基于深度学习的MLC型NAND闪存Polar-RNNA量化器的优化方法 - Details

Inventor：

陈平平 (陈平平.) ^[1] (Scholars：陈平平) | 罗旭 (罗旭.) ^[2] | 李润泽 (李润泽.) ^[3]

Indexed by：

incoPat

Abstract：

本发明涉及一种基于深度学习的MLC型NAND闪存Polar‑RNNA量化器的优化方法，包括以下步骤：步骤S1　:　将MLC闪存检测问题转换为深度学习问题，并基于神经网络，得到3个硬判决读取阈值；步骤S2　:　基于得到的3个硬判决读取阈值，扩展得到6个软判决读取阈值；步骤S3　:　构建LLR映射表，并基于LLR映射表，得到MLC闪存新的的对数似然比软信息；步骤S4　:　对称化MLC闪存信道,　并进行密度进化处理；步骤S5　:　基于遗传算法，优化软判决读取阈值，获取最优的最优量化区间。本发明避免了MLC闪存信道建模的艰巨任务，即可直接将极化码用于MLC闪存信道，有效提高MLC闪存可靠性。

Reprint 's Address：

Show more details