买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安庆师范大学;中国电子科技集团公司第五十八研究所申请的专利一种基于PSO-KF算法的芯片测试结果实时补偿方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119903287B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510078051.4，技术领域涉及：G06F18/10；该发明授权一种基于PSO-KF算法的芯片测试结果实时补偿方法是由詹文法;胡心怡;曾晓洋;蔡雪原;解维坤;章礼华;宋国栋;郑江云;张庆平;陈瑞;陈诚;张珺瑚;周杨心梓设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于PSO-KF算法的芯片测试结果实时补偿方法在说明书摘要公布了：一种基于PSO‑KF算法的芯片测试结果实时补偿方法，属于集成电路测试技术领域，解决如何提高集成电路测试的准确性和稳定性的问题，本发将采集到的原始测量数据输入卡尔曼滤波器中进行初步滤波处理；基于测量数据和环境噪声的实时变化，采用粒子群优化算法对卡尔曼滤波器中的噪声参数进行优化；粒子群优化算法在获取每次测量数据后进行噪声参数的更新，并将最优参数重新应用于卡尔曼滤波器中，从而实现对测量数据的实时补偿；基于补偿后的数据评估良率，并且数据会反馈给粒子群优化算法，用于下一次迭代优化，确保卡尔曼滤波器能自适应噪声变化，保持最佳补偿效果，本发明的技术方案提升了芯片测试的精度、良率及产品质量。

本发明授权一种基于PSO-KF算法的芯片测试结果实时补偿方法在权利要求书中公布了：1.一种基于PSO-KF算法的芯片测试结果实时补偿方法，其特征在于，包括以下步骤： 步骤1、采集芯片测试过程中的原始测量数据，采用众数补充数据中缺失值； 步骤2、将采集到的原始测量数据输入卡尔曼滤波器中进行初步滤波处理，方法具体如下： 1状态变量与测量模型初始化：根据芯片测试的特定需求，定义卡尔曼滤波器的状态变量；初始化状态变量的初始值和协方差矩阵，表示初始时刻系统状态的不确定性；构建测量模型，建立状态变量与实际测量数据之间的数学关系，定义状态转移矩阵A、控制矩阵B、观测矩阵H； 2预测步骤：根据状态转移方程预测系统的状态，并计算协方差矩阵，估计当前数据的状态值和不确定性； 3更新步骤：结合当前的测量值，通过卡尔曼增益更新状态估计值，从而减小预测值和测量值之间的差异； 4滤波数据输出：输出更新后的状态估计值，作为对当前时刻真实状态的估计结果，并用于后续的数据分析与补偿；滤波后的数据将作为输入反馈给粒子群优化算法，用于优化噪声参数； 步骤3、基于测量数据和环境噪声的实时变化，采用粒子群优化算法对卡尔曼滤波器中的噪声参数进行优化，方法具体如下： 1初始化粒子群：确定粒子群的大小，即粒子的数量N，每个粒子代表噪声协方差矩阵Q和观测噪声协方差矩阵R的噪声参数组合，随机初始化每个粒子的位置和速度，设定初始参数范围； 2计算适应度函数：对于每个粒子，将其当前的噪声参数组合应用于卡尔曼滤波器，对测量数据进行滤波；基于滤波误差定义适应度函数，用于评估滤波效果； 3更新个体极值和全局极值：对于每个粒子，计算当前适应度值，如果当前适应度值优于该粒子的历史最优值，则将当前适应度值和对应位置更新为该粒子的个体最优值；在所有粒子的个体最优值中找到适应度值最优的粒子，并将其位置和适应度值更新为全局最优值； 4更新粒子速度和位置； 5边界条件处理：采用弹回边界法或位置重置法对超出边界的粒子进行处理，使得粒子位置始终在合理范围内； 6重复步骤2至5进行迭代，直到满足预设的停止条件； 7最优噪声参数的应用：经过粒子群优化后，找到最优的噪声协方差矩阵Q和观测噪声协方差矩阵R应用于卡尔曼滤波器中，以进行下一轮的数据滤波和实时补偿； 步骤4、粒子群优化算法在获取每次测量数据后进行噪声参数的更新，并将最优参数重新应用于卡尔曼滤波器中，从而实现对测量数据的实时补偿； 步骤5、基于补偿后的数据评估良率，并且数据会反馈给粒子群优化算法，用于下一次迭代优化，确保卡尔曼滤波器能自适应噪声变化，保持最佳补偿效果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安庆师范大学;中国电子科技集团公司第五十八研究所，其通讯地址为：246133 安徽省安庆市宜秀区集贤北路1318号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。