[发明专利]一种NAND闪存错误率预测方法及系统有效
申请号: | 202010046777.7 | 申请日: | 2020-01-16 |
公开(公告)号: | CN111459706B | 公开(公告)日: | 2021-07-27 |
发明(设计)人: | 吴非;刘伟华;朱奥;刘嘉宏;谢长生 | 申请(专利权)人: | 华中科技大学 |
主分类号: | G06F11/10 | 分类号: | G06F11/10 |
代理公司: | 华中科技大学专利中心 42201 | 代理人: | 李智 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 nand 闪存 错误率 预测 方法 系统 | ||
1.一种NAND闪存错误率预测方法,其特征在于,包括:
从NAND闪存的历史数据中获取M个干扰特征作为前期干扰特征,同时获取各前期干扰特征所对应的原始比特错误率,将前期干扰特征及其对应的原始比特错误率作为一条预测样本,从而得到M条预测样本;
将所得到的M条预测样本输入已训练好的错误率预测模型中,预测N个后期干扰特征中,各后期干扰特征所对应的原始比特误码率;
其中,干扰特征为影响NAND闪存原始比特错误率的特征或特征组合;所述错误率预测模型为多输入多输出模型,用于根据前期的干扰特征及对应的原始比特误码率预测后期干扰特征所对应的原始比特误码率;后期干扰特征在时间顺序上晚于前期干扰特征;M和N均为正整数。
2.如权利要求1所述的NAND闪存错误率预测方法,其特征在于,所述干扰特征包括编程/擦除周期、数据保存时间、编程干扰、读干扰以及层间干扰中的一种或多种干扰。
3.如权利要求1所述的NAND闪存错误率预测方法,其特征在于,所述错误率预测模型的训练方法包括:
(S1)从NAND闪存的历史数据中获取M+N个干扰特征,以及各干扰特征所对应的原始比特错误率,将所获取的干扰特征划分为前期的M个干扰特征和后期的N个干扰特征,由前期的干扰特征及其对应的原始比特错误率构成训练数据,由后期的干扰特征及其对应的原始比特错误率构成标签数据,从而得到一条由训练数据和标签数据组成的训练样本;
(S2)重复执行步骤(S1),直至获取到T条训练样本;
(S3)基于多输入多输出模型建立错误率预测模型后,利用所获取到的所有训练样本对其进行训练,从而在训练结束后得到已训练好的错误率预测模型;
其中,T为正整数。
4.如权利要求1-3任一项所述的NAND闪存错误率预测方法,其特征在于,干扰特征及原始比特错误率均以块为单位获取。
5.如权利要求1-3任一项所述的NAND闪存错误率预测方法,其特征在于,干扰特征及原始比特错误率均以页为单位获取。
6.如权利要求1-3任一项所述的NAND闪存错误率预测方法,其特征在于,所述错误率预测模型为人工神经网络模型或者循环神经网络模型。
7.如权利要求1-3任一项所述的NAND闪存错误率预测方法,其特征在于,还包括:若在从NAND闪存的历史数据中获取干扰特征及对应的原始比特错误率时,数据获取失败,则通过数据补齐的方式补充缺失的数据,以保证能够成功获取到所需数据。
8.一种NAND闪存错误率预测系统,其特征在于,包括:预测样本获取模块和预测模块;
所述预测样本获取模块,用于从NAND闪存的历史数据中获取M个干扰特征作为前期干扰特征,同时获取各前期干扰特征所对应的原始比特错误率,将前期干扰特征及其对应的原始比特错误率作为一条预测样本,从而得到M条预测样本;
所述预测模块,用于所述预测样本获取模块获取到的M条预测样本输入已训练好的错误率预测模型中,预测N个后期干扰特征中,各后期干扰特征所对应的原始比特误码率;
其中,干扰特征为影响NAND闪存原始比特错误率的特征或特征组合;所述错误率预测模型为多输入多输出模型,用于根据前期的干扰特征及对应的原始比特误码率预测后期干扰特征所对应的原始比特误码率;后期干扰特征在时间顺序上晚于前期干扰特征;M和N均为正整数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010046777.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于电动马达冷却套的方法和系统
- 下一篇:振荡器、电子设备以及移动体