一种非线性延迟电路系统的仿真方法、系统及介质技术方案

本发明专利技术公开了一种非线性延迟电路系统的仿真方法、系统及介质，方法包括：对非线性延迟电路系统进行仿真，得到非线性延迟电路系统的输出矩阵；使用主成分分析法对输出矩阵进行计算，得到输出矩阵的奇异值向量和奇异值；基于奇异值向量和奇异值构建基函数，并基于基函数得到状态变量函数；构建时序卷积网络模型，并基于输出矩阵和状态变量函数得到时序卷积网络模型的训练数据；基于时序卷积网络模型的训练数据对时序卷积网络模型进行训练；将信号输入到训练后的时序卷积网络模型以输出非线性延迟电路系统的状态变量的值。本发明专利技术的方案，避免了反复对非线性延迟电路系统的数学模型进行求解，减少了计算时间，提高了计算速度。提高了计算速度。提高了计算速度。

【技术实现步骤摘要】
一种非线性延迟电路系统的仿真方法、系统及介质


[0001]本专利技术涉及电路仿真
，尤其涉及一种非线性延迟电路系统的仿真方法、系统及介质。

技术介绍

[0002]随着集成电路规模与工作频率的持续增加，集成电路内部各功能电路所呈现的工作状态越来越复杂，在集成电路设计阶段，需要对集成电路内部各模块精确建模并进行仿真分析，才能最大程度减少流片失败。对集成电路内部的信号完整性分析以及各模块输出信号的仿真等，都需要经过大量的数值计算。尤其是随着集成电路的工作频率提高，信号的传输延迟也需要考虑在内，这就给集成电路设计带来了巨大挑战。
[0003]非线性延迟电路系统是集成电路内部最为复杂的电路模块之一。在对非线性延迟电路系统进行分析仿真时，需要求解复杂的数学模型，在规模较大电路情况下，求解较为困难。当前针对非线性延迟电路系统的数学模型处理方法大多为数值方法，数值方法在处理过程中较为耗时，计算时间常常令人难以接受，甚至是不可能求解出来的。
[0004]由于片上互连线数量巨大并且芯片工作频率逐渐增高，芯片在流片制造之前，需要经过反复的仿真验证。这就需要对芯片内部各个电路模块进行精确建模，在高速信号情况下，需要将信号的传输延迟考虑在内，因此所得到的数学模型较为复杂，并且规模巨大，直接对其仿真分析需要计算量巨大，芯片在设计阶段需要经过多次参数调试与仿真分析，才能达到设计需求，直接使用原始互连延迟系统的数学模型进行分析仿真时效性较差。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种非线性延迟电路系统的仿真方法、系统及介质，避免反复多次对大规模非线性延迟电路系统的数学模型进行求解，并且每次仿真计算所需计算量较小，大大减少集成电路的仿真分析时间成本，提高了芯片的研发效率。
[0006]基于上述目的，本专利技术实施例的一方面提供了一种非线性延迟电路系统的仿真方法，具体包括如下步骤：对非线性延迟电路系统进行仿真，得到所述非线性延迟电路系统的输出矩阵；使用主成分分析法对所述输出矩阵进行计算，得到所述输出矩阵的奇异值向量和奇异值；基于所述奇异值向量和所述奇异值构建基函数，并基于所述基函数得到状态变量函数；构建时序卷积网络模型，并基于所述输出矩阵和所述状态变量函数得到所述时序卷积网络模型的训练数据；基于所述时序卷积网络模型的训练数据对所述时序卷积网络模型进行训练；将信号输入到训练后的时序卷积网络模型以输出非线性延迟电路系统的状态变量的值。
[0007]在一些实施方式中，使用主成分分析法对所述输出矩阵进行计算，得到所述输出矩阵的奇异值向量和奇异值，包括：使用离散经验插值算法对所述输出矩阵进行插值，得到插值矩阵；对所述插值矩阵进行奇异值分解，得到所述插值矩阵的左奇异值向量、奇异值和右奇异值向量。
[0008]在一些实施方式中，基于所述奇异值向量和所述奇异值构建基函数包括：基于所述右奇异值向量和所述奇异值构建基函数。
[0009]在一些实施方式中，所述基函数的表达式为：其中，E
square
为插值矩阵，λ
i
为E
square
的奇异值，V
i
为与所述λ
i
相对应的E
square
的奇异值向量，n为E
square
的奇异值数量；所述状态变量函数的表达式为：其中，t
r
为第r时刻，其中r∈{1,2，
…
,m},x(t
r
)为t
r
时刻非线性延迟电路系统的状态变量的输出值，为E
square
的均值向量，为系数，q为从n中选取的E
square
的奇异值的个数。
[0010]在一些实施方式中，构建时序卷积网络模型，包括：建立r时刻的系数与前r
‑
k时刻的系数之间的数学模型，所述数学模型为：；基于时序卷积网络模型来模拟所述数学模型。
[0011]在一些实施方式中，所述输出矩阵包含对所述非线性延迟电路系统进行仿真后，输出的所述非线性延迟电路系统的所有状态变量的输出值。
[0012]在一些实施方式中，基于所述输出矩阵和所述状态变量函数得到所述时序卷积网络模型的训练数据包括：基于所述状态变量函数推导得到所述系数的表达式；将所述输出矩阵中所有状态变量的输出值代入所述系数的表达式，得到所有系数的值；基于所有系数的值得到所述时序卷积网络模型的训练数据集和验证数据集。
[0013]在一些实施方式中，对非线性延迟电路系统进行仿真，得到所述非线性延迟电路系统的输出矩阵，包括：以方波信号作为非线性延迟电路系统的输入，对所述非线性延迟电路系统进行仿真，得到所述非线性延迟电路系统的输出矩阵。
[0014]本专利技术实施例的另一方面，还提供了一种非线性延迟电路系统的仿真系统，包括：仿真模块，所述仿真模块配置为对非线性延迟电路系统进行仿真，得到所述非线性延迟电路系统的输出矩阵；计算模块，所述计算模块配置为使用主成分分析法对所述输出矩阵进行计算，得
到所述输出矩阵的奇异值向量和奇异值；所述计算模块还配置为基于所述奇异值向量和所述奇异值构建基函数，并基于所述基函数得到状态变量函数；构建模块，所述构建模块配置为构建时序卷积网络模型，并基于所述输出矩阵和所述状态变量函数得到所述时序卷积网络模型的训练数据；训练模块，所述训练模块配置为基于所述时序卷积网络模型的训练数据对所述时序卷积网络模型进行训练；输出模块，所述输出模块配置为将信号输入到训练后的时序卷积网络模型以输出非线性延迟电路系统的状态变量的值。
[0015]本专利技术实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
[0016]本专利技术至少具有以下有益技术效果：本专利技术通过对非线性延迟电路系统进行仿真，得到非线性延迟电路系统的输出矩阵；使用主成分分析法对输出矩阵进行计算，得到输出矩阵的奇异值向量和奇异值；基于奇异值向量和奇异值构建基函数，并基于基函数得到状态变量函数；构建时序卷积网络模型，并基于输出矩阵和状态变量函数得到时序卷积网络模型的训练数据；基于时序卷积网络模型的训练数据对时序卷积网络模型进行训练；将信号输入到训练后的时序卷积网络模型以输出非线性延迟电路系统的状态变量的值，避免了反复多次对大规模非线性延迟电路系统的数学模型进行求解，并且每次仿真计算所需计算量较小，大大减少集成电路的仿真分析时间成本，提高了芯片的研发效率。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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实施例。
[0018]图1为本专利技术提供的非线性延迟电路系统的仿真方法的一实施例的框图；图2为本专利技术提供的时序卷积模型的一实施例的示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非线性延迟电路系统的仿真方法，其特征在于，包括：对非线性延迟电路系统进行仿真，得到所述非线性延迟电路系统的输出矩阵；使用主成分分析法对所述输出矩阵进行计算，得到所述输出矩阵的奇异值向量和奇异值；基于所述奇异值向量和所述奇异值构建基函数，并基于所述基函数得到状态变量函数；构建时序卷积网络模型，并基于所述输出矩阵和所述状态变量函数得到所述时序卷积网络模型的训练数据；基于所述时序卷积网络模型的训练数据对所述时序卷积网络模型进行训练；将信号输入到训练后的时序卷积网络模型以输出非线性延迟电路系统的状态变量的值。2.根据权利要求1所述的方法，其特征在于，使用主成分分析法对所述输出矩阵进行计算，得到所述输出矩阵的奇异值向量和奇异值，包括：使用离散经验插值算法对所述输出矩阵进行插值，得到插值矩阵；对所述插值矩阵进行奇异值分解，得到所述插值矩阵的左奇异值向量、奇异值和右奇异值向量。3.根据权利要求2所述的方法，其特征在于，基于所述奇异值向量和所述奇异值构建基函数包括：基于所述右奇异值向量和所述奇异值构建基函数。4.根据权利要求3所述的方法，其特征在于，所述基函数的表达式为：其中，E
square
为插值矩阵，λ
i
为E
square
的奇异值，V
i
为与所述λ
i
相对应的E
square
的奇异值向量，n为E
square
的奇异值数量；所述状态变量函数的表达式为：其中，t
r
为第r时刻，其中r∈{1,2，
…
,m},x(t
r
)为t
r
时刻非线性延迟电路系统的状态变量的输出值，为E
square
的均值向量，为系数，q为从n中选取的E
square
的奇异值的个数。5.根据权利要求4...

【专利技术属性】
技术研发人员：邱志勇，郭振华，闫瑞栋，赵雅倩，李仁刚，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：