一种闪存最优读电压参数确定方法、装置及闪存设备与流程

本技术涉及存储，尤其涉及一种闪存最优读电压参数确定方法、装置及闪存设备。

背景技术：

1、在现代电子设备中，nand flash存储器由于其高密度和非易失性的特点被广泛应用。随着技术的进步，nand flash存储器的存储密度在不断提高，但与此同时，存储单元的可靠性却面临着挑战。随着存储器使用时间的增加，存储单元可能会发生老化，电荷损耗或编程/擦写循环的累积影响也会增加，从而导致读取错误的概率上升。为了应对这一挑战，现有技术中采用了read retry（读重试偏移）机制，该机制通过多次重试读取操作，并在每次重试中调整特定的读取参数，试图找到能够成功读取数据的参数配置。

2、现有的read retry技术主要依赖于预设的参数档位，这些档位通常根据flash的标准特性被确定。当读取操作失败时，控制器会逐个尝试这些预设的档位。尽管这种方法在某些情况下能够有效地恢复数据，但它也存在一些明显的局限性。首先，预设的档位可能无法覆盖所有可能的错误模式，特别是在存储器老化或者在非标准环境条件下工作时。其次，这种方法在寻找有效档位时往往缺乏灵活性，因为它无法根据实时的错误来进行调整。此外，由于预设的档位数量有限，当所有档位都无法成功纠正错误时，传统的read retry方法可能会导致不必要的性能下降。因此，现有技术在应对nand flash中数据恢复的适应性和效率方面存在不足，尤其是在面对复杂或非预期的错误时。

技术实现思路

1、有鉴于此，本技术实施例提供一种高效且具有自适应效果的闪存最优读电压参数确定方法、装置及闪存设备，可以提高数据恢复的成功率，同时减少性能损耗。

2、第一方面，本技术实施例提供一种闪存最优读电压参数确定方法，包括：

3、根据读重试电压偏移值与比特翻转数之间的线性关系模型，获取预测的最小化比特翻转数对应的新读重试电压偏移值；

4、判断在所述新读重试电压偏移值下是否能成功读取数据；

5、若是，则将所述新读重试电压偏移值添加至读重试偏移量表的首部，形成新读重试偏移量表；

6、根据新读重试偏移量表，通过自适应学习模型更新所述线性关系模型。

7、在一些实施例中，在所述根据读重试电压偏移值与比特翻转数之间的线性关系模型，获取预测的最小化比特翻转数对应的新读重试电压偏移值之前，还包括：

8、构建所述线性关系模型，具体包括：

9、按照所述读重试偏移量表中的每个读重试电压偏移值对存储页进行读重试操作，获取一组比特翻转数数据集合；

10、将所述数据集合中的每个元素与读重试电压偏移值进行一一对应；

11、根据所述闪存中寄存器的数量w，构建一个包含w个自变量的线性关系模型。

12、在一些实施例中，所述线性关系模型为：

13、；

14、其中，所述y为比特翻转数量，所述自变量为应用在不同所述寄存器上的读重试电压偏移值，所述到为所述线性关系模型的系数，所述为实际观测到的比特翻转数与通过所述线性关系模型预测的比特翻转数之间的差异量。

15、在一些实施例中，所述线性关系模型的所述系数的确定包括：

16、最小化所述差异量的平方和；

17、对每个所述系数求偏导数，并令偏导数为0，获得一组正则方程；

18、根据所述正则方程获得所述系数的值。

19、在一些实施例中，所述最小化所述差异量的平方和的公式为：

20、；

21、其中，是第次读取操作后观测到的比特翻转数，是第次读取操作对应的第个读重试电压偏移值；

22、所述对每个所述系数求偏导数的公式为：

23、；

24、获得一组正则方程为：

25、；

26、其中，为设计矩阵，是观测到的所述比特翻转数构成的向量，是系数向量；

27、其中，，，；

28、根据所述正则方程，获得所述系数向量的值，其公式为：。

29、在一些实施例中，所述根据读重试电压偏移值与比特翻转数之间的线性关系模型，获取预测的最小化比特翻转数对应的新读重试电压偏移值包括：

30、根据读重试电压偏移值与比特翻转数之间的线性关系模型，采用梯度下降法获取预测的最小化比特翻转数对应的新读重试电压偏移值；

31、其中，所述采用梯度下降法获取预测的最小化比特翻转数对应的新读重试电压偏移值包括：

32、从所述读重试偏移量表中选择使所述比特翻转数最小的读重试电压偏移值，作为梯度下降法迭代的初始读重试电压偏移值；

33、对于每次迭代，计算所述预测比特翻转数关于每个读重试电压偏移值的梯度，并更新所述读重试电压偏移值；

34、将每次迭代获得的所述读重试电压偏移值应用于读重试操作中，并记录对应的所述比特翻转数；

35、到达终止迭代条件时，终止梯度下降法迭代，并输出当前迭代的读重试电压偏移值，并将当前的读重试电压偏移值作为所述新读重试电压偏移值。

36、在一些实施例中，所述终止迭代条件包括：

37、若迭代过程中读重试电压偏移值变化量小于硬件支持的最小调整粒度时终止迭代；或

38、达到最大预设迭代次数时终止迭代。

39、在一些实施例中，所述根据新读重试偏移量表，通过自适应学习模型更新所述线性关系模型包括：

40、根据所述新读重试偏移量表，通过自适应学习模型更新所述线性关系模型的系数，得到更新后的线性关系模型，具体包括：

41、将所述新读重试电压偏移值应用于所述线性关系模型中，获得所述线性关系模型中系数的自适应更新规则；

42、其中，将所述新读重试电压偏移值应用于所述线性关系模型中，获得的公式为：

43、；

44、其中，为所述新读重试电压偏移值，为基于当前系数求得的比特翻转数量的预测值；

45、其中，所述系数的更新规则为；

46、其中，为损失函数，是损失函数对系数的偏导数。

47、第二方面，本技术实施例提供一种闪存最优读电压参数确定装置包括：

48、获取模块，用于根据读重试电压偏移值与比特翻转数之间的线性关系模型，获取预测的最小化比特翻转数对应的新读重试电压偏移值；

49、判断模块，用于判断在所述新读重试电压偏移值下是否能成功读取数据；

50、添加模块，用于若是，则将所述新读重试电压偏移值添加至读重试偏移量表的首部，形成新读重试偏移量表；

51、更新模块，用于根据新读重试偏移量表，通过自适应学习模型更新所述线性关系模型。

52、第三方面，本技术实施例提供闪存设备，所述闪存设备包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施上述的闪存最优读电压参数确定方法。

53、本技术的实施例具有如下有益效果：本技术通过这种实时分析和动态调整读重试电压参数的方式，显著提高了闪存存储器在数据读取过程中的准确性和可靠性，本发明的动态调整机制使得闪存存储器能够自适应各种工作条件和老化状态，与现有技术中的静态参数调整相比，它能更加精确地适应闪存单元的实际情况。