基于神经网络的抗串扰高速互联信号接收方法及系统技术方案

本发明专利技术提供一种基于神经网络的抗串扰高速互联信号接收方法及系统，所述方法包括：获取目标通道及所述目标通道相邻通道的通道信号；所述目标通道的通道信号为被所述相邻通道的通道信号串扰失真后的信号；对所述通道信号执行采样，以得到采样信号；将所述采样信号输入神经网络模型，以获得所述神经网络模型输出的原始信号，所述神经网络模型为根据训练信号训练获得的人工神经网络。所述方法可采用神经网络模型，从因串扰而失真的通道信号中识别和恢复出原有数据信息，以解决高速互联信号传输中信道串扰的问题。中信道串扰的问题。中信道串扰的问题。

【技术实现步骤摘要】
基于神经网络的抗串扰高速互联信号接收方法及系统


[0001]本专利技术涉及超大规模集成电路
，具体涉及一种基于神经网络的抗串扰高速互联信号接收方法及系统。

技术介绍

[0002]随着超大规模集成电路制造工艺的发展，高性能微处理器芯片的数字计算能力得到大幅提升，同时也对芯片与芯片之间的数据传输能力提出了更高的要求。为了满足高带宽传输的要求，高性能微处理器芯片常采用多个引脚端口并行传输数字信号。然而，由于芯片封装工艺和芯片面积的限制，导致增加芯片引脚数量较为困难，所以需要在有限的引脚上尽可能提高每个引脚的传输速率以提高总的传输带宽。同时相较于差分传输的方式，采用单端传输能节省一半的引脚数，从而进一步提高引脚的利用率。引脚利用率提高的同时信道密度也在同步提升。
[0003]微处理器芯片之间的高速互联信号传输常在印制电路板上进行。然而，随着引脚传输速率的提升，输出线与输出线之间存在互相电磁场耦合而产生的互相信号干扰，影响信号的完整性，导致数据传输的误码率提高。
[0004]减少串扰的常规方法包括加大线距、采用差分传输及增加屏蔽线。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的抗串扰高速互联信号接收方法，其特征在于，包括：获取目标通道及所述目标通道相邻通道的通道信号；所述目标通道的通道信号为被所述相邻通道的通道信号串扰失真后的信号；对所述通道信号执行采样，以得到采样信号；将所述采样信号输入神经网络模型，以获得所述神经网络模型输出的原始信号，所述神经网络模型为根据训练信号训练获得的人工神经网络，所述训练信号为通过所述目标通道及所述目标通道相邻通道输入的随机数据生成的信号，所述训练信号被标记有原始信号标签。2.根据权利要求1所述的方法，其特征在于，所述获取目标通道及所述目标通道相邻通道的通道信号包括：根据所述目标通道标记所述目标通道的相邻通道；连接所述目标通道及目标通道相邻通道；监听目标通道的信号及目标通道相邻通道的信号，得到所述通道信号。3.根据权利要求2所述的方法，其特征在于，所述监听目标通道的信号及目标通道相邻通道的信号后，所述方法还包括；对所述目标通道的信号和所述目标通道相邻通道的信号进行预处理，得到所述通道信号；所述预处理包括对所述信号进行放大以及更改直流偏置。4.根据权利要求1所述的方法，其特征在于，对所述通道信号进行采样，得到采样信号包括：获取所述目标通道及所述目标通道相邻通道的信号传输速率；根据所述信号传输速率计算采样频率；所述采样频率为所述信号传输速率的K倍；其中，K为大于1的整数；在所述通道信号的每个码元周期内以相等的时间间隔对所述通道信号采样K次，以得到所述采样信号。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取参与模型训练的训练信号数量；随机生成所述训练信号数量个训练信号；所述训练信号长度为所述训练信号数量的已知二进制序列码；构建初始神经网络模型；所述初始神经网络模型包括输入层、隐藏层和输出层；将所述训练信号输入目标通道及目标通道相邻的通道，以及获取所述训练信号对应的训练通道信号；对所述训练通道信号执行采样，以得到训练采样信号；将所述训练采样信号输入至所述初始神经网络模型，以及根据所述神经网络模型输出结果反向传播，得到完成训练的神经网络模型。6.根据权利要求5所述的方法，其特征在于，将所述采样信号输入至所述神经网络，得到完成训练的神经网络包括：将所述训练采样信号进行拼接，生成所述初始神经网络模型的输入层节点；对所述输入层节点进行加权...

【专利技术属性】
技术研发人员：杜源，刘谦，杜力，
申请(专利权)人：南京大学，
类型：发明
国别省市：