[發(fā)明專利]基于機器學習算法進行串行鏈路仿真的方法、系統(tǒng)和裝置有效
| 申請?zhí)枺?/td> | 201811611310.1 | 申請日： | 2018-12-27 |
| 公開（公告）號： | CN109376502B | 公開（公告）日： | 2022-12-02 |
| 發(fā)明（設計）人： | 馬茂松;唐鑫;孫景濤 | 申請（專利權(quán)）人： | 貴州華芯通半導體技術(shù)有限公司 |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G06N20/00 |
| 代理公司： | 北京市柳沈律師事務所 11105 | 代理人： | 萬里晴 |
| 地址： | 550081 貴州省貴陽市*** | 國省代碼： | 貴州;52 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 機器 學習 算法 進行 串行 仿真 方法 系統(tǒng) 裝置 | ||
1.一種基于機器學習算法進行串行鏈路仿真的方法，所述方法包括：
基于第一鏈路的物理走線參數(shù)生成表征鏈路頻域特性的第一鏈路的鏈路頻域參數(shù)；
從所述第一鏈路的鏈路頻域參數(shù)中提取能夠最大程度表征鏈路的頻域特性的至少一個第一頻域特征參數(shù)；
以所述第一鏈路的頻域參數(shù)和高速串行接口的多個發(fā)送/接收器的各個參數(shù)組合作為時域仿真的輸入，基于時域仿真模型，并得到與發(fā)送/接收器的各個參數(shù)組合相對應的各個時域仿真結(jié)果；
利用機器學習算法，以所述至少一個第一頻域特征參數(shù)為輸入并以所述各個時域仿真結(jié)果為各個第一輸出進行建模，得到所述輸入和所述各個第一輸出的各個關(guān)聯(lián)模型；
基于第二鏈路的物理走線參數(shù)生成表征鏈路頻域特性的第二鏈路的鏈路頻域參數(shù)；
從第二鏈路的鏈路頻域參數(shù)中提取能夠最大程度表征鏈路的頻域特性的至少一個第二頻域特征參數(shù)；
將所述至少一個第二頻域特征參數(shù)輸入所述各個關(guān)聯(lián)模型，獲得各個第二輸出結(jié)果；
從所述各個第二輸出結(jié)果中選擇滿足協(xié)議誤碼率的且表示鏈路最優(yōu)性能的最優(yōu)結(jié)果，并獲得與所述最優(yōu)結(jié)果相對應的發(fā)送/接收器的參數(shù)組合，從而完成覆蓋時域仿真結(jié)果和發(fā)送/接收器的參數(shù)組合的完整仿真過程。
2.如權(quán)利要求1所述的方法，其中所述關(guān)聯(lián)模型包括多輸入多輸出的至少三層的神經(jīng)網(wǎng)絡模型，其中利用機器學習算法、以所述至少一個第一頻域特征參數(shù)為輸入并以所述各個時域仿真結(jié)果為各個第一輸出進行建模并得到所述輸入和所述各個第一輸出的各個關(guān)聯(lián)模型進一步包括：
構(gòu)建各個多輸入多輸出的至少三層的神經(jīng)網(wǎng)絡模型；
對于各個多輸入多輸出的至少三層的神經(jīng)網(wǎng)絡模型中的每一個，利用第一數(shù)量的鏈路模型進行訓練、利用第二數(shù)量的鏈路模型進行驗證并利用第三數(shù)量的鏈路模型用于測試，使得各個多輸入多輸出的至少三層的神經(jīng)網(wǎng)絡模型的測試和訓練結(jié)果均方根誤差均小于預定閾值；
將測試和訓練結(jié)果均方根誤差均小于預定閾值的所述至少三層的神經(jīng)網(wǎng)絡模型作為得到的所述輸入和所述各個第一輸出的各個關(guān)聯(lián)模型。
3.如權(quán)利要求1所述的方法，其中第一鏈路的鏈路頻域參數(shù)和第二鏈路的鏈路頻域參數(shù)中的至少一個取決于不同線長以及每個線長下阻抗和衰減的組合，所述組合包括正常阻抗正常衰減(NZNA)、低阻抗高衰減(LZHA)、低阻抗低衰減(LZLA)、高阻抗高衰減(HZHA)、高阻抗低衰減(HZLA)中的至少兩個。
4.如權(quán)利要求1所述的方法，其中第一鏈路的頻域特征參數(shù)和第二鏈路的頻域特征參數(shù)中的一個包括基準頻率點的插入損耗(IL)、基準頻率點的插入損耗偏差(ILD)、基準頻率點以下的最大插入損耗偏差(ILDB)、基準頻率點以上到3倍基準頻率點之間的最大插入損耗偏差(ILDA_3)、3倍基準頻率點到5倍基準頻率點之間的最大插入損耗偏差(ILDA_5)中的至少一個。
5.如權(quán)利要求1所述的方法，其中第一鏈路的鏈路頻域參數(shù)和第二鏈路的鏈路頻域參數(shù)以散射參數(shù)的形式存放。
6.如權(quán)利要求5所述的方法，其中將所述散射參數(shù)的截止頻率設定為信號碼率的2.5倍。
7.如權(quán)利要求1所述的方法，其中第一鏈路和第二鏈路中的一個包括SOC封裝基板、SOCSocket，主板PCB走線、PCIe連接器、PCIe子卡走線以及PCIe子卡芯片封裝基板中的一個或多個。
8.如權(quán)利要求1所述的方法，其中所述時域仿真結(jié)果和所述各個第二輸出結(jié)果中的一個包括滿足協(xié)議標準誤碼率要求的眼圖結(jié)果，所述眼圖的特征包括眼寬和眼高。
9.如權(quán)利要求1所述的方法，其中所述機器學習算法包括貝葉斯回歸算法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于貴州華芯通半導體技術(shù)有限公司，未經(jīng)貴州華芯通半導體技術(shù)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811611310.1/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
