1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

SystemVerilogAdvent Calendar 2020

Day 5

デジタル信号にノイズをのせよう

Last updated at Posted at 2020-12-04

はじめに

Verilogのシミュレータで表示されるデジタル信号って、きれいな形してますよね。現実世界では、シリコンもPCB上も職場も家も、ノイズばかりなのに。アナログ回路におぜん立てされた環境で、ぬくぬくとしているデジタル信号にも、私たちと同じ苦しみを味わってもらいましょう。

  1. デジタル信号をなまらせよう
  2. デジタル信号をもっとなまらせよう
  3. デジタル信号をもっともっとなまらせよう
  4. デジタル信号にノイズをのせよう ← 今ここ

ノイズを入れつつ、波形もなまらせる

先ほどは、ついかっとなって、デジタル信号にノイズを食らわせてやるなんて、ひどいことを言ってしまいました。しかし、私は知っています、憎しみは何も生みません。悲しみの連鎖はここで終わらせるべきなのです。

……ということで、ノイズをぶち込んで気持ちがスッキリしたら、自分がやったことを反省し、デジタル信号にのせてしまったノイズを1次LPFでやさしく取り除いてあげましょう。「ごめん、あの時はどうかしていた」「もう絶対しないから許してほしい」と、相手に気持ちを伝えながら、ね1
add_noise.png

差分方程式を立てる

正規分布 $N(0, \sigma^2)$ に従うホワイトノイズ $\xi(t)$ を加えた場合、微分方程式は次のように書けます。

\begin{align}
&V_\mathrm{out}(t) + RC\frac{dV_\mathrm{out}(t)}{dt}
= V_\mathrm{in}(t) + \xi(t)\\
\therefore&
dV_\mathrm{out}
= \left(-\frac{1}{RC}V_\mathrm{out} + \frac{1}{RC}V_\mathrm{in}\right)dt
+ \frac{1}{RC} dW
\end{align}

つづいて、微小時間 $dt$ を有限の短さの時間ステップ $Δt$ で近似します。すると、次のような、時間ステップごとの出力電圧 $V_\mathrm{out}$ の差分を表す式が得られます。

\begin{align}
\Delta V_\mathrm{out}
&= \left(-\frac{1}{RC}V_\mathrm{out} + \frac{1}{RC}V_\mathrm{in}\right) \Delta t
+ \frac{1}{RC} \Delta W
\end{align}

上の式を使うと、出力電圧は最終的に次の差分方程式で表せます。

\begin{align}
V_\mathrm{out}[k+1]
&= V_\mathrm{out}[k]
+ \left(-\frac{1}{RC}V_\mathrm{out}[k]
+ \frac{1}{RC}V_\mathrm{in}[k]\right) \Delta t
+ \frac{1}{RC} \Delta W[k]\\
+ &= V_\mathrm{out}[k]
+ \left(-\frac{1}{RC}V_\mathrm{out}[k]
+ \frac{1}{RC}V_\mathrm{in}[k]\right) \Delta t
+ q[k]
\end{align}

ここで、$q[k]$ は正規分布 $N \left(0, \sigma^2\frac{\Delta t}{RC}\right)$ に従う乱数です。これは確率微分方程式2の数値解法の中でも最も素朴な方法であり、オイラー丸山法3と呼ばれています。

mutsumunemitsu - 確率微分方程式を数値計算してみよう
Mustafa Bayram - Numerical methods for simulation of stochastic differential equations
Numerical SDE Simulation - Euler vs Milstein Methods
Civil Engineering - Random Vibration

ボックスミューラー法を使う

ホワイトノイズを模擬するために、正規分布に従う乱数が必要です。しかし、SystemVerilogには、正規分布に従う real 型の乱数を生成する関数が用意されていません4

ここでは、次式で表されるボックスミューラー法を使って、正規分布に従う real 型の乱数を生成します。

\begin{align}
&Z_0 = \sqrt{-2 \ln U_1} \cos(2\pi U_2)\\
&Z_1 = \sqrt{-2 \ln U_1} \sin(2\pi U_2)
\end{align}

上式をSystemVerilogで実装すると、次のようになります5

今回は、ボックスミューラー法をSystemVerilogで直接実装しましたが、C言語で書いてDPI-Cで呼び出すというやり方もあるようです。HDL Advent Calendar 2015で紹介されています(今から5年前!)
mizutomo - SystemVerilogって正規分布関数ないんだってよ

rdist_normal.sv
module test;
  timeunit 1s;
  timeprecision 1ps;
  
  function real rdist_normal (
    input real mu,
    input real sigma
  );
    localparam real pi = 4*$atan(1);
    localparam real uint_max = $itor(2)**32 - 1;
    real u1, u2;
    real z0;
    u1 = $urandom()/uint_max;
    u2 = $urandom()/uint_max;
    z0 = mu + sigma * $sqrt(-2*$ln(u1)) * $cos(2*pi*u2);
    return z0;
  endfunction
  
  parameter int N = 200000;
  int fd;
  
  initial begin 
    fd = $fopen("rdist_normal.csv", "w");
    for (int i=0; i<N; i++) begin
      $fdisplay(fd, rdist_normal(0, 1));
    end
    $fclose(fd);
    $finish();
  end

endmodule

上のテストベンチで得られた乱数の確率分布を、正規分布と比較します。

rdist_normal.py
import os
import pathlib
import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt

os.chdir(pathlib.Path("__file__").parent)
z = np.loadtxt("rdist_normal.csv")
plt.hist(
  z,
  bins=50,
  density=True,
  ec='black',
  lw=0.5,
  alpha=0.8,
  zorder=2,
  label="rdist_normal",
)

x = np.linspace(-3, 3, 301)
y = norm.pdf(x, 0, 1)
plt.plot(
  x, y,
  lw=3,
  zorder=3,
  label="N(0,1)",
)

plt.grid()
plt.legend()
plt.xlim([-3, 3])
plt.savefig("rdist_normal.png")

最終的に下図のような結果が得られます。
rdist_normal.png

SystemVerilogで記述する

先ほど得られた差分方程式と乱数を使い、SystemVerilogで動作モデルを記述します。

LPF1N.sv
module LPF1N #(
  parameter realtime timestep = 100ps,
  parameter real initial_vc = 0,
  parameter real R = 1e3,
  parameter real C = 500e-15,
  parameter real sigma = 0.1
)(
  input real VIN,
  input real VSS,
  output real VOUT
);
  timeunit 1s;
  timeprecision 1ps;

  real _vin;
  assign _vin = VIN - VSS;

  event initial_step;
  initial begin
    #0;
    -> initial_step;
  end

  event start_timer;
  event stop_timer;
  event next_step;

  always @(start_timer, stop_timer) begin
    if (start_timer.triggered()) begin
      fork begin
        #(timestep);
        -> next_step;
      end join_none
    end else begin // stop_timer
      disable fork;
    end
  end

  function real rdist_normal (
    input real mu,
    input real sigma
  );
    localparam real pi = 4*$atan(1);
    localparam real uint_max = $itor(2)**32 - 1;
    real u1, u2;
    real z0;
    u1 = $urandom()/uint_max;
    u2 = $urandom()/uint_max;
    z0 = mu + sigma * $sqrt(-2*$ln(u1)) * $cos(2*pi*u2);
    return z0;
  endfunction

  localparam realtime tau = R*C;
  realtime t;
  realtime last_t;
  realtime delta_t;
  real last_vin;
  real vc;
  real vn;
  real delta_vc;
  
  always @(initial_step, next_step) begin
    if (initial_step.triggered()) begin
      vc = initial_vc;
      last_vin = _vin;
      last_t = $realtime();
      -> start_timer;
    end else begin
      -> stop_timer;
      t = $realtime();
      delta_t = t - last_t;
      delta_vc = (-vc + last_vin)*delta_t/tau;
      vc += delta_vc;
      vn = rdist_normal(0, sigma*$sqrt(delta_t/tau));
      last_vin = _vin;
      last_t = t;
      -> start_timer;
    end
  end

  assign VOUT = vc + vn + VSS;

endmodule

シミュレーション結果

おわりに

今日もおつかれさまなのじゃ
くたくたいふくに、やつれたおかお
よしよし、わらわにおまかせじゃ、そうじにせんたく、あったかごはん

  1. デートDV110番 - デートDVについて

  2. 「確率微分方程式」という単語に聞き覚えがない場合は、AIcia Solid Project - 確率微分方程式 がおすすめ。厳密な話をおいといて、ノリと感覚で説明してくれるので、何となく分かった気になれます。たぶん。

  3. SystemVerilogには、正規分布に従う乱数を生成する関数 $dist_normal() があります……が、実数ではなく整数を返すので、今回の用途には使えませんでした。

1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?