专利名称：光驱的智能型模糊类神经网络盘片判断方法
技术领域：
本发明涉及一种光驱盘片的判断方法，特别是关于一种利用简单的模糊类神经网络的计算架构，准确而有效地判断出盘片种类的光驱的智能型模糊类神经网络盘片判断方法。
光盘片有许多种类，诸如CD、CD-R、CD-RW、单层DVD(DVD5)、双层DVD(DVD9)、DVD-R或DVD-RAM等，因为不同种类的光盘片的数据格式及物理特性不同，光驱本身必须有不同的读取数据方式，如更换光学头雷射光波长(CD为780nm，DVD为650nm)，或是放大某些特定的信号，因此，支持读取不同盘片的光驱在盘片置入时，必须经过一个盘片判断的步骤，来决定后续数据读取方式。
一般光驱判断盘片的方法是将处理从光学头得来的光学信号后所得到的一些电气信号，如聚焦误差信号(focus error；FE)、子光束加成信号(sub-beam add；SBAD)或射频包络信号(RF envolope；RFENV)等，分别设定对应门限值(threshold level)，利用二分法将这些信号分成高于或低于该对应门限值，根据判断这些二分法处理过后的信号组合，即可大略判断出不同盘片；然而，每次信号的估测均有其合理误差的范围存在，故利用二分法的判断方法相当容易造成错误判断。
由上可知，上述习知光驱判断盘片的方法，在实际使用上，显然具有不便与缺失存在，而可待加以改善。
为解决上述问题，本发明的主要目的在于提供一种光驱的智能型模糊类神经网络盘片判断方法，使其可有效提高盘片判断的准确性。
为了达到上述目的，本发明主要是提供一种光驱的智能型模糊类神经网络盘片判断方法，首先是将电气信号加以模糊量化处理并定义其模糊量化阶层数目，该电气信号分别为聚焦误差信号、子光束加成信号及射频包络信号，以对不同的盘片(分别为CD、CD-R、CD-RW、DVD5及DVD9)建立其典型信号组态Wcd、Wcdr、Wcdrw、Wdvd5及Wdvd9，之后将置入的盘片取其盘片信号组态，并输入该盘片信号组态至一模糊类神经网络的输入层，且将上述的典型信号组态分别存放至该模糊类神经网络的差异层，以便将该盘片的信号组态与模糊类神经网络的差异层存放的各个典型信号组态作比较，并计算各别的差异层值dcd、dcdr、dcdrw、ddvd5及ddvd9，且同时输入至该模糊类神经网络的差异值比较区块，选择最小的差异值，则输入的盘片信号组态为最接近对应的典型信号组态，即可判断出置入的盘片为何种盘片。
本发明所提供的一种光驱的智能型模糊类神经网络盘片判断方法，其利用不同盘片在光学上所得到的盘片信号组态不同，将盘片信号组态加以区分，以达到有效提高盘片判断准确性的效果。
有关本发明的详细说明及技术内容，配合
如下图1为本发明模糊类神经网络的结构图。
本发明为一种光驱的智能型模糊类神经网络盘片判断方法，是将电气信号如聚焦误差信号、子光束加成信号或射频包络信号加以模糊量化处理(quantization)，模糊量化阶层数目、模糊量化条件可由使用者依各个信号大小定义，如同表一所示，为聚焦误差信号的模糊量化方法的举例，当聚焦误差信号小于等于10时，其量化阶层为极小，则设定模糊量化值为0；当聚焦误差信号大于10且小于等于60时，其量化阶层为小，则设定模糊量化值为1；当聚焦误差信号大于60且小于等于120时，其量化阶层为中，则设定模糊量化值为2；当聚焦误差信号大于120且小于等于150时，其量化阶层为大，则设定模糊量化值为3；当聚焦误差信号大于150时，其量化阶层为极大，则设定模糊量化值为4，由此方法将所有可利用的信号加以量化后，便可对于不同的盘片建立其特有的典型信号组态。表一
如表二所示，为不同盘片典型信号组态的应用例，不同盘片对于各个量化信号可得到特定的典型信号组态，其中，每一种量化输入都可依使用者指定一比重，表示该输入信号对于信号组态的贡献度，又各种盘片的典型信号组态分别用Wcd、Wcdr、Wcdrw、Wdvd5及Wdvd9表示，则CD的典型信号组态Wcd＝{1，1，2，2，1，3，2，2，4}；CD-R的典型信号组态Wcdr＝{1，1，2，2，1，0，2，2，4}；CD-RW的典型信号组态Wcdrw＝{0，0，1，1，0，1，1，1，2}；DVD5的典型信号组态Wdvd5＝{1，0，1，2，2，4，1，1，2}；DVD9的典型信号组态Wdvd9＝{1，0，1，1，1，2，1，1，1}。表二
请参阅图1所示，图1为本发明模糊类神经网络的结构图，包括一输入层1(input layer)，一差异层2(distance layer)及一差异数值比较区块3(distance value compare block)，其中，该输入层1内的输入组态Wi连结至该差异层2的每个节点(node)21，而每个节点21分别存放不同盘片的典型信号组态Wcd、Wcdr、Wcdrw、Wdvd5及Wdvd9，于计算该典型信号组态与输入组态Wi的差异值后，各个节点21所计算出的差异值dcd、dcdr、dcdrw、ddvd5及ddvd9分别输入至该差异数值比较区块3，去判断dcd、dcdr、dcdrw、ddvd5及ddvd9哪个为最小的差异值，即代表输入组态Wi最接近对应的典型信号组态，故此便可判断出置入的盘片为何种盘片。
若有一经由量化后的输入组态Wi＝{1，0，2，2，2，4，2，2，4}输入至该输入层1，接着将此输入组态Wi与存于该差异层2的各个典型信号组态加以比较，并计算各别的差异值，则与CD的典型信号组态差异值为dcd＝(1-1)2×0.1+(0-1)2×0.2+(2-2)2×0.1+(2-2)2×0.1+(2-1)2×0.1+(4-3)2×0.1+(2-2)2×0.1+(2-2)2×0.1+(4-4)2×0.1＝0.4依此方法计算，与CD-R的典型信号组态差异值为dcdr＝(1-1)2×0.1+(0-1)2×0.2+(2-2)2×0.1+(2-2)2×0.1+(2-1)2×0.1+(4-0)2×0.1+(2-2)2×0.1+(2-2)2×0.1+(4-4)2×0.1＝1.9与CD-RW的典型信号组态差异值为dcdrw＝(1-0)2×0.1+(0-0)2×0.2+(2-1)2×0.1+(2-1)2×0.1+(2-0)2×0.1+(4-1)2×0.1+(2-1)2×0.1+(2-1)2×0.1+(4-2)2×0.1＝2.2与DVD5的典型信号组态差异值为ddvd5＝(1-1)2×0.1+(0-0)2×0.2+(2-1)2×0.1+(2-2)2×0.1+(2-2)2×0.1+(4-4)2×0.1+(2-1)2×0.1+(2-1)2×0.1+(4-2)2×0.1＝0.7与DVD9的典型信号组态差异值为ddvd9＝(1-1)2×0.1+(0-0)2×0.2+(2-1)2×0.1+(2-1)2×0.1+(2-1)2×0.1+(4-2)2×0.1+(2-1)2×0.1+(2-1)2×0.1+(4-1)2×0.1＝1.8之后，将各个差异值输入至该差异数值比较区块3，选择差异值最小的CD为输出，即判断出输入组态Wi为CD的信号组态。
因此，通过本发明的光驱的智能型模糊类神经网络盘片判断方法，易于整合各种可利用的信号，增加判断的准确性。
以上所述，仅为本发明的最佳实施例之一而已，并非用于限定本发明的保护范围。
权利要求
1.一种光驱的智能型模糊类神经网络盘片判断方法，其特征在于包括下列步骤(a)将电气信号加以模糊量化处理并定义模糊量化阶层数目，以对不同的盘片建立其典型信号组态；(b)将置入的盘片取其盘片信号组态；(c)输入该盘片信号组态至一模糊类神经网络的输入层；(d)将步骤(a)的典型信号组态分别存放至该模糊类神经网络的差异层；(e)将该盘片信号组态与模糊类神经网络的差异层存放的各个典型组态作比较，并计算各别的差异值；(f)将各个差异值输入至该模糊类神经网络的差异值比较区块；及(g)该差异值比较区块选择最小的差异值，则输入的盘片信号组态为最接近对应的典型信号组态，即可判断出置入的盘片为何种盘片。
2.根据权利要求1所述的智能型模糊类神经网络盘片判断方法，其特征在于步骤(a)中所述的电气信号分别为聚焦误差信号、子光束加成信号及射频包络信号。
3.根据权利要求1所述的智能型模糊类神经网络盘片判断方法，其特征在于步骤(a)中所述的不同的盘片分别为CD、CD-R、CD-RW、单层DVD(DVD5)及双层DVD(DVD9)。
4.根据权利要求1所述的智能型模糊类神经网络盘片判断方法，其特征在于步骤(a)中所述的典型信号组态分别为Wcd、Wcdr、Wcdrw、Wdvd5及Wdvd9。
5.根据权利要求1所述的智能型模糊类神经网络盘片判断方法，其特征在于步骤(e)中所述的各个差异值分别为dcd、dcdr、dcdrw、ddvd5及ddvd9。
全文摘要
本发明公开了一种光驱的智能型模糊类神经网络盘片判断方法,其是利用不同盘片在光学上所得到的盘片信号组态不同,利用智能型模糊类神经网络将盘片信号组态区分,有效提高盘片判断的准确性。
文档编号G11B20/10GK1372261SQ0110903
公开日2002年10月2日 申请日期2001年2月27日 优先权日2001年2月27日
发明者孙育弘 申请人:建兴电子科技股份有限公司