一种基于二次压缩的测试向量压缩方法及系统与流程

1.本发明涉及数据处理技术领域，并且更具体地，涉及一种基于二次压缩的测试向量压缩方法及系统。

背景技术：

2.随着半导体技术的发展，集成电路的规模和复杂度也在不断增长，使得集成电路测试技术的重要性日益凸显。在芯片设计、生产的每一环节，结合适当的测试，可极大地节约成本，加快芯片投产进度。
3.然而，集成电路规模和复杂度的不断增长，使得其测试难度也随之水涨船高，在进行功能测试时，配套的测试向量数据量快速膨胀。由此带来两方面的问题：一是测试向量规模的不断增加，带来对自动测试设备(automatic test equipment,ate)存储空间的需求不断增加，ate设备淘汰加速，测试成本居高不下；二是测试速度一定程度上取决于数据传输速度，测试向量规模的增大，使得数据传输速率也需相应加快，以尽可能减少测试向量加载时间，这进一步推高了测试成本，降低了测试效率。
4.功能测试的基本思想是对组合逻辑电路真值进行枚举以判断电路能否产生正确响应。功能测试的上述特点，一方面导致其测试向量规模庞大，另一方面也决定了其测试向量间必然具有较高的相似度，具备大幅压缩的空间。
5.有鉴于此，有必要提出一种测试向量的压缩方法。

技术实现要素：

6.本发明提出一种基于二次压缩的测试向量压缩方法及系统，以解决如何对测试向量进行压缩的问题。
7.为了解决上述问题，根据本发明的一个方面，提供了一种基于二次压缩的测试向量压缩方法，所述方法包括：
8.获取待压缩的第一测试向量集；
9.对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集；
10.基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵；
11.对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。
12.优选地，其中所述对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集，包括：
13.随机选取所述第一测试向量集中的任一个测试向量作为起始向量；
14.计算所述起始向量与所述第一测试向量集中任一测试向量间的曼哈顿距离；
15.基于所述曼哈顿距离对所述第一测试向量集中的测试向量进行排序，并根据排序结果确定第二测试向量集。
16.优选地，其中所述基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵，包括：
17.对于所述第二测试向量集，分别以起始向量减去后继向量进行差分压缩操作，获取初始压缩矩阵。
18.优选地，其中所述对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵，包括：
19.利用如下公式对所述初始压缩矩阵进行奇异值分解，获取奇异值矩阵和中间矩阵，包括：
20.j
(m-1)
×n＝u
(m-1)
×
(m-1)
∑
(m-1)
×
n vn×n，
21.其中，j
(m-1)
×n为初始压缩矩阵；u
(m-1)
×
(m-1)
和∑
(m-1)
×n为第一中间矩阵，vn×n为奇异值矩阵；∑
(m-1)
×n中对角线上的元素为所述压缩矩阵的奇异值；
22.基于所述奇异值矩阵，按照选取的前x个奇异值之和与所有的奇异值之和的比值大于等于预设阈值进行选取，确定x；
23.以x作为行数和列数对所述奇异值矩阵和中间矩阵进行拆分，以获取最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
。
24.优选地，其中所述方法还包括：
25.通过补0的方法对最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
进行恢复，获取原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n；
26.基于获取的原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，获取初始压缩矩阵j
(m-1)
×n；
27.基于起始向量对所述初始压缩矩阵j
(m-1)
×n进行逆差分运算，获取第二测试向量集，完成数据解压缩。
28.根据本发明的另一个方面，提供了一种基于二次压缩的测试向量压缩系统，所述系统包括：
29.数据获取单元，用于获取待压缩的第一测试向量集；
30.排序单元，用于对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集；
31.第一压缩单元，用于基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵；
32.第二压缩单元，用于对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。
33.优选地，其中所述排序单元，对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集，包括：
34.随机选取所述第一测试向量集中的任一个测试向量作为起始向量；
35.计算所述起始向量与所述第一测试向量集中任一测试向量间的曼哈顿距离；
36.基于所述曼哈顿距离对所述第一测试向量集中的测试向量进行排序，并根据排序结果确定第二测试向量集。
37.优选地，其中所述第一压缩单元，基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵，包括：
38.对于所述第二测试向量集，分别以起始向量减去后继向量进行差分压缩操作，获取初始压缩矩阵。
39.优选地，其中所述第二压缩单元，对所述初始压缩矩阵进行奇异值分解压缩，获取
最终压缩矩阵，包括：
40.利用如下公式对所述初始压缩矩阵进行奇异值分解，获取奇异值矩阵和中间矩阵，包括：
41.j
(m-1)
×n＝u
(m-1)
×
(m-1)
∑
(m-1)
×
n vn×n，
42.其中，j
(m-1)
×n为初始压缩矩阵；u
(m-1)
×
(m-1)
和∑
(m-1)
×n为第一中间矩阵，vn×n为奇异值矩阵；∑
(m-1)
×n中对角线上的元素为所述压缩矩阵的奇异值；
43.基于所述奇异值矩阵，按照选取的前x个奇异值之和与所有的奇异值之和的比值大于等于预设阈值进行选取，确定x；
44.以x作为行数和列数对所述奇异值矩阵和中间矩阵进行拆分，以获取最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
。
45.优选地，其中所述系统还包括：解压缩单元，用于：
46.通过补0的方法对最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
进行恢复，获取原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n；
47.基于获取的原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，获取初始压缩矩阵j
(m-1)
×n；
48.基于起始向量对所述初始压缩矩阵j
(m-1)
×n进行逆差分运算，获取第二测试向量集，完成数据解压缩。
49.基于本发明的另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于二次压缩的测试向量压缩方法中任一项的步骤。
50.基于本发明的另一方面，本发明提供一种电子设备，包括：
51.上述的计算机可读存储介质；以及
52.一个或多个处理器，用于执行所述计算机可读存储介质中的程序。
53.本发明提供了一种基于二次压缩的测试向量压缩方法及系统，包括：获取待压缩的第一测试向量集；对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集；基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵；对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。本发明通过充分利用功能测试时，测试向量间差异性较小的特点，采用差分压缩和奇异值分解压缩相结合的技术，可将数据规模降低1-2个数量级，极大地减小数据存储需求，有助于降低测试成本，提高测试效率；同时本发明算法资源占用小，分析速度快，具备实用化条件。
附图说明
54.通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
55.图1为根据本发明实施方式的基于二次压缩的测试向量压缩方法100的流程图；
56.图2为根据本发明实施方式的基于二次压缩的测试向量压缩系统200的结构示意图。
具体实施方式
57.现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形
式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
58.除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
59.图1为根据本发明实施方式的基于二次压缩的测试向量压缩方法100的流程图。如图1所示，本发明实施方式提供的基于二次压缩的测试向量压缩方法，通过充分利用功能测试时，测试向量间差异性较小的特点，采用差分压缩和奇异值分解压缩相结合的技术，可将数据规模降低1-2个数量级，极大地减小数据存储需求，有助于降低测试成本，提高测试效率；同时本发明算法资源占用小，分析速度快，具备实用化条件。本发明实施方式提供的基于二次压缩的测试向量压缩方法100，从步骤101处开始，在步骤101获取待压缩的第一测试向量集。
60.在发明中，通过导入初始的测试向量集并进行提取，获取待压缩的数据，即获取第一测试向量集。一条典型的测试向量包括向量序号、不同通道数据、运行时间表地址、波形格式表地址、指令等几部分。待压缩的数据可为上述几个组成部分的任意组合。同时，由于指令数据占据了测试向量数据的绝大部分，且其数据间相似性最高，优选地可以将指令数据作为待压缩数据。
61.在步骤102，对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集。
62.优选地，其中所述对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集，包括：
63.随机选取所述第一测试向量集中的任一个测试向量作为起始向量；
64.计算所述起始向量与所述第一测试向量集中任一测试向量间的曼哈顿距离；
65.基于所述曼哈顿距离对所述第一测试向量集中的测试向量进行排序，并根据排序结果确定第二测试向量集。
66.在本发明中，通过任选第一测试向量集中任一向量作为起始向量，并选取与其曼氏距离最小的向量作为后继向量。以此规则，完成测试向量重排序，获取第二测试向量集。
67.在本发明中，首先明确如下定义：
68.定义1(曼哈顿距离)：对于向量a＝(a1,a2,
……
，an)，b＝(b1,b2,
……
，bn)，二者间的曼哈顿距离定义为：
[0069][0070]
对于第一测试向量集{li}m×n，任选其中一测试向量为起始向量，之后，计算向量集中剩余向量与起始向量之间的距离，该距离可优先采用曼哈顿距离量度。选取与起始向量距离最小的向量作为其后继向量。以此规则，完成向量集中所有向量的排序。
[0071]
在步骤103，基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵。
[0072]
优选地，其中所述基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵，包
括：
[0073]
对于所述第二测试向量集，分别以起始向量减去后继向量进行差分压缩操作，获取初始压缩矩阵。
[0074]
在本发明中，以相邻向量进行差分压缩，得到低秩、稀疏的初始压缩矩阵。
[0075]
在本发明中，进行如下定义：
[0076]
定义2(矩阵低秩)：对于矩阵z∈rm×n，若其秩远小于矩阵的规模，则该矩阵z为低秩矩阵，即满足：r＜＜d，式中：r为矩阵的秩，d＝min{m,n}。
[0077]
本发明中，对于完成向量排序的第二测试向量集{li}m×n，分别以其起始向量减去后继向量进行差分操作，得到压缩矩阵{ji}(
m-1)
×n。在开展功能测试时，经过向量重排序后，相邻测试向量间差异度极低，差分所得的压缩矩阵{ji}(
m-1)
×n必然具备低秩、稀疏的特点。其中，低秩体现为压缩矩阵{ji}(
m-1)
×n行相似度较高，秩远小于矩阵行数；稀疏体现为，矩阵中绝大多数元素为0，少数为1。
[0078]
在步骤104，对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。
[0079]
优选地，其中所述对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵，包括：
[0080]
利用如下公式对所述初始压缩矩阵进行奇异值分解，获取奇异值矩阵和中间矩阵，包括：
[0081]j(m-1)
×n＝u
(m-1)
×
(m-1)
∑
(m-1)
×
n vn×n，
[0082]
其中，j
(m-1)
×n为初始压缩矩阵；u
(m-1)
×
(m-1)
和∑
(m-1)
×n为第一中间矩阵，vn×n为奇异值矩阵；∑
(m-1)
×n中对角线上的元素为所述压缩矩阵的奇异值；
[0083]
基于所述奇异值矩阵，按照选取的前x个奇异值之和与所有的奇异值之和的比值大于等于预设阈值进行选取，确定x；
[0084]
以x作为行数和列数对所述奇异值矩阵和中间矩阵进行拆分，以获取最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
。
[0085]
在本发明中，通过对对所得低秩、稀疏的初始压缩矩阵进行奇异值分解，并舍弃末端奇异值后，完成数据压缩，获取最终压缩矩阵，完成数据压缩。
[0086]
在本发明中，明确如下定义：
[0087]
定义3(奇异值分解)：对于矩阵x∈rm×n，可作如下分解：
[0088]
x＝uσv
t
[0089]
式中：u、v为正交矩阵；∑为对角矩阵，其对角线上的元素称为矩阵x的奇异值。
[0090]
上述分解称作矩阵x的奇异值分解，奇异值具有如下性质：
[0091]
性质1(非负性)：矩阵x∈rm×n的奇异值必大于等于0。
[0092]
性质2：矩阵x非负奇异值的个数等于矩阵的秩。
[0093]
在本发明中，首先利用如下方式对初始压缩矩阵j(
m-1)
×n进行奇异值分解：
[0094]j(m-1)
×n＝u
(m-1)
×
(m-1)
∑
(m-1)
×
nvn
×n，
[0095]
其中，j
(m-1)
×n为初始压缩矩阵；u
(m-1)
×
(m-1)
和σ
(m-1)
×n为第一中间矩阵，vn×n为奇异值矩阵；∑
(m-1)
×n中对角线上的元素为所述压缩矩阵的奇异值；
[0096]
然后，保留矩阵∑上对角线上前x个元素(即保留压缩矩阵j前x个奇异值σ1、σ1、
……
，σ
x
)，规则为：所保留奇异值之和大于全部奇异值之和的某一阈值比例；该比例优先
设置为95％；
[0097]
最后，根据x进行矩阵拆分，实现将原始的第一测试向量集{li}m×n压缩为三个规模远小于其的矩阵：u
x
×
x
、σ
x
×
x
和v
x
×
x
，完成数据压缩。
[0098]
优选地，其中所述方法还包括：
[0099]
通过补0的方法对最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
进行恢复，获取原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n；
[0100]
基于获取的原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，获取初始压缩矩阵j
(m-1)
×n；
[0101]
基于起始向量对所述初始压缩矩阵j
(m-1)
×n进行逆差分运算，获取第二测试向量集，完成数据解压缩。
[0102]
在本发明中，还可以进行数据解压缩。具体地，基于奇异值分解所得数据u
x
×
x
、∑
x
×
x
、v
x
×
x
，通过补0方法恢复出原维度矩阵：u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n、v'n×n，然后进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，得到初始压缩矩阵j
(m-1)
×n；，再结合起始向量对初始压缩矩阵j
(m-1)
×n进行逆差分运算，获取第二测试向量集，完成数据解压缩。
[0103]
本发明的方法在进行功能测试、测试向量数据规模庞大的场景下，充分利用功能测试向量低差异度的特点，通过差分压缩和奇异值分解技术的结合，降低数据量级，极大地减少数据存储需求，控制测试成本，提高测试效率。
[0104]
图2为根据本发明实施方式的基于二次压缩的测试向量压缩系统200的结构示意图。如图2所示，本发明实施方式提供的基于二次压缩的测试向量压缩系统200，包括：数据获取单元201、排序单元202、第一压缩单元203和第二压缩单元204。
[0105]
优选地，所述数据获取单元201，用于获取待压缩的第一测试向量集。
[0106]
优选地，所述排序单元202，用于对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集。
[0107]
优选地，其中所述排序单元202，对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集，包括：
[0108]
随机选取所述第一测试向量集中的任一个测试向量作为起始向量；
[0109]
计算所述起始向量与所述第一测试向量集中任一测试向量间的曼哈顿距离；
[0110]
基于所述曼哈顿距离对所述第一测试向量集中的测试向量进行排序，并根据排序结果确定第二测试向量集。
[0111]
优选地，所述第一压缩单元203，用于基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵。
[0112]
优选地，其中所述第一压缩单元203，基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵，包括：
[0113]
对于所述第二测试向量集，分别以起始向量减去后继向量进行差分压缩操作，获取初始压缩矩阵。
[0114]
优选地，所述第二压缩单元204，用于对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。
[0115]
优选地，其中所述第二压缩单元204，对所述初始压缩矩阵进行奇异值分解压缩，
获取最终压缩矩阵，包括：
[0116]
利用如下公式对所述初始压缩矩阵进行奇异值分解，获取奇异值矩阵和中间矩阵，包括：
[0117]j(m-1)
×n＝u
(m-1)
×
(m-1)
∑
(m-1)
×
n vn×n，
[0118]
其中，j
(m-1)
×n为初始压缩矩阵；u
(m-1)
×
(m-1)
和∑
(m-1)
×n为第一中间矩阵，vn×n为奇异值矩阵；∑
(m-1)
×n中对角线上的元素为所述压缩矩阵的奇异值；
[0119]
基于所述奇异值矩阵，按照选取的前x个奇异值之和与所有的奇异值之和的比值大于等于预设阈值进行选取，确定x；
[0120]
以x作为行数和列数对所述奇异值矩阵和中间矩阵进行拆分，以获取最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
。
[0121]
优选地，其中所述系统还包括：解压缩单元，用于：
[0122]
通过补0的方法对最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
进行恢复，获取原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×n和v'n×n；
[0123]
基于获取的原维度矩阵u'
(m-1)
×
(m-1)
、σ'
(m-1)
×n和v'n×n进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，获取初始压缩矩阵j
(m-1)
×n；
[0124]
基于起始向量对所述初始压缩矩阵j
(m-1)
×n进行逆差分运算，获取第二测试向量集，完成数据解压缩。
[0125]
本发明的实施例的基于二次压缩的测试向量压缩系统200与本发明的另一个实施例的基于二次压缩的测试向量压缩方法100相对应，在此不再赘述。
[0126]
基于本发明的另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于二次压缩的测试向量压缩方法中任一项的步骤。
[0127]
基于本发明的另一方面，本发明提供一种电子设备，包括：
[0128]
上述的计算机可读存储介质；以及
[0129]
一个或多个处理器，用于执行所述计算机可读存储介质中的程序。
[0130]
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
[0131]
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
[0132]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0133]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0134]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0135]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0136]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：

1.一种基于二次压缩的测试向量压缩方法，其特征在于，所述方法包括：获取待压缩的第一测试向量集；对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集；基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵；对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。2.根据权利要求1所述的方法，其特征在于，所述对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集，包括：随机选取所述第一测试向量集中的任一个测试向量作为起始向量；计算所述起始向量与所述第一测试向量集中任一测试向量间的曼哈顿距离；基于所述曼哈顿距离对所述第一测试向量集中的测试向量进行排序，并根据排序结果确定第二测试向量集。3.根据权利要求1所述的方法，其特征在于，所述基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵，包括：对于所述第二测试向量集，分别以起始向量减去后继向量进行差分压缩操作，获取初始压缩矩阵。4.根据权利要求1所述的方法，其特征在于，所述对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵，包括：利用如下公式对所述初始压缩矩阵进行奇异值分解，获取奇异值矩阵和中间矩阵，包括：j
(m-1)
×
n
＝u
(m-1)
×
(m-1)
∑
(m-1)
×
nvn
×
n
，其中，j
(m-1)
×
n
为初始压缩矩阵；u
(m-1)
×
(m-1)
和∑
(m-1)
×
n
为第一中间矩阵，v
n
×
n
为奇异值矩阵；∑
(m-1)
×
n
中对角线上的元素为所述压缩矩阵的奇异值；基于所述奇异值矩阵，按照选取的前x个奇异值之和与所有的奇异值之和的比值大于等于预设阈值进行选取，确定x；以x作为行数和列数对所述奇异值矩阵和中间矩阵进行拆分，以获取最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过补0的方法对最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
进行恢复，获取原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×
n
和v'
n
×
n
；基于获取的原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×
n
和v'
n
×
n
进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，获取初始压缩矩阵j
(m-1)
×
n
；基于起始向量对所述初始压缩矩阵j
(m-1)
×
n
进行逆差分运算，获取第二测试向量集，完成数据解压缩。6.一种基于二次压缩的测试向量压缩系统，其特征在于，所述系统包括：数据获取单元，用于获取待压缩的第一测试向量集；排序单元，用于对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集；第一压缩单元，用于基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵；第二压缩单元，用于对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。
7.根据权利要求6所述的系统，其特征在于，所述排序单元，对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集，包括：随机选取所述第一测试向量集中的任一个测试向量作为起始向量；计算所述起始向量与所述第一测试向量集中任一测试向量间的曼哈顿距离；基于所述曼哈顿距离对所述第一测试向量集中的测试向量进行排序，并根据排序结果确定第二测试向量集。8.根据权利要求6所述的系统，其特征在于，所述第一压缩单元，基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵，包括：对于所述第二测试向量集，分别以起始向量减去后继向量进行差分压缩操作，获取初始压缩矩阵。9.根据权利要求6所述的系统，其特征在于，所述第二压缩单元，对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵，包括：利用如下公式对所述初始压缩矩阵进行奇异值分解，获取奇异值矩阵和中间矩阵，包括：j
(m-1)
×
n
＝u
(m-1)
×
(m-1)
∑
(m-1)
×
nvn
×
n
，其中，j
(m-1)
×
n
为初始压缩矩阵；u
(m-1)
×
(m-1)
和∑
(m-1)
×
n
为第一中间矩阵，v
n
×
n
为奇异值矩阵；∑
(m-1)
×
n
中对角线上的元素为所述压缩矩阵的奇异值；基于所述奇异值矩阵，按照选取的前x个奇异值之和与所有的奇异值之和的比值大于等于预设阈值进行选取，确定x；以x作为行数和列数对所述奇异值矩阵和中间矩阵进行拆分，以获取最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
。10.根据权利要求6所述的系统，其特征在于，所述系统还包括：解压缩单元，用于：通过补0的方法对最终压缩矩阵u
x
×
x
、∑
x
×
x
和v
x
×
x
进行恢复，获取原维度矩阵u'
(m-1)
×
(m-1)
、∑'
(m-1)
×
n
和v'
n
×
n
；基于获取的原维度矩阵u'
(m-1)
×
(m-1)
、σ'
(m-1)
×
n
和v'
n
×
n
进行奇异值分解逆运算，并对逆运算所得矩阵中的元素采用四舍五入法进行取整运算，获取初始压缩矩阵j
(m-1)
×
n
；基于起始向量对所述初始压缩矩阵j
(m-1)
×
n
进行逆差分运算，获取第二测试向量集，完成数据解压缩。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。12.一种电子设备，其特征在于，包括：权利要求11中所述的计算机可读存储介质；以及一个或多个处理器，用于执行所述计算机可读存储介质中的程序。

技术总结

本发明公开了一种基于二次压缩的测试向量压缩方法及系统，包括：获取待压缩的第一测试向量集；对所述第一测试向量集中的测试向量进行重新排序，以获取第二测试向量集；基于所述第二测试向量集进行差分压缩，获取初始压缩矩阵；对所述初始压缩矩阵进行奇异值分解压缩，获取最终压缩矩阵。本发明通过充分利用功能测试时，测试向量间差异性较小的特点，采用差分压缩和奇异值分解压缩相结合的技术，可将数据规模降低1-2个数量级，极大地减小数据存储需求，有助于降低测试成本，提高测试效率；同时本发明算法资源占用小，分析速度快，具备实用化条件。用化条件。用化条件。