基于深度学习的MLC型NAND闪存Polar-RNNA量化器的优化方法

摘要

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。