[发明专利]用于对编码数据进行解码的神经网络和系统

说明书

本文描述的实例利用多层神经网络来对编码数据(例如，使用一或多种编码技术编码的数据)进行解码。所述神经网络可以具有非线性映射和分布式处理能力，这在采用神经网络解码器的许多系统中可能是有利的。这样，本文描述的神经网络可以用于实施纠错码(ECC)解码器。

相关申请的交叉引用

本申请要求于2018年12月27日提交的美国申请号16/233,576的优先权，该美国申请出于任何目的通过引用全部结合于此。

技术领域

本文描述的实例涉及用于对编码数据进行解码的神经网络。描述了可以与纠错译码(ECC)存储器一起使用的神经网络的实例，其中神经网络可以用于对编码数据进行解码。

背景技术

纠错译码(ECC)可以用于多种应用，诸如存储器装置或无线基带电路。通常，纠错译码技术可以对具有附加位的原始数据进行编码，以描述意图要存储、检索和/或传输的原始位。附加位可以与原始位一起存储。因此，可以存储和/或传输L位原始数据。编码器可以提供N-L个附加位，使得编码数据可以是N位的数据。原始位可以被存储作为原始位，或者可以由编码器改变以形成所存储数据的编码N位。解码器可以对N个位进行解码以检索和/或估计原始L个位，其在一些实例中可以根据ECC技术来校正。

发明内容

本文描述了解码器的实例。实例性解码器可以包含第一组合器级。该第一组合器级可以接收编码数据并使用该编码数据的组合来评估至少一个非线性函数以提供中间数据。该实例性解码器可以包含至少第二组合器级。该第二组合器级可以接收该中间数据并使用预定权重集合的集合来组合该中间数据，以至少部分地基于与该编码数据相关联的编码技术来为该预定权重集合提供解码数据。

在一些实例中，该预定权重集合是基于神经网络对已知的编码数据的训练。

在此类实例中，该编码技术包括里德-索罗门(Reed-Solomon)译码、博斯-乔赫里-霍克文黑姆(Bose-Chaudhuri-Hocquenghem，BCH)译码、低密度奇偶校验(LDPC)译码、极化译码或其组合。

在一些实例中，该第一组合器级和该第二组合器级包含第一多个乘法/累加单元，该第一多个乘法/累加单元各自被配置为将该编码数据的至少一个位与该预定权重中集合的至少一个相乘并对该编码数据多个加权位进行求和。

在一些实例中，该第一组合器级可以包含第一多个查找表，该第一多个查找表各自被配置为基于该至少一个非线性函数来查找与该第一多个乘法/累加单元中的相应一个的输出相对应的至少一个中间数据值。

在一些实例中，该至少一个非线性函数包括高斯函数。

在一些实例中，实例性解码器可以包含与该第一组合器级和该第二组合器级进行通信的存储器，该存储器被配置为存储多个预定权重集合，该多个预定权重集合包含该预定权重集合。

本文描述了方法的实例。实例性方法可以包含在包括神经网络的计算装置处接收指示数据对集合的信令，每个数据对包括已知的编码数据和解码数据，其中该已知的编码数据用特定编码技术进行编码。该实例性方法可以进一步包含为该神经网络确定用于以该特定编码技术对数据进行解码的权重集合。该实例性方法可以进一步包含从该计算装置的存储器接收指示用该特定编码技术编码的数据的信令。该实例性方法可以进一步包含使用该神经网络利用该权重对该数据进行解码。该实例性方法可以进一步包含将该解码数据写入该计算装置的存储器或存储介质或从该存储器或存储介质读取该解码数据。

在一些实例中，所述方法可以进一步包含：使用以其它编码技术编码的附加编码数据和解码数据对为该神经网络确定多个权重集合，其中该多个权重集合各自对应于不同的编码技术；选择与该特定编码技术相关联的该权重集合；以及向该神经网络或另一种神经网络提供该权重集合以用于对该另外的编码数据进行解码。