本申請提供了一種均衡參數的調節方法、電路、芯片、收發機及存儲系統，所述方法包括：獲取信道傳輸的傳輸信號；從所述傳輸信號提取多個均衡特征；根據所述多個均衡特征、所述信道的多個信道特征以及至少一個均衡器的均衡網絡模型的當前所需特征要求，確定每個均衡器的所需特征集；根據每個均衡器的均衡網絡模型和對應的所需特征集，預測每個均衡器的多個均衡參數，并將多個均衡參數傳輸至相應的均衡器，以使每個均衡器根據對應的多個均衡參數對接收的信號進行信號補償。
1、隨著傳輸信息的速率不斷提高，傳輸信道引起較長的拖尾現象，越來越衰減了信號高頻分量，惡化了信號的傳輸質量。同時，噪聲對信號傳輸質量的影響也日益嚴重。目前，均衡技術成為解決這一問題的有效方法之一。而為了適應信道老化、傳輸特性變化等特點，自適應電路成為均衡技術中必不可少的組成部分，可以有效地跟蹤信道變化來實時地對高頻衰減信號進行補償，但隨著信道的拖尾增加，需要自適應電路進行自適應的均衡參數越來越多，介于傳統自適應電路僅支持同時對一個均衡參數進行調節，只能通過增加自適應電路的復雜度來進行多個均衡參數的調節，但這種方式復雜度和功耗較高，無法滿足于高效能運算處理器、高性能ai（artificial?intelligence，人工智能）計算、物聯網以及無線邊緣等應用對功率和性能要求。因此，如何在不犧牲性能的同時進行多均衡參數的自適應調節成為亟待解決的問題。
>6、根據每個均衡器的均衡網絡模型和對應的所需特征集，預測每個均衡器的多個均衡參數，并將多個均衡參數傳輸至相應的均衡器，以使每個均衡器根據對應的多個均衡參數對接收的信號進行信號補償。7、根據本申請一實施方式，所述方法還包括：
8、獲取信道依次傳輸的多個脈沖信號；
9、從所述多個脈沖信號獲取所述信道的多個信道特征。
10、根據本申請一實施方式，所述至少一個均衡器包括第一均衡器和第二均衡器，所述第二均衡器的多個均衡參數包括多個第一設定均衡參數和多個第二設定均衡參數；相應的，所述根據每個均衡器的均衡網絡模型和對應的所需特征集，預測每個均衡器的多個均衡參數，包括：
11、根據第一均衡器的均衡網絡模型以及對應的所需特征集，預測所述第一均衡器的多個均衡參數；
12、根據第二均衡器的均衡網絡模型以及對應的所需特征集，預測所述第二均衡器的多個第一設定均衡參數；
13、根據第二均衡器的自適應參數調節電路預測所述第二均衡器的多個第二設定均衡參數。
14、根據本申請一實施方式，所述每個均衡器根據對應的多個均衡參數對接收的信號進行信號補償，包括：
15、所述第一均衡器接收所述信道傳輸的傳輸信號，并使用對應的多個均衡參數對傳輸信號進行信號補償，得到第一補償信號；
16、所述第二均衡器接收所述第一補償信號，并使用對應的多個均衡參數對第一補償信號進行信號補償，得到第二補償信號。
17、根據本申請一實施方式，所述第一均衡器和第二均衡器的均衡網絡模型采用以下方式訓練得到：
18、獲取信道依次傳輸的多個訓練脈沖信號，并從多個訓練脈沖信號提取多個訓練特征，將所述多個訓練特征存儲至互信息庫；
19、獲取信道傳輸的訓練傳輸信號，并獲取經過第一均衡器和第二均衡器信號補償后的訓練輸出信號；
20、從所述訓練傳輸信號提取多個訓練均衡特征；
21、根據特征擇優機制、多個訓練特征、多個訓練均衡特征、訓練輸出信號、第一均衡器當前的多個均衡參數以及第一均衡器所需特征要求對所述第一均衡器的均衡網絡模型進行訓練；
22、根據特征擇優機制、多個訓練特征、多個訓練均衡特征、訓練輸出信號、第二均衡器當前的多個均衡參數以及第二均衡器所需特征要求對所述第二均衡器的均衡網絡模型進行訓練；
23、其中，均衡網絡模型包括均衡網絡模型的當前所需特征要求。
24、根據本申請一實施方式，所述特征擇優機制包括：
25、從所述多個訓練特征和多個訓練均衡特征中隨機選取一個隨機特征，并通過記分牌逐步增加隨機特征數量訓練均衡網絡模型，直到均衡網絡模型的參數精度不大于設定閾值且所述隨機特征的數量達到設定條件或隨機特征的數量達到最大；
26、其中，所述設定條件為在所述均衡網絡模型的參數精度不大于設定閾值的情況下隨機特征的數量為最小值。
27、根據本申請一實施方式，所述從所述多個訓練特征和多個訓練均衡特征中隨機選取一個隨機特征，并通過記分牌逐步增加隨機特征數量訓練均衡網絡模型，直到均衡網絡模型的參數精度不大于設定閾值且所述隨機特征的數量達到設定條件或隨機特征的數量達到最大，包括：
28、從所述多個訓練特征和所述多個訓練均衡特征中隨機選取一個隨機特征；
29、基于所述隨機特征和當前均衡網絡模型，確定所述當前均衡網絡模型的參數精度；
30、在所述參數精度不大于設定閾值的情況下，判斷所述隨機特征是否為最小特征集，如果是最小特征集，將所述隨機特征直接存儲至互信息庫，如果不是最小特征集，進行特征裁剪，并基于記分牌重新訓練均衡網絡模型；
31、在參數精度大于設定閾值的情況下，判斷隨機特征是否為最大特征集；
32、在不是最大特征集的情況下，增加隨機特征的數量，并基于記分牌對均衡網絡模型進行訓練，直到均衡網絡模型的參數精度不大于設定閾值且所述隨機特征的數量達到設定條件或隨機特征的數量達到最大，并將當前的多個隨機特征存儲至互信息庫，作為均衡網絡模型的當前所需特征要求；
33、在隨機特征為最大特征集的情況下，停止訓練均衡網絡模型，并將當前的隨機特征存儲至互信息庫，作為均衡網絡模型的當前所需特征要求。
34、根據本申請一實施方式，所述第一均衡器為連續時間線性均衡器，所述第二均衡器為判決反饋均衡器。
35、根據本申請一實施方式，所述多個訓練脈沖信號包括單比特響應和長脈沖響應，所述訓練傳輸信號為偽隨機序列，所述多個訓練特征包括低頻增益、高頻增益以及高頻范圍，所述多個訓練均衡特征包括眼寬和眼高。
36、根據本申請一實施方式，所述第一均衡器的多個均衡參數包括高頻增益、零點、第一極點和第二極點，所述第二均衡器的多個均衡參數包括多個抽頭系數。
37、根據本申請的第二方面，提供了一種均衡電路，所述均衡電路包括：
38、信道，與信號發送端連接，用于從信號發送端接收傳輸信號并傳輸；
39、至少一個均衡器，與信道連接；
40、均衡器調節裝置，與至少一個均衡器連接，用于獲取信道傳輸的傳輸信號；從所述傳輸信號提取多個均衡特征；根據所述多個均衡特征、所述信道的多個信道特征以及至少一個均衡器的均衡網絡模型的當前所需特征要求，確定每個均衡器的所需特征集；根據每個均衡器的均衡網絡本文檔來自技高網...
【技術保護點】
1.一種均衡參數的調節方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述方法還包括：
3.根據權利要求1所述的方法，其特征在于，所述至少一個均衡器包括第一均衡器和第二均衡器，所述第二均衡器的多個均衡參數包括多個第一設定均衡參數和多個第二設定均衡參數；相應的，
4.根據權利要求3所述的方法，其特征在于，所述每個均衡器根據對應的多個均衡參數對接收的信號進行信號補償，包括：
5.根據權利要求3所述的方法，其特征在于，所述第一均衡器和第二均衡器的均衡網絡模型采用以下方式訓練得到：
6.根據權利要求5所述的方法，其特征在于，所述特征擇優機制包括：
7.根據權利要求6所述的方法，其特征在于，所述從所述多個訓練特征和多個訓練均衡特征中隨機選取一個隨機特征，并通過記分牌逐步增加隨機特征數量訓練均衡網絡模型，直到均衡網絡模型的參數精度不大于設定閾值且所述隨機特征的數量達到設定條件或隨機特征的數量達到最大，包括：
8.根據權利要求5所述的方法，其特征在于，所述第一均衡器為連續時間線性均衡器，所述第二均衡器為判決反饋均衡器。
9.根據權利要求8所述的方法，其特征在于，所述多個訓練脈沖信號包括單比特響應和長脈沖響應，所述訓練傳輸信號為偽隨機序列，所述多個訓練特征包括低頻增益、高頻增益以及高頻范圍，所述多個訓練均衡特征包括眼寬和眼高。
10.根據權利要求9所述的方法，其特征在于，所述第一均衡器的多個均衡參數包括高頻增益、零點、第一極點和第二極點，所述第二均衡器的多個均衡參數包括多個抽頭系數。
11.一種均衡電路，其特征在于，所述均衡電路包括：
12.根據權利要求11所述的均衡電路，其特征在于，所述均衡電路還包括：
13.一種均衡芯片，其特征在于，包括權利要求11-12任一項所述的均衡電路。
14.一種收發機，其特征在于，包括權利要求13所述的均衡芯片。
15.一種存儲系統，其特征在于，包括權利要求14所述的收發機。
...
【技術特征摘要】
1.一種均衡參數的調節方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述方法還包括：
3.根據權利要求1所述的方法，其特征在于，所述至少一個均衡器包括第一均衡器和第二均衡器，所述第二均衡器的多個均衡參數包括多個第一設定均衡參數和多個第二設定均衡參數；相應的，
4.根據權利要求3所述的方法，其特征在于，所述每個均衡器根據對應的多個均衡參數對接收的信號進行信號補償，包括：
5.根據權利要求3所述的方法，其特征在于，所述第一均衡器和第二均衡器的均衡網絡模型采用以下方式訓練得到：
6.根據權利要求5所述的方法，其特征在于，所述特征擇優機制包括：
7.根據權利要求6所述的方法，其特征在于，所述從所述多個訓練特征和多個訓練均衡特征中隨機選取一個隨機特征，并通過記分牌逐步增加隨機特征數量訓練均衡網絡模型，直到均衡網絡模型的參數精度不大于設定閾值且所述隨機特征的數量達到設定條件或隨機特征的數量達到最大，包括：<...
【專利技術屬性】
技術研發人員：李瑞東，展永政，李國慶，張璐，鄒曉峰，
申請(專利權)人：山東云海國創云計算裝備產業創新中心有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。