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！

龙图腾网获悉深圳市玥芯通科技有限公司申请的专利机顶盒的AI SOC模块化单元测试方法及装置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：CN119342257B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411875509.0，技术领域涉及：H04N21/41；该发明授权机顶盒的AI SOC模块化单元测试方法及装置是由杨波;姜赛;毛飞;况君禄;石常和设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本机顶盒的AI SOC模块化单元测试方法及装置在说明书摘要公布了：本发明涉及SOC模块化单元测试技术领域，公开了一种机顶盒的AISOC模块化单元测试方法及装置，其中，该方法能够自动构建模拟真实使用环境的测试平台，生成覆盖各种场景的测试用例，实现并行测试和实时干扰补偿，并能够对测试数据进行多维度分析和跨批次对齐。同时，还具备自适应优化能力，能够根据测试结果动态调整测试策略，以持续提升测试的效率和准确性。

本发明授权机顶盒的AI SOC模块化单元测试方法及装置在权利要求书中公布了：1.一种机顶盒的AISOC模块化单元测试方法，其特征在于，所述方法包括： 基于预设的第一测试策略对机顶盒AISOC模块进行功能划分，构建模块化测试环境；具体包括：基于预设的第一测试策略对机顶盒AISOC进行功能分析，并划分为视频处理单元、音频处理单元和AI推理单元，得到功能划分结果；基于所述功能划分结果，使用FPGA构建硬件模拟器，模拟AISOC的核心计算单元、存储单元和通信接口，并对所述硬件模拟器进行参数配置，设置与实际AISOC一致的时钟频率、存储容量和接口带宽；基于所述硬件模拟器，创建软件仿真系统，模拟机顶盒操作系统的视频解码、音频处理和网络通信功能，并对所述软件仿真系统进行场景配置，建立包含高清视频播放、在线流媒体和游戏运行的测试数据库；基于所述测试数据库，设置多个测试控制器，采用主从架构分配测试任务和管理测试资源，并对所述测试控制器进行权限配置，使主测试控制器负责全局测试策略制定和资源分配，从测试控制器负责具体模块测试执行；将所述硬件模拟器、所述软件仿真系统和所述测试控制器进行系统集成，构建模块化测试环境； 基于所述模块化测试环境进行历史测试数据分析，生成测试用例集；具体包括：对历史测试数据进行数据清洗和标准化处理，得到规范化的历史测试数据集，并基于所述规范化的历史测试数据集，进行特征提取和降维处理，识别影响AISOC性能的特征数据集；对所述特征数据集进行多维度分析，将测试场景划分为正常操作、边界条件和异常情况三类，得到测试场景分类结果；基于所述测试场景分类结果，构建测试用例生成规则，包括各类场景的触发条件和数据范围，得到测试用例生成模板；将所述测试用例生成模板应用于新的测试数据，动态生成适应当前AISOC特性的基础测试用例集，并对所述基础测试用例集进行组合和变异，生成覆盖多模块交互的复杂测试场景，得到扩展测试用例集；基于所述扩展测试用例集，进行测试用例去重和合并，消除冗余和重复的测试内容，得到精简测试用例集，并对所述精简测试用例集进行优先级评估，得到测试用例集； 将所述测试用例集输入多个测试控制器，执行并行测试和实时干扰补偿，获取AISOC各模块的原始性能数据；具体包括：对所述测试用例集进行任务分解，将测试用例划分为不同的测试任务组，得到测试任务分配方案，并基于所述测试任务分配方案，对多个测试控制器进行任务分配，将测试任务组分配给相应的测试控制器，得到测试控制器任务列表；根据所述测试控制器任务列表，对各测试控制器进行并行启动，同时执行多个测试任务，得到并行测试初始结果，并对所述并行测试初始结果进行实时监控，检测模块间干扰情况，得到干扰强度数据；基于所述干扰强度数据，计算干扰补偿参数，对测试过程中的干扰进行实时补偿，得到补偿后的测试数据；对所述补偿后的测试数据进行数据采集和存储，记录AISOC各模块在不同测试场景下的性能指标，得到第一性能数据集；基于所述第一性能数据集，进行数据完整性检查，对缺失或异常的数据点进行标记和补充，得到第二性能数据集；对所述第二性能数据集进行初步分析，计算AISOC各模块的处理速度、资源利用率和功耗，得到AISOC各模块的原始性能数据； 对所述原始性能数据进行多尺度特征提取和跨批次对齐，得到标准化性能指标集；具体包括：对所述原始性能数据进行季节性趋势分解，将每个性能指标序列分解为趋势项、季节性项和残差项，其中趋势项反映长期变化，季节性项表示周期性波动，残差项代表短期波动，得到分解后的性能数据集；基于所述分解后的性能数据集，分别对趋势项、季节性项和残差项进行特征提取，对趋势项计算斜率和曲率，对季节性项提取周期和振幅，对残差项计算方差和峰度，得到包含长期、周期性和短期特征的多尺度特征集；对所述多尺度特征集中的每个时间序列进行离散小波变换，使用Daubechies小波基函数进行5层分解，提取不同频率域的近似系数和细节系数，得到包含低频、中频和高频信息的频域特征集；基于所述频域特征集，构建多头注意力网络，对不同尺度和频域的特征进行自注意力计算，得到注意力权重矩阵，并使用所述注意力权重矩阵进行特征加权求和，得到融合特征集；对所述融合特征集进行核主成分分析，选择径向基函数作为核函数，通过求解特征值问题得到主成分，得到降维后的特征集；基于所述降维后的特征集，使用多核最大均值差异方法，选择线性核、多项式核和高斯核作为基础核函数，计算不同批次AISOC之间特征分布的距离矩阵，得到批次差异矩阵；对所述批次差异矩阵进行特征对齐，同时最小化源域和目标域的特征分布差异以及分类误差，将不同批次的特征映射到共同的特征空间，得到批次间对齐的特征集；基于所述批次间对齐的特征集，对每个特征进行标准化处理，计算每个特征的均值和标准差，得到标准化性能指标集； 对所述标准化性能指标集进行多维聚类分析和基于邻居边界度的性能边界识别，得到综合性能评估结果；其中，邻居边界度是指边界点在其k近邻中其他边界点所占的比例，通过统计每个边界点的邻居边界度，得到邻居边界度矩阵；具体包括：基于所述标准化性能指标集，使用高斯混合模型进行多维聚类分析，通过期望最大化算法迭代优化模型参数，得到k个性能聚类簇；对所述k个性能聚类簇进行轮廓系数计算，评估聚类效果，选择轮廓系数最大的聚类结果作为最优聚类方案，得到性能聚类结果；基于所述性能聚类结果，计算每个数据点与其k近邻的平均距离，并与这k个近邻到它们各自k近邻的平均距离进行比较，得到每个数据点的局部异常因子；对所述局部异常因子进行阈值筛选，选择异常因子大于预设阈值的数据点，作为性能边界候选点，得到初步性能边界点集；基于所述初步性能边界点集，计算每个边界点的邻居边界度，统计其k近邻中边界点的比例，得到邻居边界度矩阵；对所述邻居边界度矩阵进行密度聚类，将邻近且邻居边界度相似的边界点聚合成连续的边界线段，得到性能边界轮廓；基于所述性能边界轮廓和所述性能聚类结果，计算各性能聚类簇的性能指标均值、标准差和边界特征，综合评估AISOC模块的性能状态，得到综合性能评估结果； 基于所述综合性能评估结果，对所述第一测试策略进行动态优化，输出第二测试策略；具体包括：对所述综合性能评估结果进行分解，提取AISOC各模块的性能指标、聚类信息和边界特征，得到性能评估特征集；基于所述性能评估特征集，构建决策树模型，将性能指标作为特征，聚类和边界信息作为目标变量，训练得到性能分类规则；对所述性能分类规则进行规则提取，将决策路径转化为IF-THEN形式的测试规则，得到初步优化策略集；基于所述初步优化策略集，设计强化学习环境，将测试策略作为动作空间，性能指标作为状态空间，测试效果作为奖励函数，得到强化学习模型；使用深度Q网络算法训练所述强化学习模型，通过多轮迭代优化测试策略，得到优化后的测试策略集，并对所述优化后的测试策略集进行交叉验证，使用历史测试数据评估每个测试策略的泛化性能，得到策略评分矩阵；基于所述策略评分矩阵进行测试策略组合优化，通过交叉和变异操作生成新的策略组合，得到最优测试策略组合；将所述最优测试策略组合与所述第一测试策略进行整合，调整测试用例生成规则、资源分配方案和执行顺序，输出第二测试策略。

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深圳市玥芯通科技有限公司，其通讯地址为：518000 广东省深圳市龙华区大浪街道陶元社区南科创元谷2栋201；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”。

以上内容由龙图腾AI智能生成。