眼图判定模型训练方法、眼图判定方法、装置、设备及介质制造方法及图纸

本发明专利技术提供一种眼图判定模型训练方法、眼图判定方法、装置、设备及介质，该训练方法包括：获取样本数据集，所述样本数据集包含若干信号眼图，其中，各所述信号眼图分别标记有对应的实际稳定性测试结果；对所述样本数据集进行特征提取处理，以提取各所述信号眼图对应的特征值；基于特征提取处理后的样本数据集，对预先建立的眼图判定模型进行训练，得到目标眼图判定模型。本发明专利技术通过目标眼图判定模型对目标信号眼图进行处理可以准确得到目标信号眼图的眼图质量，从而提高控制器端判定眼图质量的准确性。

【技术实现步骤摘要】
眼图判定模型训练方法、眼图判定方法、装置、设备及介质
本专利技术涉及眼图判定领域，尤其涉及一种眼图判定模型训练方法、眼图判定方法、装置、设备及介质。
技术介绍
DDR全称是DDRSDRAM(DoubleDataRateSynchronousDynamicRandomAccessMemory，双倍速率同步动态随机存储器)，具有双倍速率传输数据的特性，是现有市场上的主流内存规范，被广泛应用于各大芯片组厂商的主流产品。通过DDR信号眼图，可以比较全面的评价DDR信号的质量。基于JEDEC(固态技术协会)标准定义了DDR信号眼图对应的RxMASK(数据接收掩模)，以判定DDR是否满足协议规定。具体地，当眼图中信号能够覆盖到标准定义的RXMask即表示满足，反之表示不满足。然而，JEDEC标准仅提供了DDR端的RxMask标准，而未提供与DDR进行读写交互的控制器端的RxMask标准，即，JEDEC制定的RxMASK标准仅针对控制器端向DDR写数据的场景，针对控制器端从DDR读数据的场景并没有相应的RxMASK标准。<br>在现有技术中，本文档来自技高网...

【技术保护点】
1.一种眼图判定模型训练方法，其特征在于，包括：/n获取样本数据集，所述样本数据集包含若干信号眼图，其中，各所述信号眼图分别标记有对应的实际稳定性测试结果；/n对所述样本数据集进行特征提取处理，以提取各所述信号眼图对应的特征值；/n基于特征提取处理后的样本数据集，对预先建立的眼图判定模型进行训练，得到目标眼图判定模型。/n

【技术特征摘要】
1.一种眼图判定模型训练方法，其特征在于，包括：
获取样本数据集，所述样本数据集包含若干信号眼图，其中，各所述信号眼图分别标记有对应的实际稳定性测试结果；
对所述样本数据集进行特征提取处理，以提取各所述信号眼图对应的特征值；
基于特征提取处理后的样本数据集，对预先建立的眼图判定模型进行训练，得到目标眼图判定模型。


2.根据权利要求1所述的眼图判定模型训练方法，其特征在于，所述基于特征提取处理后的样本数据集，对预先建立的眼图判定模型进行训练，得到目标眼图判定模型的步骤包括：
将特征提取处理后的样本数据集划分为训练集和验证集；
基于所述训练集，对预先建立的眼图判定模型进行训练；
基于所述验证集，对训练后的眼图判定模型进行验证，当验证成功时，将训练后的眼图判定模型作为所述目标眼图判定模型。


3.根据权利要求2所述的眼图判定模型训练方法，其特征在于，所述基于所述训练集，对预先建立的眼图判定模型进行训练的步骤包括循环执行以下步骤：
将所述训练集中某信号眼图对应的特征值输入预先建立的眼图判定模型进行处理，得到所述某信号眼图的质量预测判定结果；
获取所述某信号眼图对应的质量预测判定结果与实际稳定性测试结果之间的误差；
基于所述误差对所述眼图判定模型的参数进行调整，直至所述误差满足预定条件。


4.根据权利要求1所述的眼图判定模型训练方法，其特征在于，所述眼图判定模型采用BP神经网络。


5.根据权利要求1所述的眼图判定模型训练方法，其特征在于，所述方法还包括：对各所述信号眼图对应的特征值进行归一化预处理。


6.一种眼图判定方法，其特征在于，包括：
获取目标信号眼图；
提取所述目标信号眼图对应的特征值；
将所述目标信号眼图对应的特征值输入前述权利要求1-5中任一项得到的所述目标眼图判定模型进行处理，得到所述目标信号眼图的质量预测判定结果。


7.一种眼图判定模型训练装置，其特征在于，包括：
样本获取模块，用于获取样本数据集，所述样本数据集包含若干信号眼图，其中，各所述信号眼图分别标记有对应的实际稳定性测试结果；
样本特征提取模块，用于对所述样本数据集进行特征提取处理，以提取各所述信号眼图对应的特征值；
模型训练模块，用于基于特征提取处理后的样本数据集，对预先建立的眼图判定模型进行训练，得到目标眼图判定模...

【专利技术属性】
技术研发人员：杨国良，张斌，
申请(专利权)人：展讯通信上海有限公司，
类型：发明
国别省市：上海;31