CN112737606A - 一种发送端均衡优化方法、装置及电子设备 - Google Patents
一种发送端均衡优化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112737606A CN112737606A CN202011569834.6A CN202011569834A CN112737606A CN 112737606 A CN112737606 A CN 112737606A CN 202011569834 A CN202011569834 A CN 202011569834A CN 112737606 A CN112737606 A CN 112737606A
- Authority
- CN
- China
- Prior art keywords
- preset
- balance
- key
- equalization
- balance parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 230000002068 genetic effect Effects 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000009194 climbing Effects 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 18
- 230000035772 mutation Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 230000002829 reductive effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002500 effect on skin Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/02—Transmitters
- H04B1/04—Circuits
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供了一种发送端均衡优化方法、装置及电子设备,属于计算机网络的技术领域,解决了现有人们需要将耗费大量的时间与精力在手动调整参数,并可能因为经验上的不足造成误判。包括初始化发送端的均衡参数种群;其中,所述均衡参数种群中至少包括一个发送端的关键均衡参数组合,所述关键均衡参数组合至少包括一种关键均衡参数;将所有所述关键均衡参数组合划分到多个预设区块中;利用基因算法从多个所述预设区块中筛选出目标区块;利用爬山算法从所述目标区块中确定出最佳均衡参数组合,并基于所述最佳均衡参数组合确定最佳均衡值。本发明大大降低了人员的判断错误,尤其无经验的新人,大幅减少人员的fine‑tune时间。
Description
技术领域
本发明涉及计算机网络技术领域,尤其是涉及一种发送端均衡优化方法、装置及电子设备。
背景技术
发送端均衡(TxEQ)是通过一个3-5阶FIR滤波器实现的,每一阶的权重被称为Cursor系数。这些系数设置的影响体现在发送端信号的去加重和预过冲上。
介绍均衡前,需先了解Serdes系统。Serdes系统通常包含发送机(Transmitter,TX)、接收机(Receiver,RX)和传输通道(channel)三个部分。其中,发送机负责将并行的多路信号串化为单路信号,并将信号送入传输通道。接收机则负责接收串行信号,并将其解串化为多路信号。而传输通道是理想无损的传输线,那么发送机发送的信号就会完好无损的出现在接收端;接收机自然可以非常容易地恢复信号。然而,现实是由于传输通道存在趋肤效应和介质本身的损耗,传输通道往往表现出低通的特性。趋肤效应导致的损耗与信号频率的平方根成正比,而介质自身损耗与频率成正比。因此在频率较低时,通道的损耗主要由趋肤效应决定;而对于传输高频信号的通道,通常介质的损耗起主导作用。真正影响信号可靠传输的不是衰减本身,而是信道的衰减随频率变化。高低频信号的衰减差最终会导致码间干扰(Inter-Symbol Interference,ISI)。字面理解,码间干扰就是不同码元相互干扰。比如说,A时刻传输的“1”信号叠加到了B时刻传输的“0”信号上,使B时刻的信号幅度从0变为0.2。因为信号高频分量的损失会使得信号边沿变缓,从而导致信号展宽。展宽后的信号可能会跨越多个单位时间间隔(1UI),就会出现上文提到的A时刻的信号叠加到B时刻上。信道的衰减越大,信号的展宽就越严重,叠加到其他时刻的信号上的比例也会越大。换句话说,SerDes系统需要真正解决并不是信号的衰减,而是高低频信号的衰减差。通常我们会用眼图(eye diagram)来表征接收到信号的质量。眼图是将信号按单位时间间隔截取并叠加到一起得到波形图,形状类似与眼睛。只有当信号的眼图张开时,判决得到的信号才是无误码。结论是,不管是通道衰减、阻抗批配导致的码间干扰,可透过各种均衡技术实现信道的补偿。
目前网络交换器(Switch)主要透过3种连接方式,分别为KR(backplane)、SR(光模块)与CR(电缆线)。其中,SR主要测试点为TP1a,必需透过芯片输出特定的信号,经由PCBtrace→连接器→测试治具→示波器,测量电气特性并符合协会规范。
由于信号随着信道长度,干扰问题而造成信号衰减,因此必需调整芯片的输出均衡,以达到信号补偿。以博通(Broadcom)芯片为例,Tx FIR是由3阶FIR+2阶滤波器(per/main/post/post2/post3 cursor)组合而成,并透过手动的方式调整参数,此参数配置多达万笔。
目前一般交换机的端口设计可能从32-64端口,由于不同的端口具有不同的设计长度与干扰差异,因此不同的EQ设置进行讯号优化。以32端口的100G来说,1个端口由4条25G通道组成,因此必需完成32端口*4通道的均衡优化,对于工程师来说,将耗费大量的时间与精力在手动调整参数,并可能因为经验上的不足造成误判。
发明内容
本发明的目的在于提供一种发送端均衡优化方法、装置及电子设备,通过将原有手动调整EQ的方式透过”基因算法”与”爬山算法”进行”范围缩小”与”找出最佳值“,搭配自动化仪控程序之后,只需等待示波器回传测量数据与分析结果即可,不需工程师在旁操作大量指令与储存眼图数据,即可找出TxEQ最佳值,其优点:1.降低人员的判断错误,尤其无经验的新人。2.大幅减少人员的fine-tune时间。
第一方面,本发明提供的一种发送端均衡优化方法,包括:
初始化发送端的均衡参数种群;其中,所述均衡参数种群中至少包括一个发送端的关键均衡参数组合,所述关键均衡参数组合至少包括一种关键均衡参数;
将所有所述关键均衡参数组合划分到多个预设区块中;
利用基因算法从多个所述预设区块中筛选出目标区块;
利用爬山算法从所述目标区块中确定出最佳均衡参数组合,并基于所述最佳均衡参数组合确定最佳均衡值。
进一步的,利用基因算法从多个所述预设区块中筛选出目标区块,包括:
利用基因算法计算出每个所述预设区块中待选均衡参数组合的待选均衡值;
对所有所述预设区块中待选均衡参数组合的待选均衡值进行比较,并将数值最大的待选均衡值所在的预设区块确定为所述目标区块。
进一步的,利用基因算法计算出每个所述预设区块中待选均衡参数组合的待选均衡值,包括:
针对每个所述预设区块,初始化基因算法参数:设置所述基因算法的最大迭代次数、交叉概率、突变概率和目标优化函数;
将所述预设区块中的所有所述关键均衡参数组合确定为父代种群,并基于所述目标优化函数计算所有所述关键均衡参数组合的适应度;
将所述适应度小于预设阈值的关键均衡参数组合从所述所述预设区块中删除,并保留所述适应度大于等于预设阈值的关键均衡参数组合;
基于所述交叉概率和所述突变概率,分别对所述适应度大于等于预设阈值的关键均衡参数组合执行交叉、突变操作,产生新个体,构成子代种群;
基于所述目标优化函数计算所述子代种群中每个个体的适应度;
重复执行交叉、突变、计算和删除操作,直至达到预设停止条件;其中,所述预设停止条件包括:执行次数达到所述最大迭代次数;
将最后一次输出的子代种群中最优个体确定为所述待选均衡参数组合,并将所述待选均衡参数组合的适应度确定为所述待选均衡值。
进一步的,利用爬山算法从所述目标区块中确定出最佳均衡参数组合,包括:
基于所述目标区块中的待选均衡参数组合,生成多个目标均衡参数组合;
在所述目标区块中插入所述多个目标均衡参数组合;
基于所述目标区块中的待选均衡参数组合和所述多个目标均衡参数组合,利用爬山算法确定出所述最佳均衡参数组合。
进一步的,基于所述目标区块中的待选均衡参数组合,生成多个目标均衡参数组合,包括:
通过对所述目标区块中的待选均衡参数组合的每一个待选均衡参数分别按照预设补偿进行增加或减小的方式,生成多个目标均衡参数组合。
进一步的,将所有所述关键均衡参数组合划分到多个预设区块中,包括:
确定所述预设区块的数量;
在确定好所述预设区块的数量之后,将所有所述关键均衡参数组合划分到多个所述预设区块中。
第二方面,本发明还提供一种发送端均衡优化装置,包括:
初始化单元,用于初始化发送端的均衡参数种群;其中,所述均衡参数种群中至少包括一个发送端的关键均衡参数组合,所述关键均衡参数组合至少包括一种关键均衡参数;
划分单元,用于将所有所述关键均衡参数组合划分到多个预设区块中;
筛选单元,用于利用基因算法从多个所述预设区块中筛选出目标区块;
确定单元,用于利用爬山算法从所述目标区块中确定出最佳均衡参数组合,并基于所述最佳均衡参数组合确定最佳均衡值。
进一步的,筛选单元,包括:
计算模块,用于利用基因算法计算出每个所述预设区块中待选均衡参数组合的待选均衡值;
比较确定模块,用于对所有所述预设区块中待选均衡参数组合的待选均衡值进行比较,并将数值最大的待选均衡值所在的预设区块确定为所述目标区块。
第三方面,本发明还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现发送端均衡优化方法的步骤。
第四方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现发送端均衡优化方法的步骤。
本发明提供的一种发送端均衡优化方法、装置及电子设备,通过将原有手动调整EQ的方式透过”基因算法”与”爬山算法”进行”范围缩小”与”找出最佳值“,搭配自动化仪控程序之后,只需等待示波器回传测量数据与分析结果即可,不需工程师在旁操作大量指令与储存眼图数据,即可找出TxEQ最佳值,大大降低了人员的判断错误,尤其无经验的新人,大幅减少人员的fine-tune时间,测试人员在优化每个端口EQ时,只需要执行程序,即可透过算法并透过仪器找出最佳参数,减少成本,无需长时间占用SIV人力资源,有效降低工程师因经验不足造成的误判。
相应地,本发明实施例提供的一种电子设备及计算机可读存储介质,也同样具有上述技术效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的发送端均衡优化方法流程图;
图2为本发明实施例提供的被测元件通过演算法进行运算控制的方块示意图;
图3为本发明实施例提供的控制器、网络交换器和示波器运算控制的方块示意图;
图4为本发明实施例提供的首次执行算法的步骤(1)-(3)的示意图;
图5为本发明实施例提供的首次执行算法的步骤(4)-(5)的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅附图1-3,本发明实施例提供了一种发送端均衡优化方法,包括:
初始化发送端的均衡参数种群;其中,均衡参数种群中至少包括一个发送端的关键均衡参数组合,关键均衡参数组合至少包括一种关键均衡参数;
将所有关键均衡参数组合划分到多个预设区块中;
利用基因算法从多个预设区块中筛选出目标区块;
利用爬山算法从目标区块中确定出最佳均衡参数组合,并基于最佳均衡参数组合确定最佳均衡值。
本发明通过将原有手动调整EQ的方式透过”基因算法”与”爬山算法”进行”范围缩小”与”找出最佳值”,搭配自动化仪控程序之后,只需等待示波器回传测量数据与分析结果即可,不需工程师在旁操作大量指令与储存眼图数据,即可找出TxEQ最佳值,大大降低了人员的判断错误,尤其无经验的新人,大幅减少人员的fine-tune时间,测试人员在优化每个端口EQ时,只需要执行程序,即可透过算法并透过仪器找出最佳参数,减少成本,无需长时间占用SIV人力资源,有效降低工程师因经验不足造成的误判。
本发明实施例中,利用基因算法从多个预设区块中筛选出目标区块,包括:
利用基因算法计算出每个预设区块中待选均衡参数组合的待选均衡值;
对所有预设区块中待选均衡参数组合的待选均衡值进行比较,并将数值最大的待选均衡值所在的预设区块确定为目标区块。
本发明实施例中,利用基因算法计算出每个预设区块中待选均衡参数组合的待选均衡值,包括:
针对每个预设区块,初始化基因算法参数:设置基因算法的最大迭代次数、交叉概率、突变概率和目标优化函数;
将预设区块中的所有关键均衡参数组合确定为父代种群,并基于目标优化函数计算所有关键均衡参数组合的适应度;
将适应度小于预设阈值的关键均衡参数组合从预设区块中删除,并保留适应度大于等于预设阈值的关键均衡参数组合;
基于交叉概率和突变概率,分别对适应度大于等于预设阈值的关键均衡参数组合执行交叉、突变操作,产生新个体,构成子代种群;
基于目标优化函数计算子代种群中每个个体的适应度;
重复执行交叉、突变、计算和删除操作,直至达到预设停止条件;其中,预设停止条件包括:执行次数达到最大迭代次数;
将最后一次输出的子代种群中最优个体确定为待选均衡参数组合,并将待选均衡参数组合的适应度确定为待选均衡值。
本发明实施例中,利用爬山算法从目标区块中确定出最佳均衡参数组合,包括:
基于目标区块中的待选均衡参数组合,生成多个目标均衡参数组合;
在目标区块中插入多个目标均衡参数组合;
基于目标区块中的待选均衡参数组合和多个目标均衡参数组合,利用爬山算法确定出最佳均衡参数组合。
本发明实施例中,基于目标区块中的待选均衡参数组合,生成多个目标均衡参数组合,包括:
通过对目标区块中的待选均衡参数组合的每一个待选均衡参数分别按照预设补偿进行增加或减小的方式,生成多个目标均衡参数组合。
本发明实施例中,将所有关键均衡参数组合划分到多个预设区块中,包括:
确定预设区块的数量;
在确定好预设区块的数量之后,将所有关键均衡参数组合划分到多个预设区块中。
本发明实施例还提供了一种发送端均衡优化装置,包括:
初始化单元,用于初始化发送端的均衡参数种群;其中,均衡参数种群中至少包括一个发送端的关键均衡参数组合,关键均衡参数组合至少包括一种关键均衡参数;
划分单元,用于将所有关键均衡参数组合划分到多个预设区块中;
筛选单元,用于利用基因算法从多个预设区块中筛选出目标区块;
确定单元,用于利用爬山算法从目标区块中确定出最佳均衡参数组合,并基于最佳均衡参数组合确定最佳均衡值。
本发明实施例中,,筛选单元,包括:
计算模块,用于利用基因算法计算出每个预设区块中待选均衡参数组合的待选均衡值;
比较确定模块,用于对所有预设区块中待选均衡参数组合的待选均衡值进行比较,并将数值最大的待选均衡值所在的预设区块确定为目标区块。
本发明实施例还提供了一种电子设备,包括存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现发送端均衡优化方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现发送端均衡优化方法的步骤。
本发明实施例中基因算法范例:
1.初始化EQ设置->开始并随机生成EQ stap->具体数据进行比较并淘汰差值;
2.交叉(Crossover);
3.突变(Mutation);
4.设定停止条件(Stop condition);
利用Fitness算出总和再依据计算每一个的机率(probability),首先计算所有Fitness将总和存入变量totalSum中。接着计算每个Fitness的机率并依序存入probability[]数组中;机率的计算的方法是fitness[i]/totalSum,分母为目前的Fitness值,分母为Fitness数组中的总和。接着0~1中随机取得随机数(机率)并存到变量randNum中。最后循环从尾依序累加每一个probability[]数组中的机率,当partialSum机率依据加总直到随机挑选出来的randNum小于等于partialSum就把所索引值回传代表选择到这一个。
本发明实施例中爬山算法范例:
例如TxEQ需要使用3个taps的自变量x1、x2、x3,开始时将这三个自变量设值为(2,2,-2),将x1增加/减少1,得到两个解(1,2,-2),(3,2,-2);将x2增加/减少1,得到两个解(2,3,-2),(2,1,-2);将x3增加/减少1,得到两个解(2,2,-1),(2,2,-3),这样就得到了一个解集:(2,2,-2),(1,2,-2),(3,2,-2),(2,3,-2),(2,1,-2),(2,2,-1),(2,2,-3)。
从上面的解集中找到最优解(眼高/眼宽数值),然后将这个最优数据(眼高眼宽)依据上面的方法再构造一个解集,再求最优解,就这样,直到前一次的最优解和后一次的最优解相同即结束“爬山”。
由图4-5所示,本发明实施例算法执行具体如下:
1.首次执行:
(1a).确认chipset initial EQ taps变异数量(取决于chip特性);
(1b).寻找几个关键EQ参数并分为多个EQ区块(例:1万个变数中取100个区块);
(1c).透过示波器测量各关键参数的眼高眼宽,并回传控制主机;
(1d).经由基因算法从多个区块中筛选出最佳EQ区块(取决于眼高/眼宽);
(1f).最佳EQ区块中插入多个EQ变量,并透过爬山算法找出最佳EQ值(取决于眼高/眼宽);
(1g).重复(1d)点直到没有更大的眼高/眼宽值,此程序即停止。
2.第二次之后执行:
(2a).根据第一次的最佳值范围插入多个变量,并透过爬山算法找出最佳EQ值,(目的在于因邻近端口长度差异不大,EQ step差异也不大);
(2b).重复步骤(2a)直到没有更大的眼高/眼宽值,此程序即停止。
本发明可应用在任何相关的Ethernet架构。
本发明实施例所提供的装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
又例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,再例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种发送端均衡优化方法,其特征在于,包括:
初始化发送端的均衡参数种群;其中,所述均衡参数种群中至少包括一个发送端的关键均衡参数组合,所述关键均衡参数组合至少包括一种关键均衡参数;
将所有所述关键均衡参数组合划分到多个预设区块中;
利用基因算法从多个所述预设区块中筛选出目标区块;
利用爬山算法从所述目标区块中确定出最佳均衡参数组合,并基于所述最佳均衡参数组合确定最佳均衡值。
2.根据权利要求1所述的方法,其特征在于,利用基因算法从多个所述预设区块中筛选出目标区块,包括:
利用基因算法计算出每个所述预设区块中待选均衡参数组合的待选均衡值;
对所有所述预设区块中待选均衡参数组合的待选均衡值进行比较,并将数值最大的待选均衡值所在的预设区块确定为所述目标区块。
3.根据权利要求2所述的方法,其特征在于,利用基因算法计算出每个所述预设区块中待选均衡参数组合的待选均衡值,包括:
针对每个所述预设区块,初始化基因算法参数:设置所述基因算法的最大迭代次数、交叉概率、突变概率和目标优化函数;
将所述预设区块中的所有所述关键均衡参数组合确定为父代种群,并基于所述目标优化函数计算所有所述关键均衡参数组合的适应度;
将所述适应度小于预设阈值的关键均衡参数组合从所述所述预设区块中删除,并保留所述适应度大于等于预设阈值的关键均衡参数组合;
基于所述交叉概率和所述突变概率,分别对所述适应度大于等于预设阈值的关键均衡参数组合执行交叉、突变操作,产生新个体,构成子代种群;
基于所述目标优化函数计算所述子代种群中每个个体的适应度;
重复执行交叉、突变、计算和删除操作,直至达到预设停止条件;其中,所述预设停止条件包括:执行次数达到所述最大迭代次数;
将最后一次输出的子代种群中最优个体确定为所述待选均衡参数组合,并将所述待选均衡参数组合的适应度确定为所述待选均衡值。
4.根据权利要求2所述的方法,其特征在于,利用爬山算法从所述目标区块中确定出最佳均衡参数组合,包括:
基于所述目标区块中的待选均衡参数组合,生成多个目标均衡参数组合;
在所述目标区块中插入所述多个目标均衡参数组合;
基于所述目标区块中的待选均衡参数组合和所述多个目标均衡参数组合,利用爬山算法确定出所述最佳均衡参数组合。
5.根据权利要求4所述的方法,其特征在于,基于所述目标区块中的待选均衡参数组合,生成多个目标均衡参数组合,包括:
通过对所述目标区块中的待选均衡参数组合的每一个待选均衡参数分别按照预设补偿进行增加或减小的方式,生成多个目标均衡参数组合。
6.根据权利要求1所述的方法,其特征在于,将所有所述关键均衡参数组合划分到多个预设区块中,包括:
确定所述预设区块的数量;
在确定好所述预设区块的数量之后,将所有所述关键均衡参数组合划分到多个所述预设区块中。
7.一种发送端均衡优化装置,其特征在于,包括:
初始化单元,用于初始化发送端的均衡参数种群;其中,所述均衡参数种群中至少包括一个发送端的关键均衡参数组合,所述关键均衡参数组合至少包括一种关键均衡参数;
划分单元,用于将所有所述关键均衡参数组合划分到多个预设区块中;
筛选单元,用于利用基因算法从多个所述预设区块中筛选出目标区块;
确定单元,用于利用爬山算法从所述目标区块中确定出最佳均衡参数组合,并基于所述最佳均衡参数组合确定最佳均衡值。
8.根据权利要求7所述的装置,其特征在于,筛选单元,包括:
计算模块,用于利用基因算法计算出每个所述预设区块中待选均衡参数组合的待选均衡值;
比较确定模块,用于对所有所述预设区块中待选均衡参数组合的待选均衡值进行比较,并将数值最大的待选均衡值所在的预设区块确定为所述目标区块。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011569834.6A CN112737606B (zh) | 2020-12-26 | 2020-12-26 | 一种发送端均衡优化方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011569834.6A CN112737606B (zh) | 2020-12-26 | 2020-12-26 | 一种发送端均衡优化方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112737606A true CN112737606A (zh) | 2021-04-30 |
CN112737606B CN112737606B (zh) | 2022-12-27 |
Family
ID=75617089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011569834.6A Active CN112737606B (zh) | 2020-12-26 | 2020-12-26 | 一种发送端均衡优化方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112737606B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155838A (zh) * | 2023-11-01 | 2023-12-01 | 成都市楠菲微电子有限公司 | 基于SerDes的参数筛选方法、系统、计算机设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007118A (zh) * | 2015-06-10 | 2015-10-28 | 重庆邮电大学 | 一种用于室内可见光通信系统的神经网络均衡方法 |
CN110267127A (zh) * | 2018-03-12 | 2019-09-20 | 上海诺基亚贝尔股份有限公司 | 用于低成本无源光网络的方法、装置和计算机可读介质 |
CN111683025A (zh) * | 2020-04-20 | 2020-09-18 | 浪潮思科网络科技有限公司 | 一种均衡器参数调试方法及设备、介质 |
-
2020
- 2020-12-26 CN CN202011569834.6A patent/CN112737606B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007118A (zh) * | 2015-06-10 | 2015-10-28 | 重庆邮电大学 | 一种用于室内可见光通信系统的神经网络均衡方法 |
CN110267127A (zh) * | 2018-03-12 | 2019-09-20 | 上海诺基亚贝尔股份有限公司 | 用于低成本无源光网络的方法、装置和计算机可读介质 |
CN111683025A (zh) * | 2020-04-20 | 2020-09-18 | 浪潮思科网络科技有限公司 | 一种均衡器参数调试方法及设备、介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155838A (zh) * | 2023-11-01 | 2023-12-01 | 成都市楠菲微电子有限公司 | 基于SerDes的参数筛选方法、系统、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112737606B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8422567B2 (en) | Signal transmission apparatus and method | |
CN110417463B (zh) | 一致性测试方法、装置和存储介质 | |
US7505512B1 (en) | Method and apparatus for combining statistical eye channel compliance methods with linear continuous-time equalization | |
US8588340B2 (en) | Receiving device | |
US20120320964A1 (en) | Methods and systems for providing optimum decision feedback equalization of high-speed serial data links | |
US20070223571A1 (en) | Decision-feedback equalizer simulator | |
CN101233714A (zh) | 测试通信设备过程中的抖动补偿和生成 | |
US11722341B2 (en) | Continuous time linear equalization and bandwidth adaptation using peak detector | |
US20220191073A1 (en) | Variable gain amplifier and sampler offset calibration without clock recovery | |
CN112737606B (zh) | 一种发送端均衡优化方法、装置及电子设备 | |
US20170012802A1 (en) | Method for Sending and Receiving Signal, and Corresponding Device and System | |
CN101304265A (zh) | 数据接收器和数据提取方法 | |
EP1693975A1 (en) | Performance monitoring for optical links | |
CN108540244B (zh) | 预加重系数测试方法、装置及通信设备 | |
US8194727B2 (en) | Equalizer characteristics optimizing method and transmission system | |
CN111163006B (zh) | 一种基于波形评判的多路优选网游加速方法 | |
CN114389751A (zh) | 一种用于误码测试设备的自动均衡方法和系统 | |
US20150139289A1 (en) | Receiver, system including the same, and calibration method thereof | |
CN107770107A (zh) | 在dfe之后在ber测量的抖动和眼轮廓 | |
CN105765883B (zh) | 确定均衡参数的方法和监控装置、计算机程序、信息存储装置 | |
US20110004713A1 (en) | Information transmission system, information transmission device, information transmission method and a computer readable medium storing a program for information transmission | |
US8665936B2 (en) | Experiments transmitter training systems and method | |
CN104579618A (zh) | 应用于互连系统的方法与相关处理模块 | |
US9910125B2 (en) | Methods, systems, and computer readable media for adaptively calibrating test systems for different interconnects | |
CN112543070B (zh) | 信道特性的在线提取 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |