detektor-Neuralnetz zugeordnet ist, auf der Basis der Ausgänge der Abgriff-Verzögerungsleitung in der Signalcharakteristik-Meßeinheit 40b unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind. Der Satz von Detektor-Netzgewichten wird auf eine Weise ähnlich der ersten Ausführungsform bestimmt und voreingestellt, obwohl der Lernkontroller 50 in Fig.10 nicht gezeigt ist. Beispielsweise gibt jede der Vielzahl von Detektor-Neuralnetzeinheiten 42b und 42b' einen Wert aus, der eine der obigen Verzerrungscharakteristiken, der Amplitudenverzerrung, der Verzögerungsverzerrung und der Phasenverzerrung, angibt. Ferner kann anstelle des Vorsehens der Vielzahl von Abgriff-Verzögerungsleitungen 41b und 41b' für die Vielzahl von Detektor-Neuralnetzeinheiten 42b und 42b' nur eine Abgriff-Verzögerungsleitung gemeinsam für die Vielzahl von Detektor-Neuralnetzeinheiten 42b und 42b' vorgesehen sein.
Die Vielzahl von Bereichsselektoreinheiten 45b und 45b' ist jeweils für eine der Verzerrungscharakteristiken (beispielsweise die Amplitudenverzerrung) vorgesehen, die von der Signalcharakteristik-Meßeinheit 40b detektiert werden. Jede der Vielzahl von Bereichsselektoreinheiten 45b und 45b' empfängt die Ausgänge der Vielzahl von Detektor-Neuralnetzeinheiten 42b und 42b' in bezug auf eine der Verzerrungscharakteristiken, und wählt den Ausgang einer der Vielzahl von Detektor-Neuralnetzeinheiten 42b und 42b' aus. Fig.11 ist eine Darstellung, welche die Konstruktion jeder der Vielzahl von Bereichsselektoreinheiten 45b und 45b' zeigt. Wie in Fig.11 dargestellt, umfaßt jede Bereichsselektoreinheit einen Selektor 142 und einen Selektorkontroller 141.
Der Selektorkontroller 141 in jeder Bereichsselektoreinheit empfängt die Ausgänge der Vielzahl von Detektor Neuralnetzeinheiten 42b und 42b' in bezug auf die entsprechende eine der Verzerrungscharakteristiken, steuert dann den entsprechenden Selektor 142 auf der Basis der Empfangsausgänge der Vielzahl von Detektor-Neuralnetzeinheiten 42b und 42b', so daß der entsprechende Selektor den Ausgang einer der Detektor-Neuralnetzeinheiten 42b und 42b' auswählt, die den vorherbestimmten Wert nicht ausgibt, und gibt den obigen vorherbestimmten Wert (beispielsweise den Maximalwert des Ausgabebereichs der Detektor-Neuralnetzeinheiten 42b und 42b') aus, wenn alle Ausgänge der Detektor-Neuralnetzeinheiten 42b und 42b' in bezug auf die entsprechende eine der Verzerrungscharakteristiken gleich dem vorherbestimmten Wert (dem Maximalwert) sind.
Der obige Selektorkontroller 141 sendet Informationen über die obige Auswahl an den Entzerrer-Netzgewichtspeicher 32b in der Entzerrer-Netzgewicht-Steuereinheit 30b. Beim Empfang der Informationen zusammen mit dem Ausgang des Selektors 141 kann der Entzerrer-Netzgewichtspeicher 32b den realen Betrag der Verzerrungscharakteristik erkennen, und den entsprechenden optimalen Satz von Netzgewichten auswählen und lesen.
Gemäß der obigen Konstruktion in Fig.10 und 11 wird der gesamte Ausgabebereich jedes Detektor-Neuralnetzes zum Angeben nur eines Teils des Gesamtbereichs des Werts einer Verzerrungscharakteristik verwendet, und die Präzision der Verzerrungscharakteristiken wird verbessert

(4) Vierte Ausführungsform

Fig.11 und 12

Fig.12 ist eine Darstellung, welche die Konstruktion der vierten Ausführungsform der vorliegenden Erfindung zeigt. Fig.12 zeigt die Konstruktion der Signalcharakteristik-Meßeinheit 40c in der vierten Ausführungsform der vorliegenden Erfindung. In der Konstruktion in Fig.12 bezeichnet das Bezugszeichen 40c eine Signalcharakteristik-Meßeinheit, 41c-1 bis 41c-4 bezeichnen jeweils eine Abgriff-Verzögerungsleitung, 42c-1 bis 42c-4 bezeichnen jeweils ein Detektor-Neuralnetz, 43c bezeichnet eine Netzgewicht-Setzschaltung, und 44c bezeichnet eine Zonenselektoreinheit. In Fig.12 wird der einfachen Erläuterung halber angenommen, daß die Signalcharakteristik-Meßeinheit 40c nur zwei Verzerrungscharakteristiken, die Amplitudenverzerrung und die Verzögerungsverzerrung, detektiert.
Wie in Fig.12 gezeigt, umfaßt die Signalcharakteristik- Meßeinheit 40c eine Vielzahl von Detektor-Neuralnetzen 42c-1 bis 42c-4. Jedes der Vielzahl von Detektor-Neuralnetzen 42c- 1 bis 42c-4 empfängt die Ausgänge der Abgriff-Verzögerungsleitungen 41c-1 bis 41c-4 in der Verzerrungscharakteristik- Detektiereinheit 40c, erzeugt und gibt einen Wert aus, der jeweils eine Verzerrungscharakteristik (die Amplitudenverzerrung, die Verzögerungsverzerrung und die Phasenverzerrung) des verzerrten Signals angibt, wenn ein Betrag der Verzerrungscharakteristik, die im verzerrten Signal enthalten ist, innerhalb eines Teils, der dem Detektor-Neuralnetz zugeordnet ist, des gesamten Bereichs der zu detektierenden Verzerrungscharakteristik liegt, und erzeugt und gibt einen vorherbestimmten Wert aus (beispielsweise den Maximalwert des Ausgabebereichs der Detektor-Neuralnetzeinheiten 42c-1 bis 42c-4), wenn der Betrag der Verzerrungscharakteristik außerhalb des Teils liegt, der dem Detektor-Neuralnetz zugeordnet ist, auf der Basis der Ausgänge der Abgriff-Verzögerungsleitung in der Signalcharakteristik-Meßeinheit 40c unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind.
Beispielsweise gibt das Detektor-Neuralnetz 42c-1 einen Wert aus, der die Amplitudenverzerrung angibt, wenn die zu detektierende Amplitudenverzerrung nicht größer ist als der Zentralwert des Gesamtbereichs der zu detektierenden Amplitudenverzerrung, und gibt den Maximalwert des Ausgabebereichs des Detektor-Neuralnetzes 42c-1 aus, wenn der Betrag der Amplitudenverzerrung, die im verzerrten Signal enthalten ist, größer ist als der Zentralwert des Gesamtbereichs der zu detektierenden Amplitudenverzerrung. Das Detektor-Neuralnetz 42c-2 gibt den Wert aus, der die Amplitudenverzerrung angibt, wenn der Betrag der Amplitudenverzerrung, die im verzerrten Signal enthalten ist, nicht kleiner ist als der Zentralwert des Gesamtbereichs der zu detektierenden Amplitudenverzerrung, und gibt den Maximalwert des Ausgabebereichs des Detektor-Neuralnetzes 42c-2 aus, wenn der Betrag der Amplitudenverzerrung kleiner ist als der Zentralwert des Gesamtbereichs der zu detektierenden Amplitudenverzerrung. Das Detektor-Neuralnetz 42c-3 gibt den Wert aus, der die Verzögerungsverzerrung angibt, wenn der Betrag der Verzögerungsverzerrung nicht größer ist als der Zentralwert des Gesamtbereichs der zu detektierenden Verzögerungsverzerrung, und gibt den Maximalwert des Ausgabebereichs des Detektor- Neuralnetzes 42c-3 aus, wenn der Betrag der Verzögerungsverzerrung größer ist als der Zentralwert des Gesamtbereichs der zu detektierenden Verzögerungsverzerrung. Das Detektor- Neuralnetz 42c-4 gibt den Wert aus, der die Verzögerungsverzerrung angibt, wenn der Betrag der Verzögerungsverzerrung nicht kleiner ist als der Zentraiwert des Gesamtbereichs der zu detektierenden Verzögerungsverzerrung, und gibt den Maximalwert des Ausgabebereichs des Detektor-Neuralnetzes 42c-4 aus, wenn der Betrag der Verzögerungsverzerrung kleiner ist als der Zentralwert des Gesamtbereichs der zu detektierenden Verzögerungsverzerrung. Daher kann jeder der obigen Werte, die jeweils die Amplitudenverzerrung und die Verzögerungsverzerrung angeben, in einem Ausgabebereich ausgegeben werden, der im wesentlichen das Doppelte des Ausgabebereichs der Gesamtbereiche der Amplitudenverzerrung oder der Verzögerungsverzerrung, die von einem Detektor-Neuralnetz ausgegeben werden, beträgt.
Die Zonenselektoreinheit 45c hat die gleiche Konstruktion wie die oben angegebene dritte Ausführungsform, außer daß in der vierten Ausführungsform nur zwei Verzerrungscharakteristiken gezeigt sind. Tabelle 1 Bereichszuordnung für die Amplitudenverzerrung und Verzögerungsverzerrung Tabelle 2 Beispiel von Ausgabewerten, die Verzögerungsverzerrungen in einer Detektor-Neuralnetzeinheit angeben
Tabelle 1 zeigt die Bereichszuordnung für die Amplitudenverzerrung und die Verzögerungsverzerrung, wobei der Bereich 0 bis 1,0 jeder Detektor-Neuralnetzeinheit 42c-1 bis 42c-4 zugeordnet wird. In Tabelle 1 bezeichnen A, B, C und D jeweils eine Zone, die durch eine Kombination der Bereiche der Amplitudenverzerrung und der Verzögerungsverzerrung bestimmt wird. Ferner kann, wie in Tabelle 2 gezeigt, in jeder Zone jeder der obigen Werte, die jeweils die Amplitudenverzerrung und die Verzögerungsverzerrung angeben, im Ausgabebereich ausgegeben werden, der im wesentlichen das Doppelte des Ausgabebereichs der Gesamtbereiche der Amplitudenverzerrung oder der Verzögerungsverzerrung, die von einem Detektor-Neuralnetz ausgegeben werden, beträgt.
Der Satz von Detektor-Netzgewichten wird auf eine Weise ähnlich der ersten Ausführungsform bestimmt und voreingestellt, obwohl der Lernkontroller 50 in Fig.12 nicht gezeigt ist. Ferner kann anstelle des Vorsehens der Vielzahl von Abgriff-Verzögerungsleitungen 41cl bis 41c-4 für die Vielzahl von Detektor-Neuralnetzeinheiten 42c-1 bis 42c-4 nur eine Abgriff-Verzögerungsleitung gemeinsam für die Vielzahl von Detektor-Neuralnetzeinheiten 42c-1 bis 42c-4 vorgesehen sein.
Gemäß der obigen Konstruktion in Fig.10 und 11 wird der gesamte Ausgabebereich jedes Detektor-Neuralnetzes zum Angeben nur eines Teils des Gesamtbereichs des Werts einer Verzerrungscharakteristik verwendet, und die Präzision der Verzerrungscharakteristiken wird verbessert.

(5) Erzeugung des verzerrten Modellsignals

Vor der Operation des Lernkontrollers 50 zum Ermitteln des optimalen Satzes von Netzgewichten werden die oben angegebenen verzerrten Modellsignale wie nachstehenderläutert erhalten.
Die oben angegebenen verzerrten Modellsignale, die jeweils eine bestimmte Verzerrungscharakteristik aufweisen, werden auf der Basis eines Zweiwellen-Inferferenzmodells eines Signals auf einer Transmissionsleitung erzeugt. Gemäß dem Zweiwellen-Inferferenzmodell wird ein Signal, das am Empfänger erhalten wird, durch die Überlagerung einer direkten nicht-verzerrten Welle und einer reflektierten Welle, die eine Verzerrung, wie eine Amplitudenverzerrung, eine Verzögerungsverzerrung und eine Phasenverzerrung, enthält, näherungsweise angegeben. Wenn das übertragene Signal beispielsweise durch die Quadraturphasenumtastung (QPSK) moduliert wird, wird ein moduliertes Signal, d.h. I(t)coswct + Q(t)sinwct von einer Senderseite übertragen, und die reflektierte Welle im I-Kanal wird ausgedrückt als
A.(I(t-τ)cosωo(t-φ) + Q(t-τ)sinωo(t-φ)),
worin A die Amplitudenverzerrung bezeichnet, τ die Verzögerungsverzerrung bezeichnet, die normalisiert wird als 0 ≤ τ ≤ 1, und φ die Phasenverzerrung bezeichnet, die normalisiert wird als 0 ≤ φ ≤ 1.
Auf der Basis des obigen Modells wird angenommen, daß ein vorherbestimmtes aufeinanderfolgendes Datenmuster, beispielsweise "010", am I-Kanal empfangen wird, Wellenformen demodulierter Signale (die dem Eingang der Entzerrereinheit 20 in Fig.2 entsprechen), die dem Empfang des Musters "010" entsprechen, und die eine Verzerrung enthalten, welche verschiedenen Werten für die Amplitudenverzerrung A, die Verzögerungsverzerrung τ und die Phasenverzerrung φ entspricht, durch Computersimulationen erzeugt werden, und die Wellenformen des Teils "10" im obigen Muster "010" zur Verwendung als Lernsignale (verzerrte Modellsignale) extrahiert werden. Das erste Bit "0" ist nur zur Stabilisierung der Wellenformen vorgesehen, die den folgenden Bits "10" entsprechen, und wird daher nach der obigen Simulation verworfen. Das obige Muster "10" mit dem vorausgehenden Bit "0" ist vorherbestimmt, um gleich zu sein wie die oben angegebenen Übungsdaten, d.h. die Übungsdaten enthalten auch das Muster "010".
Fig.13 ist eine Darstellung, die Wellenformen des nicht-verzerrten Signals, das dem Muster "10" entspricht, und eines Beispiels eines verzerrten Modellsignals, das dem nicht-verzerrten Signal entspricht, darstellt, und Fig.14 und 15 sind jeweils eine Darstellung, welche die Wellenformen der verzerrten Signale, die wie oben für das Datenmuster "10" erhalten werden, und der verschiedenen Kombinationen von Werten der Amplitudenverzerrungen A und der Verzögerungsverzerrungen τ zeigt. In Fig.14 ist der Wert der Amplitudenverzerrung A auf A=0 festgelegt, und die Werte der Verzögerungsverzerrung τ variieren von 0,1 bis 0,8. In Fig.15 variiert der Wert der Amplitudenverzerrung A von 0,1 bis 0,9, und der Wert der Verzögerungsverzerrung τ ist auf 0,8 festgelegt. Es wird angenommen, daß die Signalpegel durch die Demodulation in den Simulationen invertiert werden. In den Beispielen in Fig.13 und 14 sind sieben Abtastwerte von Signalpegeln für jeden Simulationsfall gezeigt, wobei die Abtastrate das Vierfache der Baud-Rate des Signals beträgt.
Die Wellenformdaten und die entsprechenden Kombinationen der Verzerrungscharakteristik-Werte werden in der Lerndaten-Speichereinheit 60 (Fig.2) gespeichert. Auf diese Weise wurden die Simulationsmodellsignale erzeugt.

(6) Ermittlung des optimalen Satzes von Gewichten

Die Details eines Beispiels der Funktionen des Lernkontrollers 50 zum Ermitteln des optimalen Satzes von Netzgewichten werden nachstehend erläutert. Für das Beispiel wird das oben genannte Backpropagation-Verfahren erklärt. Die Erläuterung erfolgt auf der Basis der Konstruktion des in Fig.3 gezeigten hierarchischen Netzes.
In Fig.3 bezeichnet yph (p, h=1, 2, ...) ein Eingangssignal in das hierarchische Netz, und ypj (p, j=1, 2, ...) bezeichnet ein Ausgangssignal des hierarchischen Netzes, wobei der Index p zum Angeben verschiedener Eingangssignale verwendet wird (welche verschiedenen verzerrten Modellsignalen, die verschiedene Verzerrungscharakteristiken enthalten, entsprechen), h für verschiedene Eingabeschichteinheiten verwendet wird, i für verschiedene verborgene Schichteinheiten verwendet wird, und j zum Angeben allgemein verschiedener Ausgabeschichteinheiten verwendet wird (obwohl nur eine Ausgabeschichteinheit in Fig.3 gezeigt ist). Wenn ein Zielwert (das oben angegebene nicht-verzerrte Modellsignal, oder ein Betrag einer Verzerrungscharakteristik, beispielsweise ein Betrag der Amplitudenverzerrung A) des Ausgangssignals ypj mit dpj (p, j=1, 2, ...) bezeichnet wird, wird eine Differenz ypj-dpj zwischen dem Ausgangssignal ypj und dem Zielwert dpj berechnet, und dann wird ein Wert αpj = ypj.(1-ypj).(dpj-ypj) berechnet. Als nächstes wird eine Korrektur des Netzgewichts zwischen der verborgenen Schicht und der Ausgabeschicht berechnet als
ΔWji(t) = &epsi;.Σαpj.ypj + .ΔWji(t-1),
worin &epsi; und jeweils eine Konstante bedeuten, und t eine Anzahl von Lernzyklen bedeutet. Außerdem wird ein Wert βpi = ypi.(1-ypi).Σαpj.Wji(t-1) berechnet.
Als nächstes wird eine Korrektur des Netzgewichts zwischen der Eingabeschicht und der verborgenen Schicht berechnet als
ΔWih(t) = &epsi;. βpi.yph + .ΔWih(t-1).
Daher werden unter Verwendung der obigen Korrekturwerte ΔWji(t) und ΔWih(t) die Netzgewicht-Werte wiederholt modifiziert als
Wji(t) = Wji(t-1) + ΔWji(t), und
Wih(t) = Wih(t-1) + Δwih(t),
um einen optimalen Satz von Netzgewichten Wji und Wih zu erhalten, der zu den obigen Ziel- (den oben angegebenen optimalen) Werten führt. Der obige Betrieb des Backpropagation-Verfahrens kann sowohl zur Ermittlung der Entzerrer- Netzgewichte als auch der Detektor-Netzgewichte verwendet werden.
Im Fall der Ermittlung der Detektor-Netzgewichte stellt der Lernkontroller 50 die oben angegebenen optimalen Netzgewichte im voraus im Detektor-Neuralnetz ein. Wenn das Neuralnetz durch Software unter Verwendung eines Digital-Signalprozessors realisiert wird, werden die erhaltenen Netzgewichte in einer vorherbestimmten Region eines RAM gespeichert, der vom Digital-Signalprozessor verwendet wird. Im Fall der Ermittlung der Entzerrer-Netzgewichte ermittelt der Lernkontroller 50 den optimalen Satz von Entzerrer-Netzgewichten für jedes der Vielzahl verzerrter Modellsignale, und speichert den erhaltenen Satz im Entzerrer-Netzgewichtspeicher 32 für jede Verzerrungscharakteristik, die dem verzerrten Modellsignal entspricht.
Wenn im Betrieb ein verzerrtes Übungssignal eingegeben wird, das dem gleichen Muster entspricht wie das Simulationsmodellsignal, geben die Signalcharakteristik-Meßeinheiten 40, 40a und 40b (Fig.2, 9 und 10), in denen die optimalen Sätze von Netzgewichten voreingestellt sind, jeweils die Werte der Verzerrungscharakteristiken aus, die das verzerrte Signal enthalten, wie vorstehend erläutert. Tabelle 3 Ergebnisse von Simulationen über die Genauigkeit detektierter Verzögerungsverzerrungen Tabelle 4 Ergebnisse von Simulationen über die Genauigkeit von Amplitudenverzerrungen

(7) Simulationsauswertung

Die Tabellen 3 und 4 zeigen die Ergebnisse von Simulationen, die zur Verifikation der Glaubwürdigkeit der Signalcharakteristik-Meßeinheit 40c in Fig.11 durchgeführt wurden. In den Tabellen 3 und 4 werden die Simulationen für kleinere und größere Bereiche der Amplitudenverzerrung und der Verzögerungsverzerrung durchgeführt. Für den kleineren Bereich werden 35 verzerrte Basis-Modellsignale aus sieben Punkten der Amplitudenverzerrung zwischen A=0,4 und 1,0 erzeugt, und fünf Punkte der Verzögerungsverzerrung zwischen 0,4 und 0,8, und sechs Typen von Bitmustern vor und nach dem Modellmuster "010" werden für das Eingangssignal angenommen, und daher werden 6 x 35 = 210 Typen der verzerrten Modellsignale als Eingangssignale erzeugt, um den optimalen Satz von Netzgewichten, die im Detektor-Neuralnetz 42c zu setzen sind, zu erhalten. Für den größeren Bereich werden 48 verzerrte Basis-Modellsignale für achte Punkte der Amplitudenverzerrung zwischen A=0,2 und 1,0, und sechs Punkte der Verzögerungsverzerrung zwischen 0,2 und 0,8, und sechs Typen von Bitmustern vor und nach dem Modellmuster "010" werden für das Eingangssignal angenommen, und daher werden 6 x 48 = 288 Typen der verzerrten Modellsignale als Eingangssignale erzeugt, um den optimalen Satz von Netzgewichten, die im Detektor-Neuralnetz 42c zu setzen sind, zu erhalten.
Im Fall der kleineren Bereiche werden dann die obigen 210 Typen der verzerrten Modellsignale in die Signalcharakteristik-Meßeinheit 40c eingegeben, und es wird bestimmt, ob die gewünschten Verzerrungscharakteristik-Werte aus der Signalcharakteristik-Meßeinheit 40c innerhalb des Fehlers von 0,05 % und innerhalb des Fehlers von 0,1 % ausgegeben werden oder nicht. Ferner werden drei Typen von Bitmustern vor und nach dem Modellmuster "010", die von den obigen 210 Typen verschieden sind, angenommen, und daher werden 3 x 35 = 105 Typen der verzerrten Modellsignale als Eingangssignale in die Signalcharakteristik-Meßeinheit 40c erzeugt.
Im Fall der obigen größeren Bereiche werden dann die obigen 288 Typen der verzerrten Modellsignale in die Signalcharakteristik-Meßeinheit 40c eingegeben, und es wird bestimmt, ob die gewünschten Verzerrungscharakteristik-Werte aus der Signalcharakteristik-Meßeinheit 40c innerhalb des Fehlers von 0,05 % und innerhalb des Fehlers von 0,1 % ausgegeben werden oder nicht. Ferner werden drei Typen von Bitmustern vor und nach dem Modellmuster "010", die von den obigen 210 Typen verschieden sind, angenommen, und daher werden 3 x 48 144 Typen der verzerrten Modellsignale als Eingangssignale in die Signalcharakteristik-Meßeinheit 40c erzeugt.
Tabelle 3 zeigt die Möglichkeit der Ausgänge für die Verzögerungsverzerrung t mit einem Fehler von nicht mehr als 0,05 %, und Tabelle 4 zeigt die Möglichkeit der Ausgänge für die Amplitudenverzerrung A mit einem Fehler von nicht mehr als 0,05 %. In den Tabellen 3 und 4 sind gezeigt: der obige Fall, wo die Eingangssignale jeweils die obigen 210 verzerrten Modellsignale sind; der obige Fall, wo die Eingangssignale jeweils die obigen 288 verzerrten Modellsignale sind; der obige Fall, wo die Eingangssignale die 105 Signale sind, die von den 210 verzerrten Modellsignalen verschieden sind; und der obige Fall, wo die Eingangssignale die 144 Signale sind, die von den 288 verzerrten Modellsignalen verschieden sind.

Fig. 16

Fig.16 ist eine Darstellung, die Wellenformen des nicht-verzerrten Signals, das dem Muster "10" entspricht, eines Beispiels eines verzerrten Modellsignals, das dem nicht-verzerrten Signal entspricht, und eines entzerrten Signals des verzerrten Modellsignals, durch Simulation, zeigt, wobei die Amplitudenverzerrung A auf 0,1 gesetzt ist, und die Verzögerungsverzerrung t auf 0,1 gesetzt ist. Tabelle 5 Ergebnisse (Fehlerraten) von Simulationen mit der Entzerrereinheit
Tabelle 5 zeigt Ergebnisse (Fehlerraten) von Simulationen, die zur Verifikation der Glaubwürdigkeit der Signalcharakteristik-Meßeinheit 23 in Fig.9 durchgeführt wurden. In den obigen Simulationen wird der optimale Satz von Netzgewichten ermittelt, indem acht verzerrte Modellsignale für zehn Punkte der Amplitudenverzerrung zwischen A=0,1 und 1,0 und acht Punkte der Verzögerungsverzerrung zwischen 0,1 und 0,8 zugeführt werden. Dann werden verzerrte Signale, die dem Muster "10" entsprechen, und von den obigen verzerrten Modellsignalen verschieden sind, in die Entzerrereinheit 23 eingegeben, und entsprechende Ausgänge werden mit dem nicht- verzerrten Signal verglichen. Die Simulationen werden ohne die Signalcharakteristik-Meßeinheit 40a und die Entzerrer- Netzgewicht-Steuereinheit 30a durchgeführt. Das heißt, die optimalen Sätze von Netzgewichten werden in den Simulationen korrekt in der Entzerrereinheit 23 gesetzt. Die Ausgangssignale werden an den in Fig.16 durch Kreise gezeigten Abtastpunkten abgetastet, durch die Diskriminierung der Signale unter Verwendung eines Schwellenpegels von 0,5 digitalisiert, und werden jeweils mit dem nicht-verzerrten Signal verglichen. Tabelle 6 Ergebnisse (Fehlerraten) von Simulationen ohne Entzerrereinheit
Tabelle 6 zeigt die Ergebnisse (Fehlerraten) von Simulationen, die ohne die Verwendung der Entzerrereinheit durchgeführt wurden, und ist für einen Vergleich mit den obigen Ergebnissen unter Verwendung der Entzerrereinheit vorgesehen. In den Simulationen für Tabelle 6 werden entzerrte Signale digitalisiert, indem die Signale unter Verwendung eines Schwellenpegels von 0 diskriminiert werden, und werden jeweils mit dem nicht-verzerrten Signal verglichen. Tabelle 7 Ergebnisse (Fehlerraten) von Simulationen mit der Konstruktion in Fig.9
Tabelle 7 zeigt Ergebnisse (Fehlerraten) von Simulationen, die zur Verifikation der Glaubwürdigkeit der Signalcharakteristik-Meßeinheit 23 in Fig.9 durchgeführt wurden. In den obigen Simulationen wird der optimale Satz von Netzgewichten auf die gleiche Weise wie die Ergebnisse in Tabelle 5 erhalten. Die Simulationen werden durchgeführt, so daß die Signalcharakteristik-Meßeinheit 40a und die Entzerrer- Netzgewicht-Steuereinheit 30a mit der Entzerrereinheit 23 kooperieren. Dann werden verzerrte Signale, die dem Muster "10" entsprechen, und von den obigen verzerrten Modellsignalen verschieden sind, in die Entzerrereinheit 23 eingegeben, und entsprechende Ausgänge werden mit dem nicht-verzerrten Signal verglichen. Die Ausgangssignale werden an den in Fig.16 durch Kreise bezeichneten Abtastpunkten abgetastet, durch die Diskriminierung der Signale unter Verwendung eines Schwellenpegels von 0,5 digitalisiert, und werden jeweils mit dem nicht-verzerrten Signal verglichen. Aus den Ergebnissen in Tabellen 6 und 7 geht hervor, daß die Signalcharakteristik-Meßeinheit 40a und die Entzerrer-Netzgewicht- Steuereinheit 30a mit der Entzerrereinheit 23 effektiv kooperieren.

Claims

1. Wellenform-Entzerrer zum Entzerren eines verzerrten Signals, mit:

einer Abtasteinrichtung (10) zum Abtasten eines Pegels des genannten verzerrten Signals bei einer vorherbestimmten Rate;

einer Zeitreihen-Generatoreinrichtung (21) zum seriellen Empfangen des genannten abgetasteten Pegels, und parallelen Ausgeben einer vorherbestimmten Anzahl der Pegel, die zuletzt empfangen wurden;

einer Verzerrungscharakteristik-Detektiereinrichtung (40) zum Detektieren einer Verzerrungscharakteristik des genannten verzerrten Signals;

einer Entzerrer-Netzgewicht-Halteeinrichtung (31) zum Halten einer Vielzahl von Sätzen von Entzerrer-Netzgewichten;

einer Entzerrer-Netzgewicht-Auswahleinrichtung (32) zum Auswählen eines der genannten Vielzahl von Sätzen von Entzerrer-Netzgewichten gemäß der Verzerrungscharakteristik, die in der genannten Verzerrungscharakteristik-Detektiereinrichtung (40) detektiert wird; und

einer Entzerrer-Neuralnetzeinrichtung (22) zum Empfangen der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (21), und Erzeugen eines entzerrten Signals des genannten verzerrten Signals auf der Basis der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (21) unter Verwendung der von der Entzerrer-Netzgewicht-Auswahleinrichtung (32) ausgewählten Entzerrer-Netzgewichte.

2. Wellenform-Entzerrer nach Anspruch 1, bei welchem die genannten Entzerrer-Neuralnetzeinrichtung (22) ein hierarchisches Netz ist, mit:

einer vorherbestimmten Anzahl von Eingabeschichteinheiten (1-h),

einer Vielzahl verborgener Schichteinheiten (1'-i), und

einer Ausgabeschichteinheit (1"-j);

wobei die genannten Eingabeschichteinheiten (1-h) die genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (21) empfangen, jede der genannten verborgenen Schichteinheiten (1'-i) die Empfangswerte an einer vorherbestimmten Kombination der Eingabeschichteinheiten (1-h) eingibt und einen Wert ausgibt, der eine Funktion der Eingänge davon ist, und jede der genannten Ausgabeschichteinheiten (1"-j) die Ausgänge einer vorherbestimmten Kombination der verborgenen Schichteinheiten (1'-i) eingibt, und einen Wert ausgibt, der eine Funktion der Eingänge davon ist;

die genannten Entzerrer-Netzgewichte jeweils in den verborgenen Schichteinheiten (1'-i) und den Ausgabeschicht einheiten (1"-j) gesetzt werden;

jede der genannten verborgenen Schichteinheiten (1'-i) und der genannten Ausgabeschichteinheiten (1"-j) eine lineare Kombinationseinrichtung (104, 105) zum Ermitteln einer linearen Kombination der Eingänge davon unter Verwendung des genannten Satzes von Entzerrer-Netzgewichten, und eine nicht-lineare Funktionseinrichtung (106) zum Ermitteln einer nicht-linearen Funktion der linearen Kombination umfaßt.

3. Wellenform-Entzerrer nach Anspruch 2, ferner mit einer Entzerrer-Optimalnetzgewicht-Ermittlungseinrichtung (50) zum Ermitteln eines optimalen Satzes von Entzerrer-Netzgewichten für jede Verzerrungscharakteristik, so daß die genannte Entzerrer-Neuralnetzeinrichtung (22) ein bestes entzerrtes Signal fur ein verzerrtes Signal mit der Verzerrungscharakteristik ausgibt, wenn der optimale Satz von Entzerrer-Netzgewichten in der Entzerrer-Neuralnetzeinrichtung (22) voreingestellt ist, und zum Zuführen des ermittelten Satzes zur genannten Entzerrer-Netzgewicht-Halteeinrichtung (31), so daß die Entzerrer-Netzgewicht-Halteeinrichtung (31) darin den für jede der Verzerrungscharakteristiken ermittelten Satz von Entzerrer-Netzgewichten speichert.

4. Wellenform-Entzerrer nach Anspruch 3, bei welchem die Entzerrer-Optimalnetzgewicht-Ermittlungseinrichtung (50) umfaßt:

eine nicht-verzerrte Modellsignal-Speichereinrichtung (60) zum Speichern eines Modellsignals, das nicht verzerrt ist;

eine verzerrte Modellsignal-Generatoreinrichtung zum Erzeugen einer Vielzahl von verzerrten Modellsignalen, die jeweils aus dem genannten Modellsignal durch das Verzerren des Modellsignals gemäß einer Vielzahl von Verzerrungscharakteristik-Typen erzeugt werden, und Zuführen der verzerrten Modellsignale zur genannten Entzerrer-Neuralnetzeinrichtung (22);

eine Entzerrer-Netzgewicht-Setzeinrichtung zum Setzen eines Satzes von Entzerrer-Netzgewichten in der genannten Entzerrer-Neuralnetzeinrichtung (22);

eine Ausgangsüberwachungseinrichtung zum Überwachen des Ausgangs der genannten Entzerrer-Neuralnetzeinrichtung (22);

eine Entzerrer-Netzgewicht-Modifikationseinrichtung zum Modifizieren des genannten Satzes von Entzerrer-Netzgewichten, die von der genannten Entzerrer-Netzgewicht-Setzeinrichtung in der genannten Entzerrer-Neuralnetzeinrichtung (22) gesetzt werden;

eine Lernsteuereinrichtung zum Steuern der genannten Entzerrer-Netzgewicht-Setzeinrichtung und der genannten Entzerrer-Netzgewicht-Modifikationseinrichtung auf der Basis aufeinanderfolgender Ausgänge der genannten Entzerrer-Neuralnetzeinrichtung (22), so daß eine Wellenform, die durch die aufeinanderfolgenden Ausgänge der Entzerrer-Neuralnetzeinrichtung (22) erzeugt wird, mit der Wellenform des genannten Modellsignals übereinstimmt, um den genannten optimalen Satz von Entzerrer-Netzgewichten für jedes der genannten Vielzahl verzerrter Modellsignale zu ermitteln; und

einer Speichereinrichtung (112 - 121) zum Speichern des ermittelten optimalen Satzes von Entzerrer-Netzgewichten für jedes der genannten Vielzahl verzerrter Modellsignale.

5. Wellenform-Entzerrer nach Anspruch 3, bei welchem die Entzerrer-Optimalnetzgewicht-Ermittlungseinrichtung (50) umfaßt:

eine Simulationsentzerrer-Neuralnetzeinrichtung (22) zum Empfangen verzerrter Modellsignale, und Simulieren der Operation der genannten Entzerrer-Neuralnetzeinrichtung (22);

eine verzerrte Modellsignal-Generatoreinrichtung zum Erzeugen einer Vielzahl verzerrter Modellsignale, die jeweils aus dem genannten Modellsignal durch das Verzerren des Modellsignals gemäß einer Vielzahl von Verzerrungscharakteristik-Typen erzeugt werden, und Zuführen der verzerrten Modellsignale zur genannten Simulationsentzerrer-Neuralnetzeinrichtung (22);

eine Entzerrer-Netzgewicht-Setzeinrichtung zum Setzen eines Satzes von Entzerrer-Netzgewichten in der genannten Simulationsentzerrer-Neuralnetzeinrichtung (22);

eine Ausgangsüberwachungseinrichtung zum Überwachen des Ausgangs der genannten Simulationsentzerrer-Neuralnetzeinrichtung (22);

eine Entzerrer-Netzgewicht-Modifikationseinrichtung zum Modifizieren des genannten Satzes von Entzerrer-Netzgewichten, die von der genannten Entzerrer-Netzgewicht-Setzeinrichtung in der genannten Simulationsentzerrer-Neuralnetzeinrichtung (22) gesetzt werden;

eine Lernsteuereinrichtung zum Steuern der genannten Entzerrer-Netzgewicht-Setzeinrichtung und der genannten Entzerrer-Netzgewicht-Modifikationseinrichtung auf der Basis aufeinanderfolgender Ausgänge der genannten Simulationsentzerrer-Neuralnetzeinrichtung (22), so daß eine Wellenform, die durch die aufeinanderfolgenden Ausgänge der Simulationsentzerrer-Neuralnetzeinrichtung (22) erzeugt wird, mit der Wellenform des genannten Modellsignals übereinstimmt, um den genannten optimalen Satz von Entzerrer-Netzgewichten für jedes der genannten Vielzahl verzerrter Modellsignale zu ermitteln; und

6. Wellenform-Entzerrer nach Anspruch 4 oder 5, bei welchem die genannte Entzerrer-Optimalnetzgewicht-Ermittlungseinrichtung (50) die Entzerrer-Netzgewicht-Setzeinrichtung und die genannte Entzerrer-Netzgewicht-Modifikationseinrichtung in Übereinstimmung mit einem Backpropagation- Verfahren steuert.

7. Wellenform-Entzerrer nach einem der vorhergehenden Ansprüche, bei welchem die genannte Verzerrungscharakteristik- Detektiereinrichtung (40) umfaßt:

eine Zeitreihen-Generatoreinrichtung (41) zum seriellen Empfangen des genannten abgetasteten Pegels, und parallelen Ausgeben einer vorherbestimmten Anzahl der Pegel, die zuletzt empfangen wurden;

eine Detektor-Neuralnetzeinrichtung (42) zum Empfangen der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41) in der Verzerrungscharakteristik-Detektiereinrichtung (40), und Erzeugen eines Verzerrungscharakteristik-Werts des genannten verzerrten Signals auf der Basis der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41) in der Verzerrungscharakteristik-Detektiereinrichtung (40) unter Verwendung eines Satzes von Detektor- Netzgewichten, die darin voreingestellt sind.

8. Wellenform-Entzerrer nach Anspruch 7, bei welchem die genannte Erzeugung des Verzerrungscharakteristik-Werts während eines Empfangs eines vorherbestimmten Übungssignals durchgeführt wird.

9. Wellenform-Entzerrer nach Anspruch 8, bei welchem die genannte Detektor-Neuralnetzeinrichtung (42) ein hierarchisches Netz ist, mit:

einer vorherbestimmten Anzahl von Eingabeschichteinheiten (1-h),

einer Vielzahl verborgener Schichteinheiten (1'-i), und zumindest einer Ausgabeschichteinheit (1"-j);

wobei die genannten Eingabeschichteinheiten (1-h) die genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41) in der Verzerrungscharakteristik-Detektiereinrichtung (40) empfangen, jede der genannten verborgenen Schichteinheiten (1'-i) die Empfangswerte an einer vorherbestimmten Kombination der Eingabeschichteinheiten (1-h) eingibt, und einen Wert ausgibt, der eine Funktion der Eingänge davon ist, und jede der genannten Ausgabeschichteinheiten (1"-j) die Ausgänge einer vorherbestimmten Kombination der verborgenen Schichteinheiten (1'-i) eingibt, und einen Wert ausgibt, der eine Funktion der Eingänge davon ist, und den genannten Verzerrungscharakteristik-Wert ausgibt;

die genannten Detektor-Netzgewichte jeweils in den verborgenen Schichteinheiten (1'-i) und der Ausgabeschichtein heit (1"-j) gesetzt werden;

jede der genannten verborgenen Schichteinheiten (1'-i) und jede Ausgabeschichteinheit (1"-j) eine lineare Kombinationseinrichtung (104, 105) zum Ermitteln einer linearen Kombination der Eingänge davon unter Verwendung des genannten Satzes von Detektor-Netzgewichten, und eine nicht- lineare Funktionseinrichtung (106) zum Ermitteln einer nicht-linearen Funktion der linearen Kombination umfaßt.

10. Wellenform-Entzerrer nach Anspruch 7, 8 oder 9, ferner mit:

einer Detektor-Optimalnetzgewicht-Ermittlungseinrichtung (50) zum Ermitteln eines optimalen Satzes von Detektor- Netzgewichten, die alle Verzerrungscharakteristiken gemeinsam haben, so daß die genannte Detektor-Neuralnetzeinrichtung (42) die den verzerrten Signalen entsprechenden Verzerrungscharakteristiken ausgibt, wenn die genannten verzerrten Signale nach der Abtastung durch die Abtasteinrichtung (10) von der Verzerrungscharakteristik-Detektiereinrichtung (40) empfangen werden, wenn der ermittelte Satz in der Detektor- Neuralnetzeinrichtung (42) voreingestellt ist; und

einer Detektor-Netzgewicht-Voreinstelleinrichtung zum Voreinstellen des ermittelten Satzes in der genannten Detektor-Neuralnetzeinrichtung (42).

11. Wellenform-Entzerrer nach Anspruch 10, bei welchem die genannte Detektor-Optimalnetzgewicht-Ermittlungseinrichtung (50) umfaßt:

eine verzerrte Modellsignal-Generatoreinrichtung zum Erzeugen einer Vielzahl verzerrter Modellsignale, die jeweils eine bestimmte Verzerrungscharakteristik aufweisen, und Zuführen des am meisten verzerrten Signals zur genannten Detektor-Neuralnetzeinrichtung (42);

einer Detektor-Netzgewicht-Setzeinrichtung zum Eingeben eines Satzes von Detektor-Netzgewichten in die genannte Detektor-Neuralnetzeinrichtung (42);

einer Ausgangsüberwachungseinrichtung zum Überwachen des Ausgangs der genannten Detektor-Neuralnetzeinrichtung (42);

einer Detektor-Netzgewicht-Modifikationseinrichtung zum Modifizieren des genannten Satzes von Detektor-Netzgewichten, die von der genannten Detektor-Netzgewicht-Setzeinrichtung in der genannten Detektor-Neuralnetzeinrichtung (42) gesetzt werden;

einer Lernsteuereinrichtung zum Steuern der genannten Detektor-Netzgewicht-Setzeinrichtung und der genannten Detektor-Netzgewicht-Modifikationseinrichtung auf der Basis des Ausgangs der genannten Detektor-Neuralnetzeinrichtung (42), um den genannten optimalen Satz von Detektor-Netzgewichten zu ermitteln; und

einer Voreinstelleinrichtung zum Voreinstellen des ermittelten optimalen Satzes von Detektor-Netzgewichten in der genannten Detektor-Neuralnetzeinrichtung (42).

12. Wellenform-Entzerrer nach Anspruch 10, bei welchem die genannte Detektor-Optimalnetzgewicht-Ermittlungseinrichtung (50) umfaßt:

eine verzerrte Modellsignal-Generatoreinrichtung zum Erzeugen einer Vielzahl verzerrter Modellsignale, die jeweils eine bestimmte Verzerrungscharakteristik aufweisen;

eine Simulationsdetektor-Neuralnetzeinrichtung (42) zum Empfangen der verzerrten Modellsignale, und Simulieren der Operation der genannten Detektor-Neuralnetzeinrichtung (42);

eine Detektor-Netzgewicht-Setzeinrichtung zum Setzen eines Satzes von Detektor-Netzgewichten in der genannten Simulationsdetektor-Neuralnetzeinrichtung (42);

eine Ausgangsüberwachungseinrichtung zum Überwachen des Ausgangs der genannten Simulationsdetektor-Neuralnetzeinrichtung (42);

eine Detektor-Netzgewicht-Modifikationseinrichtung zum Modifizieren des genannten Satzes von Detektor-Netzgewichten, die von der genannten Detektor-Netzgewicht-Setzeinrichtung in der genannten Simulationsdetektor-Neuralnetzeinrichtung (42) gesetzt werden;

eine Lernsteuereinrichtung zum Steuern der genannten Detektor-Netzgewicht-Setzeinrichtung und der genannten Detektor-Netzgewicht-Modifikationseinrichtung auf der Basis des Ausgangs der genannten Simulationsdetektor-Neuralnetzeinrichtung (42), um den genannten optimalen Satz von Detektor-Netzgewichten zu ermitteln; und

13. Wellenform-Entzerrer nach Anspruch 11 oder 12, bei welcher die genannte Lernsteuereinrichtung die Detektor- Netzgewicht-Setzeinrichtung und die genannte Detektor-Netzgewicht-Modifikationseinrichtung in Übereinstimmung mit einem Backpropagation-Verfahren steuert.

14. Wellenform-Entzerrer nach einem der vorhergehenden Ansprüche, bei welchem die Verzerrungscharakteristik-Detektiereinrichtung (40) eine Einrichtung zum Detektieren einer Vielzahl von Verzerrungscharakteristiken des verzerrten Signals enthält.

15. Wellenform-Entzerrer nach Anspruch 14, bei welchem die genannte Verzerrungscharakteristik eine Amplitudenverzerrung, eine Verzögerungsverzerrung und eine Phasenverzerrung enthält.

16. Wellenform-Entzerrer nach Anspruch 14 oder 15, wenn direkt oder indirekt von Anspruch 7 abhängig, bei welchem die genannte Verzerrungscharaktenstik-Detektiereinrichtung (40a) enthält:

eine Vielzahl der genannten Detektor-Neuralnetzeinrichtungen (42a, 42a', 42a"), wobei jedes der Vielzahl von Neuralnetzen einen Wert erzeugt, der eine entsprechende der genannten Verzerrungscharakteristiken angibt.

17. Wellenform-Entzerrer nach Anspruch 16, bei welchem die genannte Vielzahl von Detektor-Neuralnetzeinrichtungen (42c- 1, 42c-2, 42c-3, 42c-4) jeweils die genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41c-1, 41c-2, 41c-3, 41c-4) in der Verzerrungscharakteristik-Detektiereinrichtung (40c) empfängt, einen Wert erzeugt und ausgibt, der eine der genannten Verzerrungscharakteristiken des genannten verzerrten Signals angibt, wenn ein Betrag der Verzerrungscharakteristik, die im genannten verzerrten Signal enthalten ist, innerhalb eines Teils, welcher der Detektor-Neuralnetzeinrichtung (42c-1, 42c-2, 42c-3, 42c-4) zugeordnet ist, des gesamten Bereichs der zu detektierenden Verzerrungscharakteristik liegt, und einen vorherbestimmten Wert erzeugt und ausgibt, wenn der genannte Betrag der Verzerrungscharakteristik außerhalb des genannten Teils liegt, welcher der Detektor-Neuralnetzeinrichtung (42c-1, 42c-2, 42c-3, 42c-4) zugeordnet ist, auf der Basis der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41c-1, 41c-2, 41c-3, 41c-4) in der Verzerrungscharakteristik-Detektiereinrichtung (40c) unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind.

18. Wellenform-Entzerrer nach Anspruch 17, ferner mit:

einer Vielzahl von Neuralnetz-Selektoreinrichtungen (142), welche jeweils für eine der genannten Verzerrungscharakteristiken vorgesehen sind, die von der genannten Verzerrungscharakteristik-Detektiereinrichtung (40c) detektiert werden, jeweils zum Empfangen der Ausgänge der Vielzahl von Verzerrungscharakteristik-Detektiereinrichtungen (40c) in bezug auf eine der Verzerrungscharakteristiken, und zum Auswählen des Ausgangs einer der Vielzahl von Verzerrungscharakteristik-Detektiereinrichtungen (40c); und

einer Vielzahl von Selektorsteuereinrichtungen (141), die jeweils für eine der genannten Vielzahl von Neuralnetz- Selektoreinrichtungen (142) vorgesehen sind, jeweils zum Empfangen der Ausgänge der Vielzahl von Verzerrungscharakteristik-Detektiereinrichtungen (40c) in bezug auf die entsprechende eine der Verzerrungscharakteristiken, und zum anschließenden Steuern der entsprechenden einen der Vielzahl von Neuralnetz-Selektoreinrichtungen (142) auf der Basis der Empfangsausgänge der Vielzahl von Verzerrungscharakteristik- Detektiereinrichtungen (40c), so daß die entsprechende Neuralnetz-Selektoreinrichtung (142) den Ausgang einer der genannten Neuralnetz-Selektoreinrichtungen (142) auswählt, die den genannten vorherbestimmten Wert nicht ausgibt, und den Maximalwert des Ausgabebereichs der genannten Detektor-Neuralnetzeinrichtung (42c-1, 42c-2, 42c-3, 42c-4) ausgibt, wenn alle der Ausgänge der Vielzahl von Verzerrungscharakteristik-Detektiereinrichtungen (40c) in bezug auf die entsprechende eine der Verzerrungscharakteristiken gleich dem Maximalwert sind.

19. Wellenform-Entzerrer nach Anspruch 18, bei welchem die genannte Selektoreinrichtung (141) Informationen über die genannte Auswahl an die genannte Entzerrer-Netzgewicht-Auswahleinrichtung (32) sendet, und

die genannte Entzerrer-Netzgewicht-Auswahleinrichtung (32) die genannten Informationen zusammen mit dem genannten Ausgang der Neuralnetz-Selektoreinrichtung (142) empfängt, und den entsprechenden optimalen Satz von Netzgewichten auf der Basis der Informationen und des Ausgangs der Neuralnetz- Selektoreinrichtung (142) auswählt.

20. Wellenform-Entzerrer nach Anspruch 14 oder 15, bei welchem die genannte Verzerrungscharakteristik-Detektiereinrichtung (40b) umfaßt:

eine Zeitreihen-Generatoreinrichtung (41b, 41b') zum seriellen Empfangen des genannten abgetasteten Pegels, und parallelen Ausgeben einer vorherbestimmten Anzahl der Pegel, die zuletzt empfangen wurden;

eine Vielzahl der genannten Detektor-Neuralnetzeinrichtungen (42b, 42b'), jeweils zum Empfangen der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41b, 41b') in der Verzerrungscharakteristik-Detektiereinrichtung (40b), Erzeugen und Ausgeben von Werten, die jeweils die genannten Verzerrungscharakteristiken des genannten verzerrten Signals angeben, wenn jeder der Beträge, welche die Verzerrungscharakteristiken angeben, die im genannten verzerrten Signal enthalten sind, innerhalb eines Teils, welcher der Detektor-Neuralnetzeinrichtung (42b, 42b') zugeordnet ist, des gesamten Bereichs der zu detektierenden Verzerrungscharakteristik liegt, und Erzeugen und Ausgeben eines vorherbestimmten Werts, wenn der genannte Wert, der die Detektionscharakteristik angibt, außerhalb des Teils liegt, welcher der Detektor-Neuralnetzeinrichtung (42b, 42b') zugeordnet ist, auf der Basis der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41b, 41b') in der Verzerrungscharakteristik-Detektiereinrichtung (40b) unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind.

21. Wellenform-Entzerrer nach Anspruch 20, ferner mit:

einer Vielzahl von Neuralnetz-Selektoreinrichtungen (142), welche jeweils für eine der genannten Verzerrungscharakteristiken vorgesehen sind, die von der genannten Verzerrungscharakteristik-Detektiereinrichtung (40b) detektiert werden, jeweils zum Empfangen der Ausgänge der Verzerrungscharakteristik-Detektiereinrichtung (40b) in bezug auf eine der Verzerrungscharakteristiken, und zum Auswählen des Ausgangs einer der Vielzahl von Detektor-Neuralnetzeinrichtungen (42b, 42b'); und

einer Vielzahl von Selektorsteuereinrichtungen (141), die jeweils für eine der genannten Vielzahl von Neuralnetz- Selektoreinrichtungen (142) vorgesehen sind, jeweils zum Empfangen der Ausgänge der Verzerrungscharakteristik-Detektiereinrichtung (40b) in bezug auf die entsprechende eine der Verzerrungscharakteristiken, und zum Steuern der entsprechenden einen der Vielzahl von Neuralnetz-Selektoreinrichtungen (142) auf der Basis der Empfangsausgänge der Verzerrungscharakteristik-Detektiereinrichtung (40b), so daß die entsprechende Neuralnetz-Selektoreinrichtung (142) den Ausgang einer der genannten Neuralnetzeinrichtungen auswählt, die den genannten vorherbestimmten Wert nicht ausgibt, und den vorherbestimmten Wert des Ausgabebereichs der genannten Detektor-Neuralnetzeinrichtung (42b, 42b') ausgibt, wenn alle der Ausgänge der Verzerrungscharakteristik- Detektiereinrichtungen in bezug auf die entsprechende eine der Verzerrungscharakteristiken gleich dem vorherbestimmten Wert sind.

22. Wellenform-Entzerrer nach Anspruch 21, bei welchem die genannte Selektorsteuereinrichtung (141) Informationen über die genannte Auswahl an die genannte Entzerrer-Netzgewicht- Selektoreinrichtung (32) sendet, und

23. Wellenform-Entzerrer nach Anspruch 21 oder 22, bei welchem der genannte vorherbestimmte Wert ein Maximalwert eines Ausgabebereichs der genannten Detektor-Neuralnetzeinrichtung (42b, 42b') ist.

24. Wellenform-Entzerrer nach Anspruch 21, 22 oder 23, bei welchem die genannte Erzeugung der Verzerrungscharakteristik-Werte während eines Empfangs eines vorherbestimmten Übungssignals durchgeführt wird.

25. Wellenform-Entzerrer nach einem der Ansprüche 21 bis 24, ferner mit:

einer Detektor-Optimalnetzgewicht-Ermittlungseinrichtung (50) zum Ermitteln eines optimalen Satzes von Detektor- Netzgewichten, die alle Verzerrungscharakteristiken gemeinsam haben, so daß die genannte Vielzahl von Detektor-Neuralnetzeinrichtungen (42b, 42b') die den verzerrten Signalen entsprechenden Verzerrungscharakteristiken ausgibt, wenn die genannten verzerrten Signale nach der Abtastung durch die Abtasteinrichtung (10) von der Verzerrungscharakteristik- Detektiereinrichtung empfangen werden, wenn der ermittelte Satz in der Vielzahl von Detektor-Neuralnetzeinrichtungen (42b, 42b') voreingestellt ist; und

einer Detektor-Netzgewicht-Voreinstelleinrichtung zum Voreinstellen der ermittelten Satzes in der genannten Detektor-Neuralnetzeinrichtung (42b, 42b').

26. Verzerrungscharakteristik-Detektor zum Detektieren einer Verzerrungscharakteristik eines verzerrten Signals, mit:

einer Zeitreihen-Generatoreinrichtung (41) zum seriellen Empfangen aufeinanderfolgend abgetasteter Pegel des genannten verzerrten Signals, und parallelen Ausgeben einer vorherbestimmten Anzahl der Pegel, die zuletzt empfangen wurden;

einer Detektor-Neuralnetzeinrichtung (42) zum Empfangen der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41), und Erzeugen eines Verzerrungscharakteristik-Werts des genannten verzerrten Signals auf der Basis der Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41) unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind.

27. Detektor nach Anspruch 26, welcher eine Vielzahl der genannten Neuralnetzeinrichtungen (42a, 42a', 42a") enthält,

wobei jede der genannten Einrichtungen einen Wert erzeugt, der eine von einer Vielzahl von Verzerrungscharakteristiken des genannten verzerrten Signals angibt.

28. Detektor nach Anspruch 26, welcher eine Vielzahl der genannten Detektor-Neuralnetzeinrichtungen (42) enthält, welche jeweils Werte erzeugen und ausgeben, die jeweils die genannten Verzerrungscharakteristiken des genannten verzerrten Signals angeben, wenn jeder der Beträge der Verzerrungscharakteristiken, die im genannten verzerrten Signal enthalten sind, innerhalb eines Teils, welcher der Detektor-Neuralnetzeinrichtung zugeordnet ist, des gesamten Bereichs der zu detektierenden Verzerrungscharakteristik liegt, und einen vorherbestimmten Wert erzeugen und ausgeben, wenn der genannte Wert, der die Verzerrungscharakteristik angibt, außerhalb des genannten Teils liegt, welcher der Detektor- Neuralnetzeinrichtung zugeordnet ist, auf der Basis der genannten Ausgänge der genannten Zeitreihen-Generatoreinrichtung (41) unter Verwendung eines Satzes von Detektor-Netzgewichten, die darin voreingestellt sind.

29. Verzerrungscharakteristik-Detektor nach Anspruch 28, ferner mit:

einer Vielzahl von Neuralnetz-Selektoreinrichtungen (142), welche jeweils für eine der genannten Verzerrungscharakteristiken vorgesehen sind, jeweils zum Empfangen der Ausgänge der Vielzahl von Detektor-Neuralnetzeinrichtungen in bezug auf eine der Verzerrungscharakteristiken, und zum Auswählen des Ausgangs einer der Vielzahl von Detektor-Neuralnetzeinrichtungen; und

einer Vielzahl von Selektorsteuereinrichtungen (141), die jeweils für eine der genannten Vielzahl von Neuralnetz- Selektoreinrichtungen (142) vorgesehen sind, jeweils zum Empfangen der Ausgänge der Vielzahl von Detektor-Neuralnetzeinrichtungen in bezug auf die entsprechende eine der Verzerrungscharakteristiken, und zum Steuern der entsprechenden einen der Vielzahl von Neuralnetz-Selektoreinrichtungen (142) auf der Basis der Empfangsausgänge der Vielzahl von Detektor-Neuralnetzeinrichtungen in bezug auf die entspre chende eine der Verzerrungscharakteristiken, so daß die ausgewählte eine der genannten Neuralnetz-Selektoreinrichtungen (142) den Wert ausgibt, der die Verzerrungscharakteristik angibt, die innerhalb des zugeordneten Teils des Bereichs liegt, und den Maximalwert des Ausgabebereichs der genannten Detektor-Neuralnetzeinrichtung ausgibt, wenn alle der Ausgänge der Vielzahl von Detektor-Neuralnetzeinrichtungen in bezug auf die entsprechende eine der Verzerrungscharakteristiken gleich dem Maximalwert sind.

30. Wellenform-Entzerrer nach Anspruch 29, bei welchem die genannte Selektorsteuereinrichtung (141) Informationen über die genannte Auswahl an die genannte Entzerrer-Netzgewicht- Auswahleinrichtung (32) sendet, und die genannte Entzerrer- Netzgewicht-Auswahleinrichtung (32) die genannten Informationen zusammen mit dem genannten Ausgang der Neuralnetz- Selektoreinrichtung (142) empfängt, und den entsprechenden optimalen Satz von Netzgewichten auf der Basis der Informationen und des Ausgangs der Neuralnetz-Selektoreinrichtung (142) auswählt.