【技术实现步骤摘要】
本说明书涉及高速通信，具体来说，涉及高速通信下的信号均衡技术，更具体地说，涉及一种信号的均衡方法、信号接收设备及信号传输系统。
技术介绍
1、serdes(串行/解串，serializer/deserializer)链路，用于将并行数据转换成串行数据进行发送，然后将接收的串行数据转换成并行数据，最终实现数据的高速传输。如图1所示，serdes链路的发送端11包括串行器111和发送端均衡器112，serdes链路的接收端12包括ctle(连续时间线性均衡器，continuous time linear equalizer)121、dfe(判决反馈均衡器，decision feed-back equalizer)122以及解串器123；发送端11和接收端12通过信道传输信号。并行数据drx依次经过发送端11和接收端12，在发送端11配合时钟生成，在接收端112配合时钟恢复，虽然在信道中传输会产生衰减、噪声以及码间干扰，但最终接收端12可以输出恢复后的并行数据drx。
2、随着serdes链路中接收端的设计越来越复杂，通过手动来调节接收端中各均衡器的相关参数也变得越来越困难。在这种情况下，提出了均衡自适应技术。即自适应调节均衡器参数的方法，旨在根据不同信道、不同环境条件、不同数据速率自动计算出合适的均衡器参数，并对各均衡器进行相应设置。例如，对发送器和接收端的行为通过ibis-ami(input/output buffer information specification-algorithmic modeling int
3、然而，通过ibis-ami模型进行建模，需要使用serdes链路供应商的专有信息，这些信息中有部分信息不易被取得。同时，需要考虑有关电路设计的详细信息，不仅专业性较强，也需要很长的设计周期。
技术实现思路
1、为解决上述技术问题，本申请提供了一种信号的均衡方法、信号接收设备及信号传输系统，以实现简化serdes链路中信号接收设备的目的。
2、为实现上述技术目的，本申请实施例提供了如下技术方案：
3、第一方面，本申请实施例提供了一种信号的均衡方法，应用于信号接收设备，所述信号的均衡方法包括：
4、获取待均衡信号；
5、基于第一神经网络模型对所述待均衡信号进行处理，得到所述第一神经网络模型输出的中间均衡信号，其中，所述第一神经网络模型为用于实现ctle的均衡功能的神经网络模型；
6、基于第二神经网络模型以及目标抽头系数对所述中间均衡信号进行处理，得到所述第二神经网络模型输出的目标均衡信号；其中，所述第二神经网络模型为用于实现dfe的均衡功能的神经网络模型，所述目标抽头系数为第三神经网络模型输出的抽头系数，所述第三神经网络模型为用于自适应调整dfe的抽头系数的神经网络模型；
7、将所述目标均衡信号确定为经由所述信号接收设备均衡处理后生成的信号。
8、第二方面，本申请实施例提供了一种信号接收设备，所述信号接收设备包括：第一神经网络模型、第二神经网络模型以及第三神经网络模型，所述信号接收设备被配置为执行如第一方面所述的信号的均衡方法。
9、第三方面，本申请实施例提供了一种信号传输系统，包括如第二方面所述的信号接收设备。
10、第四方面，本申请实施例提供了一种电子设备，包括：处理器和存储器；
11、其中，所述存储器与所述处理器连接，所述存储器用于存储计算机程序；
12、所述处理器，用于通过运行所述存储器中存储的计算机程序，实现如第一方面所述的信号的均衡方法。
13、第五方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现如第一方面所述的信号的均衡方法。
14、第六方面，本申请实施例提供了一种计算机程序产品或计算机程序，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中；所述计算机设备的处理器从所述计算机可读存储介质读取所述计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的信号的均衡方法的步骤。
15、本申请提供的信号的均衡方法，针对信号接收设备，在获取待均衡信号之后，利用第一神经网络模型、第二神经网络模型以及第三神经网络模型对待均衡信号进行处理。其中，第一神经网络模型为基于神经网络对ctle建模后生成的模型，其具备ctle的均衡功能。第二神经网络模型为基于神经网络对dfe建模后生成的模型，其具备dfe的均衡功能。第三神经网络模型为基于神经网络对dfe的自适应模块建模后生成的模型，其具备自动计算dfe的抽头系数的功能。最后，将各神经网络模型处理后生成的目标均衡信号确定为信号接收设备均衡处理后生成的信号。相比于在信号均衡处理过程中通过ibis-ami模型进行建模，本申请中构建神经网络模型所需的数据更加简单、易于取得，也无需了解均衡器的电路结构，设计周期更短。同时，相比于通过单一神经网络模型进行信号均衡的方案，本申请基于多级神经网络模型共同实现信号的均衡处理，不仅可扩展性更强，预测精度也更高，使得信号接收设备具有更佳的均衡效果。大大简化了serdes链路中的信号接收设备。
本文档来自技高网...【技术保护点】
1.一种信号的均衡方法，其特征在于，应用于信号接收设备，所述信号的均衡方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于第一神经网络模型对所述待均衡信号进行处理，得到所述第一神经网络模型输出的中间均衡信号，包括：
3.根据权利要求1所述的方法，其特征在于，在获取待均衡信号之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，将训练好的所述第一初始模型确定为所述第一神经网络模型之前，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述训练序列包括由第一时长的低频信号和第二时长的高频信号组成的训练信号。
6.根据权利要求3所述的方法，其特征在于，所述第一神经网络为深度神经网络。
7.根据权利要求3所述的方法，其特征在于，在基于经过目标处理的所述训练序列对所述第一初始模型进行训练过程中，所述第一初始模型采用自动增益控制的方式对所述训练序列进行均衡处理。
8.根据权利要求1所述的方法，其特征在于，在获取待均衡信号之前，所述方法还包括：
9.根据权利要求8所述
10.一种信号接收设备，其特征在于，所述信号接收设备包括：第一神经网络模型、第二神经网络模型以及第三神经网络模型，所述信号接收设备被配置为执行如权利要求1至9中任意一项所述的信号的均衡方法。
11.一种信号传输系统，其特征在于，包括如权利要求10所述的信号接收设备。
...【技术特征摘要】
1.一种信号的均衡方法，其特征在于，应用于信号接收设备，所述信号的均衡方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于第一神经网络模型对所述待均衡信号进行处理，得到所述第一神经网络模型输出的中间均衡信号，包括：
3.根据权利要求1所述的方法，其特征在于，在获取待均衡信号之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，将训练好的所述第一初始模型确定为所述第一神经网络模型之前，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述训练序列包括由第一时长的低频信号和第二时长的高频信号组成的训练信号。
6.根据权利要求3所述的方法，其特征在于，所述第一神经网络为深度神经网络。
<...【专利技术属性】
技术研发人员：李纪先，白晨香，董炳静，
申请(专利权)人：飞腾信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。