【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种nand falsh llr分布的模拟方法、设备及存储介质。
技术介绍
1、llr(log-likelihood ratio)是用于误码率估计的重要指标，它反映了接收到的信号与各个可能的符号值之间的相似度。通过获取nand flash对应的llr分布，可以更准确地估计误码率，从而优化通信系统的性能。
2、对于llr分布的模拟，可以使用monte carlo方法，monte carlo方法是一种基于随机抽样的数值计算方法，生成符合原假设和备择假设的两个概率分布，例如伯努利分布或正态分布等；对于每个样本，根据原假设或备择假设的概率分布生成一个观测值；计算每个样本的llr值，即两个概率分布的对数似然比；重复多次上述步骤，得到llr分布的近似分布。该方法需要大量的计算资源和时间，模拟成本高。
技术实现思路
1、本专利技术的主要目的在于解nand falsh llr分布模拟成本高的技术问题。
2、本专利技术第一方面提供了一种nand falsh llr分布的模拟方法，所述nand falshllr分布的模拟方法包括：
3、生成待训练的深度学习模型；
4、将预设环境数据以及预设阈值电压分布数据集作为训练数据，对所述深度学习模型执行模型训练操作，得到vth偏移预测模型；
5、检测到nand falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作
6、在所述模型数据中获取所述nand falsh对应的nand falsh llr分布。
7、可选的，在本专利技术第一方面的第一种实现方式中，所述检测到nand falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作，得到多组模拟数据的步骤包括：
8、检测到nand falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型生成多个模拟条件，所述模拟条件中的时间、温度、pe或者read disturb不同；
9、基于所述阈值电压分布数据以及多个所述模拟条件，执行多条件模拟预测操作，得到多个所述模拟数据。
10、可选的，在本专利技术第一方面的第二种实现方式中，所述将预设环境数据以及样本nand falsh对应的阈值电压分布数据集作为训练数据，对所述深度学习模型执行模型训练操作，得到vth偏移预测模型的步骤包括：
11、将预设温度、预设时间参数、预设pe、预设read disturb以及阈值电压分布数据集作为训练数据，对所述深度学习模型执行模型训练操作，得到vth偏移预测模型。
12、可选的，在本专利技术第一方面的第三种实现方式中，所述在所述模型数据中获取所述nand falsh对应的nand falsh llr分布的步骤之后，所述方法还包括：
13、解析多组所述模型数据，得到解析结果；
14、根预设的llr选择标准，在所述解析结果中获取所述nand falsh对应的最优nandfalsh llr分布。
15、可选的，在本专利技术第一方面的第四种实现方式中，所述根预设的llr选择标准，在所述解析结果中获取所述nand falsh对应的最优nand falsh llr分布的步骤之后，所述方法还包括：
16、获取所述最优nand falsh llr对应的目标条件；
17、输出在所述目标条件下可提高ldpc解码能力的提示信息。
18、可选的，在本专利技术第一方面的第五种实现方式中，所述检测到nand falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作，得到多组模拟数据的步骤之后，所述方法还包括：
19、解析多组所述模型数据，得到解析结果；
20、在所述解析结果中获取所述nand falsh对应的rrt组。
21、可选的，在本专利技术第一方面的第六种实现方式中，所述在所述解析结果中获取所述nand falsh对应的rrt组的步骤包括：
22、根据预设的rrt组选择标准，在所述解析结果中获取所述nand falsh对应的最优rrt组。
23、可选的，在本专利技术第一方面的第七种实现方式中，所述在所述模型数据中获取所述nand falsh对应的nand falsh llr分布的步骤之后，所述方法还包括：
24、输出所述nand falsh llr分布。
25、本专利技术第二方面提供了一种nand falsh llr分布的模拟设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述nand falsh llr分布的模拟设备执行上述的nand falsh llr分布的模拟方法。
26、本专利技术的第三方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的nand falsh llr分布的模拟方法。
27、在本专利技术实施例中，生成待训练的深度学习模型；将预设环境数据以及预设阈值电压分布数据集作为训练数据，对所述深度学习模型执行模型训练操作，得到vth偏移预测模型；检测到nand falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作，得到多组模拟数据；在所述模型数据中获取所述nand falsh对应的nand falsh llr分布。nand falsh llr分布的模拟设备使用预设环境数据和预设阈值电压分布数据集作为训练数据集，对生成的深度学习模型进行训练操作。通过训练，模型将学习到输入数据与对应输出之间的关系，即学习如何预测阈值电压的偏移。经过训练后，深度学习模型将成为一个可以预测阈值电压偏移的模型。这个模型可以根据输入的阈值电压分布数据，预测出相应的偏移情况。当检测到nand flash的阈值电压分布数据时，可以调用预先训练好的vth偏移预测模型，对阈值电压分布数据进行多条件模拟预测操作。该模型可基于输入的数据生成多组模拟数据。在所生成的模拟数据中，通过解析可获取nand flash对应的llr分布。使用深度学习模型进行llr分布的获取可以帮助提高对nand flash性能和可靠性的理解和优化。通过训练模型和模拟预测操作，可以得到更准确的阈值电压偏移预测结果，并进一步分析和获取nand flash的llr分布数据，从而帮助改善提升ldpc解码能力，相对于monte carlo方法，通过模型模拟，无需大量的计算资源和时间，降低了nand falsh llr分布的模拟成本。
本文档来自技高网...【技术保护点】
1.一种Nand Falsh LLR分布的模拟方法，其特征在于，所述Nand Falsh LLR分布的模拟方法包括：
2.根据权利要求1所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述检测到Nand Falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作，得到多组模拟数据的步骤包括：
3.根据权利要求1-2任一项所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述将预设环境数据以及样本Nand Falsh对应的阈值电压分布数据集作为训练数据，对所述深度学习模型执行模型训练操作，得到vth偏移预测模型的步骤包括：
4.根据权利要求1所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述在所述模型数据中获取所述Nand Falsh对应的Nand Falsh LLR分布的步骤之后，所述方法还包括：
5.根据权利要求4所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述根预设的LLR选择标准，在所述解析结果中获取所述Nand Fa
6.根据权利要求1所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述检测到Nand Falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作，得到多组模拟数据的步骤之后，所述方法还包括：
7.根据权利要求6所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述在所述解析结果中获取所述Nand Falsh对应的RRT组的步骤包括：
8.根据权利要求1所述的Nand Falsh LLR分布的模拟方法，其特征在于，所述在所述模型数据中获取所述Nand Falsh对应的Nand Falsh LLR分布的步骤之后，所述方法还包括：
9.一种Nand Falsh LLR分布的模拟设备，其特征在于，所述Nand Falsh LLR分布的模拟设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的Nand FalshLLR分布的模拟方法。
...【技术特征摘要】
1.一种nand falsh llr分布的模拟方法，其特征在于，所述nand falsh llr分布的模拟方法包括：
2.根据权利要求1所述的nand falsh llr分布的模拟方法，其特征在于，所述检测到nand falsh的阈值电压分布数据时，调用预先训练的vth偏移预测模型对所述阈值电压分布数据执行多条件模拟预测操作，得到多组模拟数据的步骤包括：
3.根据权利要求1-2任一项所述的nand falsh llr分布的模拟方法，其特征在于，所述将预设环境数据以及样本nand falsh对应的阈值电压分布数据集作为训练数据，对所述深度学习模型执行模型训练操作，得到vth偏移预测模型的步骤包括：
4.根据权利要求1所述的nand falsh llr分布的模拟方法，其特征在于，所述在所述模型数据中获取所述nand falsh对应的nand falsh llr分布的步骤之后，所述方法还包括：
5.根据权利要求4所述的nand falsh llr分布的模拟方法，其特征在于，所述根预设的llr选择标准，在所述解析结果中获取所述nand falsh对应的最优nand falsh llr分布的步骤之后，所述方法还包括：...
【专利技术属性】
技术研发人员：潘治锟，吴大畏，李晓强，
申请(专利权)人：深圳市硅格半导体有限公司，
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。