纠错能力验证数据的生成方法、设备及可读存储介质与流程

本申请涉及数据处理，尤其涉及纠错能力验证数据的生成方法、设备及可读存储介质。

背景技术：

1、在不同环境下，闪存颗粒的电压的分布情况会产生变化。当不同电压的分布出现交叉时，会导致数据读取错误。为了解决上述问题，目前通常使用低密度奇偶校验码(ldpc，low density parity check code)来进行固态硬盘纠错。

2、在相关技术中，可以通过验证ldpc的纠错能力，来评估固态硬盘在面对错误时的可靠性和稳定性。目前用于验证ldpc纠错能力的错误数据，被认为每个比特都属于高斯分布，所以一般由随机比特误码率(reber)来产生满足高斯分布的错误数据。进而基于该错误数据来验证ldpc的纠错能力。但是，在实际应用中，受限于固态硬盘和闪存颗粒的生产工艺，以及其实际使用情况，会导致随机产生的错误数据，无法完全覆盖实际应用过程中可能出现的错误。因此，基于随机产生的错误数据来验证ldpc纠错能力，会因错误数据的覆盖问题，导致验证结果与实际情况不相符，即导致验证结果不准确的问题。

3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本申请的主要目的在于提供一种纠错能力验证数据的生成方法、设备及可读存储介质，旨在解决基于随机产生的错误数据来验证ldpc纠错能力，会因错误数据的覆盖问题，导致验证结果与实际情况不相符，即导致验证结果不准确的技术问题。

2、为实现上述目的，本申请提供一种纠错能力验证数据的生成方法，所述纠错能力验证数据的生成方法包括以下步骤：

3、获取待测硬盘闪存颗粒的电压分布数据；

4、将所述电压分布数据输入预先训练的出错预测模型，其中，所述出错预测模型基于所述电压分布数据，预测出错电压分布数据；

5、获取所述出错预测模型的输出数据，作为纠错能力验证数据。

6、可选地，所述出错预测模型包括至少一个子模型，不同子模型对应不同的测试条件，所述将所述电压分布数据输入预先训练的出错预测模型，其中，所述出错预测模型基于所述电压分布数据，预测出错电压分布数据的步骤之前包括：

7、获取预设数量的硬盘样片，以及所述硬盘样片闪存颗粒的初始电压分布数据；

8、根据各个所述测试条件，分别对所述硬盘样片闪存颗粒进行测试；

9、在各个测试过程中，基于预设间隔提取所述硬盘样片闪存颗粒的实际电压分布数据；

10、基于所述初始电压分布数据和所述实际电压分布数据，训练得到各个所述测试条件对应的子模型。

11、可选地，所述基于所述初始电压分布数据和所述实际电压分布数据，训练得到各个所述测试条件对应的子模型的步骤包括：

12、将所述初始电压分布数据输入初始检测模型，得到所述初始检测模型的输出结果；

13、基于损失函数确定所述输出结果与所述实际电压分布数据的损失参数；

14、根据所述损失参数对所述初始检测模型进行反馈更新，直至训练成所述测试条件对应的子模型。

15、可选地，所述获取预设数量的硬盘样片，以及所述硬盘样片闪存颗粒的初始电压分布数据的步骤之前包括：

16、接收出错预测模型的训练指令，并确定所述出错预测模型关联的硬盘型号；

17、根据硬盘应用文档，确定所述硬盘型号对应的全应用场景；

18、确定所述全应用场景关联的测试条件集合。

19、可选地，所述出错预测模型包括至少一个子模型，不同子模型对应不同的测试条件，所述获取待测硬盘闪存颗粒的电压分布数据的步骤之前包括：

20、接收纠错能力验证数据的生成指令，并确定所述纠错能力验证数据的生成指令关联的验证需求；

21、确定所述出错预测模型中与所述验证需求匹配的子模型；

22、所述将所述电压分布数据输入预先训练的出错预测模型，其中，所述出错预测模型基于所述电压分布数据，预测出错电压分布数据的步骤包括：

23、将所述电压分布数据输入与所述验证需求匹配的子模型，其中，所述与所述验证需求匹配的子模型基于所述电压分布数据，预测出错电压分布数据。

24、可选地，所述获取所述出错预测模型的输出数据，作为纠错能力验证数据的步骤之后还包括：

25、使用ldpc对所述纠错能力验证数据进行纠错；

26、根据纠错结果的准确度，来验证所述ldpc的纠错能力。

27、可选地，所述获取所述出错预测模型的输出数据，作为纠错能力验证数据的步骤之后包括：

28、若所述子模型或与所述验证需求匹配的子模型的数量大于1，则使用ldpc分别对各所述子模型的各输出数据进行纠错，得到与所述子模型关联的各纠错结果；

29、基于所述各纠错结果的综合准确度验证所述ldpc的纠错能力。

30、可选地，所述基于所述各纠错结果的综合准确度验证所述ldpc的纠错能力的步骤还包括：

31、基于所述各纠错结果关联的子模型，确定所述各纠错结果的权重值；

32、基于所述各纠错结果的权重值，计算得到所述ldpc的综合准确度；

33、基于所述综合准确度确定所述ldpc的纠错能力是否通过验证。

34、此外，为实现上述目的，本申请还提供一种纠错能力验证数据的生成设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的纠错能力验证数据的生成程序，所述纠错能力验证数据的生成程序配置为实现上述的纠错能力验证数据的生成方法的步骤。

35、此外，为实现上述目的，本申请还提供一种可读存储介质，所述可读存储介质上存储有纠错能力验证数据的生成程序，所述纠错能力验证数据的生成程序被处理器执行时实现上述的纠错能力验证数据的生成方法的步骤。

36、在本申请中，为了解决，基于随机产生的错误数据来验证ldpc纠错能力，会因错误数据的覆盖问题，导致验证结果与实际情况不相符，即导致验证结果不准确的技术问题，本申请通过获取待测硬盘闪存颗粒的电压分布数据；将所述电压分布数据输入预先训练的出错预测模型，其中，所述出错预测模型基于所述电压分布数据，预测出错电压分布数据；获取所述出错预测模型的输出数据，作为纠错能力验证数据。能够做到利用训练好的预测出错模型预测所有将投入实际应用的待测硬盘的出错数据，同时，将这些待测硬盘的出错数据作为纠错能力验证数据，来验证ldpc的纠错能力，能够几乎完全覆盖实际应用过程中可能出现的错误情况，从而提高了验证ldpc纠错能力的准确性。

技术特征：

1.一种纠错能力验证数据的生成方法，其特征在于，所述纠错能力验证数据的生成方法包括以下步骤：

2.如权利要求1所述的纠错能力验证数据的生成方法，其特征在于，所述出错预测模型包括至少一个子模型，不同子模型对应不同的测试条件，所述将所述电压分布数据输入预先训练的出错预测模型，其中，所述出错预测模型基于所述电压分布数据，预测出错电压分布数据的步骤之前包括：

3.如权利要求2所述的纠错能力验证数据的生成方法，其特征在于，所述基于所述初始电压分布数据和所述实际电压分布数据，训练得到各个所述测试条件对应的子模型的步骤包括：

4.如权利要求2所述的纠错能力验证数据的生成方法，其特征在于，所述获取预设数量的硬盘样片，以及所述硬盘样片闪存颗粒的初始电压分布数据的步骤之前包括：

5.如权利要求1所述的纠错能力验证数据的生成方法，其特征在于，所述出错预测模型包括至少一个子模型，不同子模型对应不同的测试条件，所述获取待测硬盘闪存颗粒的电压分布数据的步骤之前包括：

6.如权利要求1所述的纠错能力验证数据的生成方法，其特征在于，所述获取所述出错预测模型的输出数据，作为纠错能力验证数据的步骤之后还包括：

7.如权利要求4或5所述的纠错能力验证数据的生成方法，其特征在于，所述获取所述出错预测模型的输出数据，作为纠错能力验证数据的步骤之后包括：

8.如权利要求7所述的纠错能力验证数据的生成方法，其特征在于，所述基于所述各纠错结果的综合准确度验证所述ldpc的纠错能力的步骤还包括：

9.一种纠错能力验证数据的生成设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的纠错能力验证数据的生成程序，所述纠错能力验证数据的生成程序配置为实现如权利要求1至8中任一项所述的纠错能力验证数据的生成方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有纠错能力验证数据的生成程序，所述纠错能力验证数据的生成程序被处理器执行时实现如权利要求1至8任一项所述的纠错能力验证数据的生成方法的步骤。

技术总结本申请公开了一种纠错能力验证数据的生成方法、设备及可读存储介质，属于数据处理技术领域。本申请通过获取待测硬盘闪存颗粒的电压分布数据；将所述电压分布数据输入预先训练的出错预测模型，其中，所述出错预测模型基于所述电压分布数据，预测出错电压分布数据；获取所述出错预测模型的输出数据，作为纠错能力验证数据。能够做到利用训练好的预测出错模型预测所有将投入实际应用的待测硬盘的出错数据，同时，将这些待测硬盘的出错数据作为纠错能力验证数据，来验证LDPC的纠错能力，能够几乎完全覆盖实际应用过程中可能出现的错误情况，从而提高了验证LDPC纠错能力的准确性。技术研发人员：林寅,吴大畏,李晓强受保护的技术使用者：得一微电子股份有限公司技术研发日：技术公布日：2024/5/6