用于全息存储通道的迭代均衡

存储通道由于受到多种因素的影响会导致存储系统性能的降低，具体表现在误码率的增加。对于非线性通道如全息存储通道，由于数据是按照二维页面的方式进行存取，数据会受到周围其它相邻数据的影响，加上通道中的噪声干扰，数据在接收的时候会产生严重失真，传统用于改善通道性能的’一维均衡方法已经不能适应这种新型存储技术的要求，必须寻找新的解决方法。该文结合全息存储通道的特点给出一种迭代策略来改善通道性能。在建立起的通道数学模型基础上对该方法进行了仿真，结果表明本文提出的方法能很好地改善系统性能。     

基于IP的体全息存储系统的设计与实现

体全息存储技术不同于传统的光存储、磁存储等二维存储技术，与其它传统大容量存储技术相比，具有存储容量大、数据传输率高、存取时间短以及可快速进行图像匹配和内容相关寻址操作等特点，使其有可能成为下一代海量存储设备。但体全息存储系统要成为性能优良的计算机数字信息存储系统，充分发挥体全息存储系统独特的优势，满足实用化的要求，必须使其传输速率达到100MB/s。该文结合IP网络存储技术，将IP和全息结合起来设计了体全息存储高速数据传输通道。     

体全息存储记录通道噪声模型的研究与设计

体全息存储系统具有存储容量大、数据传输率快、存储时间短以及能快速进行图像或图形匹配和内容相关寻址操作的潜力，极有可能成为下一代大容量数据存储方法。但是体全息存储记录通道中复杂的噪声来源一直是妨碍体全息存储技术实用化的主要问题之一。本文将分析体全息存储通道中存在的各种噪声来源，并提出记录通道噪声的物理模型，为设计噪声的抑制方法奠定理论基础。     

体全息存储文件系统的设计

分析了体全息存储的有关特点,对支持体全息存储的文件系统进行了研究和设计。阐述了文件存储的整体结构、存储编址方式、物理存储块的分配、页面的缓冲及数据一致性等方面的设计方案,并在体全息存储高速通道的基础上开发了文件系统的原型系统,经过仿真运行,效果较好。     

一个体全息存储高速数据通道的设计

为了实现新一代存储技术一体全息存储技术在千兆网中的具体运用,本文介绍了一个体全息存储高速数据通道的硬件与软件的体系结构,阐述了在嵌入式操作系统VxWorks上的编写PCI设备驱动程序的原理和方法,并给出了我们在Intel IXP1200评估系统上关于体全息存储高速数据通道的设计与实现。     

一种新型的共享存储网络构架

在传统的DAS构架之后，SAN和NAS的解决方案给存储领域带来了巨大的影响，分析和比较了目前存在的各种存储构架，在SAN和NAS构架的基础上，结合其各自的优点，提出了一种新型的共事存储网络构架。阐明了这种构架的特点；并进一步采用SNIA共享存储模型(SNIA Shared Storage Model)分析了该构架；最后就这几种构架的性能作了比较。     

全息存储—下一代存储解决方案

在过去的十几年中 ,人们对大容量和高速传率的追求不断升级 ,特别是随着网络和多媒体技术的广泛应用 ,这种需求更是急剧膨胀。对大容量、高速传率和短存取时间的永无休止的需求 ,促进了各种数据存储技术的发展。二维存储技术 ,如磁存储、传统光盘存储和半导体存储等仍在不断地改进以满足对存储系统更大和更快等要求 ,然而这些存储手段正逐步接近其物理极限。目前正在迅速发展的一种有别于传统技术的方法就是三维存储技术 ,如全息存储等。全息存储技术以其存储密度和数据读出率高及相关内容寻址等特点极有可能成为下一代的存储解决方案。但由于缺乏合适的存储材料及实用部件 ,全息存储器的实用化进程较为迟缓。近年来 ,用于全息存储系统的实用组件的极大发展 ,再一次引起了研究人员对这一技术的兴趣 ,实用化的全息存储器呼之欲出 ,更加巩固了全息存储下一代存储解决方案的地位     

一种新型存储体系结构—SAN

SAN（Storage Area Network/存储区域网）是一种新型存储体系结构。本文介绍了SAN的发展,SAN的基本模型,支持SAN的主要技术－光纤通道,以及这种体系结构的几种优点以及今后的发展前景。     

基于多物光的体全息存储技术

三维体全息存储具有容量大、带宽高、可靠性高及内容寻址等优点.为了挖掘体全息存储的性能,人们使用各种各样的复用技术.不同于通过增加记录图像数目来提高记录密度的各种现有复用技术,从提高记录每幅图像的数据量出发,提出了一种多物光体全息存储技术,以提高存储容量和存储带宽,发挥体全息存储的优势.从理论上分析推导出双物光体全息存储技术的正确性条件,并通过一个双物光体全息存储系统的例子验证和表现多物光体全息存储技术的价值.最后,分析了多物光体全息存储技术与现有体全息复用技术的不同,讨论了多物光体全息存储技术提高体全息存储性能的本质.     

本期摘要

用于海量信息快速读写的光敏感全息存储材料及技术 摘要：阐述了全息存储的原理及特点,详细介绍了用于全息存储的光敏感平面及体全息存储材料,以及在这一活跃的研究领域中的新进展,特别是为了提高存储容量和抑制串象噪音所发展起来的各种全息复用技术。光全息存储的独特优点,尤其是体全息存储的高容量和高数据传输速率,使光全息存储最有希望成为下一代海量存储技术。     

网络数据动态传输与存储安全自动监测系统设计

为了提高网络数据动态传输与存储安全自动监测能力,进行监测系统优化设计,提出基于负载均衡调度和嵌入式总线传输控制的网络数据动态传输与存储安全自动监测系统设计方法。构建网络数据动态传输的信道均衡调度模型,采用随机线性均衡控制方法进行网络数据动态传输与存储过程中的信道自适应调度,提取网络数据动态传输过程中的模糊关联规则,采用自适应的链路转发控制方法进行网络数据动态传输与存储的安全监测和负载均衡调度。在嵌入式总线协议下进行网络数据动态传输与存储安全自动监测系统的软件开发设计。仿真结果表明,采用该方法进行网络数据动态传输与存储安全自动监测的稳定性较好,自适应控制能力较强,降低了网络数据动态传输的误比特率。     

IP网络存储技术在体全息存储中的应用

传统的存储系统主要有两个限制,一是传统的存储技术基于二维面存储技术,这种存储手段已逐步接近其物理极限而很难满足对存储系统更大更快的要求。目前正在迅速发展的一种三维存储技术,印体全息存储,它具有存储密度大、高的数据传输速率和快的读出时间等优点。二是Internet技术的发展,要求存储系统能够方便和灵活地进行网络互联。IP网络存储技术可以满足这一新的市场需求。本文结合体全息和IP网络存储两个关键存储技术,以最先进的网络处理器为硬件核心,来完成体全息存储系统的通讯接口的系统设计。     

New multiplexing method of holographic data storage system

Data storage related with writing and retrieving requires high storage capacity, fast transfer rate and less access time. Today any data storage system cannot satisfy all of these conditions, however holographic data storage system can perform faster data transfer rate because it is a page oriented memory system using volume hologram in writing and retrieving data. System can be constructed without mechanically actuating part therefore fast data transfer rate and high storage capacity about 1Tb/cm3 can be realized. In this research, to record and retrieve binary data by a new hologram multiplexing in our holographic data storage system, we propose a new multiplexing method that is cyclone multiplexing method. Also, three algorithms were integrated in our holographic data storage system.     

ST OFDM载波间干扰线性均衡技术

分析了频率非选择性衰落信道下STOFDM系统载波间干扰的具体内容,利用连续发射已知ST-OFDM符号来估计ST-OFDM中各个子载波对其他子载波的干扰,然后通过特定的线性均衡方法达到STOFDM载波间干扰的抑制。在莱斯衰落信道下的仿真结果表明,选择6个相邻子载波12个干扰系数的均衡技术ST-OFDM系统可获得至少10dB的信干比增益,可以使STOFDM系统在性能和运算量上获得最佳。     

用于体全息存储系统的纠错编码及数据交错技术

体全息存储系统具有存储容量大、数据传输率高、存取时间短和可快速进行图像匹配及内容相关寻址操作等特点 .但要成为特性优良的通用型信息存储系统 ,就必须以可接受的误码率同时满足这些性能指标 (计算机外存储器的基本要求是使用户误码率低于 10 - 12 ) .如此 ,仅靠光学设计不是高性价比方法 .设计恰当的纠错编码和数据交错技术可以减轻对原始误码率的要求 ,缓解对系统设计、部件质量等方面的要求 ,在不牺牲其它系统目标的情况下 ,使 10 - 5的原始误码率达到 10 - 12的最终误码率水平 .研究了体全息存储通道中的噪声源及适用于体全息存储系统的纠错编码和数据交错技术     

基于输出解相关的分数间隔直接盲均衡算法

提出一种基于输出解相关的分数间隔直接盲均衡算法.该算法基于过采样接收信号或多传感器接收信号产生的分数间隔单输入多输出线性信道模型,利用均衡器输出的解相关特性和二阶统计量来直接估计均衡器,不需要预先估计信道冲激响应,可直接估计任意延迟的均衡器系数.该算法与传统的基于二阶矩的两步均衡算法相比,计算简单,精度高.仿真结果表明,该算法具有很好的均衡效果.     

Using recurrent neural networks for adaptive communication channelequalization

Nonlinear adaptive filters based on a variety of neural network models have been used successfully for system identification and noise-cancellation in a wide class of applications. An important problem in data communications is that of channel equalization, i.e., the removal of interferences introduced by linear or nonlinear message corrupting mechanisms, so that the originally transmitted symbols can be recovered correctly at the receiver. In this paper we introduce an adaptive recurrent neural network (RNN) based equalizer whose small size and high performance makes it suitable for high-speed channel equalization. We propose RNN based structures for both trained adaptation and blind equalization, and we evaluate their performance via extensive simulations for a variety of signal modulations and communication channel models. It is shown that the RNN equalizers have comparable performance with traditional linear filter based equalizers when the channel interferences are relatively mild, and that they outperform them by several orders of magnitude when either the channel's transfer function has spectral nulls or severe nonlinear distortion is present. In addition, the small-size RNN equalizers, being essentially generalized IIR filters, are shown to outperform multilayer perceptron equalizers of larger computational complexity in linear and nonlinear channel equalization cases.     

Nonlinear channel equalization for QAM signal constellation usingartificial neural networks

Application of artificial neural networks (ANN's) to adaptive channel equalization in a digital communication system with 4-QAM signal constellation is reported in this paper. A novel computationally efficient single layer functional link ANN (FLANN) is proposed for this purpose. This network has a simple structure in which the nonlinearity is introduced by functional expansion of the input pattern by trigonometric polynomials. Because of input pattern enhancement, the FLANN is capable of forming arbitrarily nonlinear decision boundaries and can perform complex pattern classification tasks. Considering channel equalization as a nonlinear classification problem, the FLANN has been utilized for nonlinear channel equalization. The performance of the FLANN is compared with two other ANN structures [a multilayer perceptron (MLP) and a polynomial perceptron network (PPN)] along with a conventional linear LMS-based equalizer for different linear and nonlinear channel models. The effect of eigenvalue ratio (EVR) of input correlation matrix on the equalizer performance has been studied. The comparison of computational complexity involved for the three ANN structures is also provided.