本技术涉及芯片,尤其涉及一种对数似然比量化方法及设备。
背景技术:
1、随着三维(3-dimension,3d)与非门(英文:nand)闪存堆叠层数的越来越多,nand介质的出错比特数也在增加,这给固态硬盘(solid state drive,ssd)的使用带来了一些挑战。为了适应3d nand介质的出错数,主流ssd盘都使用低密度奇偶校验码(low densityparity check,ldpc)进行错误恢复,ldpc码可以支持软判决信息输入。
2、为了更好地给ldpc提供输入,需要对nand的阈值电压(英文:vth)进行比较好的刻画,一般是在最优读电压附近进行多次数据读取,基于读出数据的模式(英文:pattern)进行llr量化。
3、目前主流策略都是离线完成测试,确定读电压和llr量化策略。但随着ssd的应用场景更加恶劣,不同场景下nand的vth表现差异较大,现有的策略无法提高llr量化精度。
技术实现思路
1、本技术提供一种对数似然比量化方法及设备,用以解决不同场景下nand的vth表现差异较大,造成llr量化精度较差的技术问题。
2、第一方面,本技术提供一种对数似然比量化方法,包括:
3、在与非门闪存的电流-电压特性曲线中,在多个目标读电压处进行所述与非门闪存中存储单元的数据读取,得到多个目标读电压对应的读扰动数据;
4、将所述多个目标读电压对应的读扰动数据输入至预先训练好的与非门闪存信道估计模型中,得到目标对数似然比量化配置,所述与非门闪存信道估计模型是基于多组对数似然比量化配置和每组对数似然比量化配置对应的多个读电压对应的读扰动数据进行训练得到的;
5、根据所述目标对数似然比量化配置,确定对数似然比量化。
6、在第一方面一种可能的设计中,在所述将所述多个目标读电压对应的读扰动数据输入至预先训练好的与非门闪存信道估计模型中,得到目标对数似然比量化配置之前,所述方法还包括:
7、获取所述多组对数似然比量化配置以及每组对数似然比量化配置对应的多个读电压对应的读扰动数据;
8、根据所述多组对数似然比量化配置以及每组对数似然比量化配置对应的多个读电压的读扰动数据对预设的网络模型进行训练,直到所述网络模型的损失函数趋于收敛,将所述损失函数趋于收敛的网络模型确定为所述与非门闪存信道估计模型。
9、在第一方面另一种可能的设计中,所述方法还包括:
10、获取每组对数似然比量化配置对应与非门闪存的相关数据,所述相关数据包括:可擦写次数、数据保持可读状态时长、读扰动次数、温度中的至少一个;
11、相应的,根据所述多组对数似然比量化配置以及每组对数似然比量化配置对应的多个读电压的读扰动数据对预设的网络模型进行训练,直到所述网络模型的损失函数趋于收敛,将所述损失函数趋于收敛的网络模型确定为所述与非门闪存信道估计模型,包括:
12、根据所述多组对数似然比量化配置、每组对数似然比量化配置对应的多个读电压的读扰动数据、以及每组对数似然比量化配置对应与非门闪存的相关数据,对预设的网络模型进行训练,直到所述网络模型的损失函数趋于收敛,将所述损失函数趋于收敛的网络模型确定为所述与非门闪存信道估计模型。
13、在第一方面再一种可能的设计中,所述将所述多个目标读电压对应的读扰动数据输入至预先训练好的与非门闪存信道估计模型中,得到目标对数似然比量化配置,包括:
14、将所述多个目标读电压处对应的目标可擦写次数、目标数据保持可读状态时长、目标读扰动次数、目标温度中的至少一个、以及所述多个目标读电压对应的读扰动数据输入至所述与非门闪存信道估计模型中,得到所述目标对数似然比量化配置。
15、在第一方面还一种可能的设计中,所述目标对数似然比量化配置,包括:最优读电压和对数似然比量化映射表。
16、在第一方面又一种可能的设计中,所述方法还包括:
17、根据所述对数似然比量化,确定软解码。
18、在第一方面又一种可能的设计中,所述方法还包括:
19、检测到所述与非门闪存中存在错误数据或数据丢失时,通过所述软解码利用已知数据和纠错码信息进行数据修正或恢复。
20、第二方面,一种对数似然比量化装置,包括:
21、获取模块,用于在与非门闪存的电流-电压特性曲线中,在多个目标读电压处进行所述与非门闪存中存储单元的数据读取,得到多个目标读电压对应的读扰动数据;
22、处理模块,用于将所述多个目标读电压对应的读扰动数据输入至预先训练好的与非门闪存信道估计模型中,得到目标对数似然比量化配置,所述与非门闪存信道估计模型是基于多组对数似然比量化配置和每组对数似然比量化配置对应的多个读电压对应的读扰动数据进行训练得到的;
23、确定模块,用于根据所述目标对数似然比量化配置,确定对数似然比量化。
24、在第二方面一种可能的设计中,在所述将所述多个目标读电压对应的读扰动数据输入至预先训练好的与非门闪存信道估计模型中,得到目标对数似然比量化配置之前,所述处理模块,还用于:
25、获取所述多组对数似然比量化配置以及每组对数似然比量化配置对应的多个读电压对应的读扰动数据;
26、根据所述多组对数似然比量化配置以及每组对数似然比量化配置对应的多个读电压的读扰动数据对预设的网络模型进行训练,直到所述网络模型的损失函数趋于收敛,将所述损失函数趋于收敛的网络模型确定为所述与非门闪存信道估计模型。
27、在第二方面另一种可能的设计中,所述获取模块,还用于:
28、获取每组对数似然比量化配置对应与非门闪存的相关数据,所述相关数据包括:可擦写次数、数据保持可读状态时长、读扰动次数、温度中的至少一个;
29、相应的,所述处理模块根据所述多组对数似然比量化配置以及每组对数似然比量化配置对应的多个读电压的读扰动数据对预设的网络模型进行训练,直到所述网络模型的损失函数趋于收敛,将所述损失函数趋于收敛的网络模型确定为所述与非门闪存信道估计模型,具体用于:
30、根据所述多组对数似然比量化配置、每组对数似然比量化配置对应的多个读电压的读扰动数据、以及每组对数似然比量化配置对应与非门闪存的相关数据,对预设的网络模型进行训练,直到所述网络模型的损失函数趋于收敛,将所述损失函数趋于收敛的网络模型确定为所述与非门闪存信道估计模型。
31、在第二方面再一种可能的设计中,所述处理模块,具体用于:
32、将所述多个目标读电压处对应的目标可擦写次数、目标数据保持可读状态时长、目标读扰动次数、目标温度中的至少一个、以及所述多个目标读电压对应的读扰动数据输入至所述与非门闪存信道估计模型中,得到所述目标对数似然比量化配置。
33、在第二方面还一种可能的设计中,所述目标对数似然比量化配置,包括:最优读电压和对数似然比量化映射表。
34、在第二方面又一种可能的设计中,所述确定模块,还用于:
35、根据所述对数似然比量化,确定软解码。
36、在第二方面又一种可能的设计中,所述确定模块,还用于:
37、检测到所述与非门闪存中存在错误数据或数据丢失时,通过所述软解码利用已知数据和纠错码信息进行数据修正或恢复。
38、第三方面,本技术提供一种电子设备,包括:
39、至少一个处理器;以及
40、与所述至少一个处理器通信连接的存储器;
41、其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述电子设备执行上述第一方面涉及的方法。
42、第四方面,本技术提供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计算机执行指令,当处理器执行所述计算机执行指令时,实现如上述第一方面涉及的方法。
43、第五方面,本技术提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上述第一方面涉及的方法。
44、第六方面,本技术提供一种应用对数似然比量化方法的固态存储设备,包括:控制器和存储单元,所述存储单元包括:多个与非门闪存;
45、所述多个与非门闪存用于存储写入所述固态存储设备中的数据;
46、所述控制器用于执行第一方面涉及的方法。
47、本技术提供的对数似然比量化方法及设备,可以在与非门闪存的电流-电压特性曲线中,在多个目标读电压处进行与非门闪存中存储单元的数据读取,得到多个目标读电压对应的读扰动数据,并将多个目标读电压对应的读扰动数据输入至预先训练好的与非门闪存信道估计模型中,得到目标对数似然比量化配置,该与非门闪存信道估计模型是基于多组对数似然比量化配置和每组对数似然比量化配置对应的多个读电压对应的读扰动数据进行训练得到的,之后根据目标对数似然比量化配置,确定对数似然比量化。该技术方案中,利用训练好的模型对多个目标读电压对应的读扰动数据进行处理,以得到准确的对数似然比量化、且适用于不同场景下与非门闪存。