CN103020346B - 一种电路物理设计相似度的测试方法 - Google Patents

Abstract

本发明公开了一种电路物理设计相似度的测试方法。它包括以下几个步骤：将电路原理图中的元件（或模块）等效为节点，元件（或模块）之间的连接等效为边，以此构建电路物理设计的复杂网络；计算电路物理设计复杂网络的四种特征参数：节点度、节点介数、节点聚类系数、节点平均路径长度；将相对比的电路物理设计复杂网络进行特征参数累积分布的Kolmogorov–Smirnov测试，获得各网络特征参数的总体相似度。本发明根据不同电路物理设计所表现出来的复杂网络特征，对电路物理设计的相似度给出了定量的分析，减少了电路物理设计专利侵权纠纷中因观察电路设计外观等受主观因素影响带来的误判。

Description

一种电路物理设计相似度的测试方法

技术领域

本发明涉及一种电路物理设计相似度的测试方法。

背景技术

近年来，通信领域里各种专利纠纷不断，诉讼成为了业界的常态。2011年4月苹果对三星提出的7项专利侵权指控中，其中一项涉及iPad物理设计。然而目前对电路硬件设计是否侵权基本上从硬件的形状进行判断，影响侵权行为、侵权产品的客观判定。因此，如何较合理地、定量地判断集成电路产品设计的相似性是一项亟待解决的难题。

将电路的物理设计抽象成复杂网络的好处在于可以利用图论的相关工具对物理设计的表面结构采用统计方法来描述。近期的研究也验证了从电路抽象出的网络具有小世界特性、无尺度特性等复杂网络特征。如何在缺少电量信息的情况下将复杂网络特征应用于定量测量电路物理设计的相似度是一个崭新的问题。对于网络的相似度测量而言，现有的研究大多集中在网络是否模块化及内部模块与整体自相似性的检测上，以辨识一个给定网络中的模块以及模块之间的关系。而对于有着不同节点数的整个网络的比较及其相似度的定量测量方法则较为缺乏。

发明内容

为了解决目前电路物理设计专利侵权判定及网络相似度测量较难以判断的技术问题，本发明提供一种电路物理设计相似度的测试方法。

为了实现上述技术目的，本发明的技术方案是，一种电路物理设计相似度的测试方法，包括以下步骤，

步骤一：将需对比的两个电路原理图中的各个元件或功能模块及其之间的连接抽象成复杂网络，以得到两个电路原理图相应的复杂网络的节点集V、V'；

步骤二：根据步骤一所得到的两个复杂网络的节点集来分别计算两个复杂网络的四种特征参数：节点度、节点介数、节点聚类系数、节点平均路径长度，在对每个节点的特征参数均进行计算后，得到四种特征参数的数据集；

步骤三：根据步骤二所得的两个复杂网络的网络特征参数的数据集来分别计算特征参数的累积分布，并将两个复杂网络的特征参数的累积分布进行Kolmogorov–Smirnov对比测试以得到最大垂直偏差的标准统计量；

步骤四：根据步骤三中累积分布K-S测试所得的最大垂直偏差的标准统计量来计算电路物理设计的相似度。

进一步的，所述的方法，所述的步骤一中所述的的抽象的方法为，将电路原理图中的元件或功能模块抽象为节点，将元件或功能模块间的连线抽象为与节点连接的边。

进一步的，所述的方法，所述的步骤二中计算节点度的步骤为：

${\mathrm{ND}}_i=\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}(j\→i)$

其中ND_i代表节点i对应的度，N为网络的节点集V中元素的个数；若节点j与节点i有连接，则(j→i)=1，否则(j→i)=0。

进一步的，所述的方法，所述的步骤二中计算节点介数的步骤为：

${\mathrm{NC}}_i=\underset{s\≠i\≠t\∈V}{\mathrm{\Σ}}\frac{{\mathrm{\σ}}_{\mathrm{st}}\left(i\right)}{{\mathrm{\σ}}_{\mathrm{st}}}$

其中NC_i表示节点i的介数，σ_st代表从节点s∈V到节点t∈V路径的数目，σ_st(i)代表从节点s到节点t的最短路径经过节点i∈V的数目。

进一步的，所述的方法，所述的步骤二中计算节点聚类系数的步骤为：

$C_i=\frac{{2y}_i}{k_i(k_i-1)}$

其中C_i表示节点i的聚类系数，k_i表示节点i的度数即连接边数；y_i表示节点i的邻近节点之间的实际连接边数。

进一步的，所述的方法，所述的步骤二中计算节点平均路径长度的步骤为：

$L_i=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{d}_{j\→i}$

其中L_i表示节点i的平均路径长度，N为网络的节点集V中的元素个数，d_j→i表示节点j到节点i之间边数最少的一条路径所包含的边数。

进一步的，所述的方法，所述的步骤三中进行Kolmogorov–Smirnov测试的步骤为：

步骤1：计算特征参数的累积分布函数；

根据步骤二所得的特征参数数据集来计算其累积分布函数，步骤为：

$S_n\left(x\right)=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[x_i\≤x]$

其中x是累积分布函数的步长，S_n(x)表示特征参数的累积分布函数，n为特征参数数据集中数据的个数，[x_i≤x]表示当数据值x_i小于等于i/n时，其值为1，否则为0。

步骤2：计算每一对数据集累积分布最大垂直偏差；

根据步骤1所得的特征参数数据集的累积分布函数，来计算每种特征参数所对应的一对数据集累积分布的最大垂直偏差，步骤为；

$D(X_1,X_2)=\max \left\{\underset{x}{\sup }\right|S(x;X_1)-S(x;X_2)\left|\right\}$

其中D(X₁,X₂)表示一种特征参数对应的数据集累积分布的最大垂直偏差，max表示求最大值，S(x;X₁)和S(x;X₂)分别表示对累积分布X₁和X₂的经验累积分布函数，表示S(x;X₁)和S(x;X₂)中x的最小上界。

步骤3：计算最大垂直偏差的标准统计量；

根据步骤2所得的最大垂直偏差，来计算其标准统计量，步骤为：

$Z_k=\sqrt{(n_1+n_2)/n_1\×n_2}\×D_k$

其中Z_k表示第k个特征参数所对应的最大垂直偏差的标准统计量，D_k表示第k个特征参数所对应的最大垂直偏差，n₁和n₂分别表示第k个特征参数所对应累积分布X₁和X₂中数据的个数。

进一步的，所述的方法，所述的步骤四中进行总体相似度计算的步骤为：

步骤①：计算标准统计量分布的单尾概率；

根据步骤三中步骤3所得的标准统计量，来计算其分布的单尾概率，步骤为：

$P_k=e^{-2Z_k^2}$

其中P_k表示第k个特征参数所对应的Z_k分布的单尾概率。

步骤②：计算总体相似度

根据步骤①中所得的标准统计量的单尾概率，来计算电路物理设计的总体相似度，步骤为：

$S=1-{\stackrel{\‾}{P}}_k=1-\sqrt{\frac{\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{P}_i^2}{k}}$

其中S为电路物理设计的总体相似度，表示单尾概率的平均值，P_i表示第i个特征参数所对应的标准统计量的单尾概率。

进一步的，在得出相似度之后，进行电路物理设计侵权判定的步骤为：

$H=({\stackrel{\‾}{P}}_k\≤\mathrm{\α})$

其中H表示对比电路与原电路的物理设计基本属于同一设计这一假设，α表示相似的显著性水平，表示若其值为0，否则其值为1；若H=0表示假设成立，即认为在显著性水平范围内原假设成立，对比电路的物理设计属于侵权行为；若H=1，即认为在显著性水平范围内原假设不成立，对比电路的物理设计属于合理设计，不算为侵权行为。

下面结合附图对本发明作进一步说明。

附图说明

图1为为本发明的流程图；

图2为本发明中的电路物理设计复杂网络模型示意图；

图3为本发明中求最大垂直偏差的对数坐标效果示意图。

具体实施方式

参见图1，图1为本发明的流程图。本发明的具体实施过程如下：

1）获取电路原理图，构建复杂网络模型

参见图2，首先将电路原理图中的元件（或功能模块）抽象为节点，与元件有连接的连线抽象为与节点连接的边，即利用电路原理图将电路物理设计抽象为复杂网络。

构建出的待对比电路复杂网络用以下集合来描述：G=(V,E)，G'=(V',E')。其中G为原电路物理设计对应的复杂网络，G'为对比电路物理设计对应的复杂网络，V为节点的集合，E为边的集合。

2）计算复杂网络的特征参数

复杂网络的基本特征参数包括节点度、节点介数、节点聚类系数和节点平均路径长度。

①计算节点度

电路物理设计复杂网络中，一个节点的度越大，意味者这个节点对应的元件（或功能模块）越重要。节点的度分布在一定程度上反映了电路的集成度。节点的度定义为与该节点连接的其他节点的数目。节点度的计算方法为：

${\mathrm{ND}}_i=\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}(j\→i)$

其中ND_i代表节点i对应的度，N为网络的节点集V中的元素个数；若节点j与节点i有连接，则(j→i)=1，否则(j→i)=0。

②计算节点介数

节点介数在一定程度上反映了网络所对应电路的级联特性。节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例。节点介数的计算方法为：

${\mathrm{NC}}_i=\underset{s\≠i\≠t\∈V}{\mathrm{\Σ}}\frac{{\mathrm{\σ}}_{\mathrm{st}}\left(i\right)}{{\mathrm{\σ}}_{\mathrm{st}}}$

其中NC_i表示节点i的介数，σ_st代表从节点s∈V到节点t∈V路径的数目，σ_st(i)代表从节点s到节点t的最短路径经过节点i∈V的数目。

③计算节点聚类系数

聚类系数用来描述网络中节点的邻点之间也互为邻点的概率，在一定程度上反映了网络所对应电路的元件（或功能模块）的聚合特性。节点聚类系数的计算方法为：

$C_i=\frac{{2y}_i}{k_i(k_i-1)}$

其中C_i表示节点i的聚类系数，k_i表示节点i的度数即连接边数；y_i表示节点i的邻近节点之间的实际连接边数。

④计算节点平均路径长度

节点的路径长度定义为网络中两个节点之间边数最少的一条路径的边数，在一定程度上体现了网络所对应电路的反馈设计。与复杂网络理论对路径长度的分析相比，通常的方法关注网络整体的平均路径长度，仅得到唯一值，而本计算方法中对不同节点的平均路径长度的进行统计，细节部分得到突出，且使得下一步的电路对比测试数据更丰富。节点平均路径长度的计算方法为：

$L_i=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{d}_{j\→i}$

其中L_i表示节点i的平均路径长度，N为网络的节点集V中的元素个数，d_j→i表示节点j到节点i之间边数最少的一条路径所包含的边数。

3）特征参数累积分布的K-S测试

从以上步骤我们得到待比较电路对应网络G和G'的特征参数的四对数据集，包括节点度数据集ND={ND₁,ND₂,…ND_N1}和ND'={ND'₁,ND'₂,…ND'_N2}；节点介数数据集NC={NC₁,NC₂,…NC_N3}和NC'={NC'₁,NC'₂,…NC'_N4}；节点聚类系数数据组C={C₁,C₂,…C_N5}和C'={C'₁,C'₂,…C'_N6}；节点平均路径长度统计数据组L={L₁,L₂,…L_N7}和L'={L'₁,L'₂,…L'_N8}。其中N₁,N₂,...,N₈分别为各数据集的数据个数。接下来采用Kolmogorov-Smirnov test（K-S测试）来比较每一对数据集中的两组数据有无显著性差异。

①计算特征参数的累积分布函数

对于一个数据集{x₁,x₂,…x_n}，其累积分布函数的计算方法为：

$S_n\left(x\right)=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[x_i\≤x],$

其中S_n(x)表示数据集x的累积分布函数，n为数据集中数据的个数，[x_i≤x]表示当数据值x_i小于等于横坐标轴的x值，即i/n时，其值为1，否则为0。按照此方法计算特征参数的每一个数据集。

②计算每一对数据集累积分布最大垂直偏差

对于每一对数据集累积分布，其最大垂直偏差计算的方法为；

$D(X_1,X_2)=\max \left\{\underset{x}{\sup }\right|S(x;X_1)-S(x;X_2)\left|\right\}$

其中D(X₁,X₂)表示一种特征参数对应的数据集累积分布的最大垂直偏差，max表示求最大值，S(x;X₁)和S(x;X₂)分别表示对累积分布X₁和X₂的经验累积分布函数，表示S(x;X₁)和S(x;X₂)中x的最小上界。

按照此方法计算特征参数的每一对数据集累积分布最大垂直偏差。采用这种方法也就适应了各数据集的数据个数不相等的情形。

参见图3，对于较大规模的集成电路，在K-S测试中亦可采用对数坐标来对累计分布绘图，所得出的最大垂直偏差不变，但可以使得统计数据分析的可视性更强。

③计算最大垂直偏差的标准统计量；

对于求得的最大垂直偏差，需要对其标准化，计算其标准统计量的方法为：

$Z_k=\sqrt{(n_1+n_2)/n_1\×n_2}\×D_k$

其中Z_k表示第k个特征参数所对应的最大垂直偏差的标准统计量，D_k表示第k个特征参数所对应的最大垂直偏差，n₁和n₂分别表示第k个特征参数所对应累积分布X₁和X₂中数据的个数。

4）相似度信息提取与侵权判定方法

①相似度的计算与表征方法

通过上一步骤得出的四对数据集的最大垂直偏差，对应每一对数据集分别为D_ND，D_NC，D_C和D_L。本发明以标准统计量分布的单尾概率来计算相似度，计算标准统计量分布的单尾概率的方法为：

$P_k=e^{-2Z_k^2}$

其中P_k表示第k个特征参数所对应的Z_k分布的单尾概率。按照此方法得到四个特征参数对应的单尾概率值分别为P_ND，P_NC，P_C和P_L。

本发明计算电路物理设计的总体相似度的方法为：

$S=1-{\stackrel{\‾}{P}}_k=1-\sqrt{\frac{\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{P}_i^2}{k}}$

其中S为电路物理设计的总体相似度，表示单尾概率的平均值，P_i表示第i个特征参数所对应的标准统计量的单尾概率。此处采用均方根的方法相对平均值方法可以更好地弱化各特征参数累积分布的差异性。

②侵权判定方法

本发明将物理设计的相似度测试结果进一步应用到物理设计的专利侵权判定上，定量的分析结果减少了电路物理设计专利侵权纠纷中因观察电路设计外观等受主观因素影响带来的误判。对电路物理设计侵权的判定方法为：

$H=({\stackrel{\‾}{P}}_k\≤\mathrm{\α})$

其中H表示对比电路与原电路的物理设计基本属于同一设计这一假设，α表示相似的显著性水平，其赋值一般可取0.1，表示置信度为90%，也可根据实际需要取其他值。表示若其值为0，否则其值为1。若H=0表示假设成立，即认为在显著性水平范围内原假设成立，对比电路的物理设计属于侵权行为。若H=1，即认为在显著性水平范围内原假设不成立，对比电路的物理设计属于合理设计，不算为侵权行为。

Claims (8)

1.一种电路物理设计相似度的测试方法，其特征在于，包括以下步骤，

步骤一：将需对比的两个电路原理图中的各个元件或功能模块及其之间的连接抽象成复杂网络，以得到两个电路原理图相应的复杂网络的节点集                                                、；

步骤二：根据步骤一所得到的两个复杂网络的节点集来分别计算两个复杂网络的四种特征参数：节点度、节点介数、节点聚类系数、节点平均路径长度，在对每个节点的特征参数均进行计算后，得到四种特征参数的数据集； 

步骤三：根据步骤二所得的两个复杂网络的网络特征参数的数据集来分别计算特征参数的累积分布，并将两个复杂网络的特征参数的累积分布进行Kolmogorov–Smirnov对比测试以得到最大垂直偏差的标准统计量；

步骤四：根据步骤三中累积分布Kolmogorov–Smirnov测试所得的最大垂直偏差的标准统计量来计算电路物理设计的相似度。

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中所述的抽象的方法为，将电路原理图中的元件或功能模块抽象为节点，将元件或功能模块间的连线抽象为与节点连接的边。

3.根据权利要求1所述的方法，其特征在于，所述的步骤二中计算节点度的步骤为： 

其中代表节点对应的度，为网络的节点集中元素的个数；若节点与节点有连接，则，否则。

4.根据权利要求1所述的方法，其特征在于，所述的步骤二中计算节点介数的步骤为：

其中表示节点的介数，代表从节点到节点路径的数目，代表从节点到节点的最短路径经过节点的数目。

5.根据权利要求1所述的方法，其特征在于，所述的步骤二中计算节点聚类系数的步骤为：

其中表示节点的聚类系数，表示节点的度数即连接边数；表示节点的邻近节点之间的实际连接边数。

6.根据权利要求1所述的方法，其特征在于，所述的步骤二中计算节点平均路径长度的步骤为：

      其中表示节点的平均路径长度，为网络的节点集中的元素个数，表示节点到节点之间边数最少的一条路径所包含的边数。

7.根据权利要求1所述的方法，其特征在于，所述的步骤三中进行Kolmogorov–Smirnov测试的步骤为：

步骤1：计算特征参数的累积分布函数；

根据步骤二所得的特征参数数据集来计算其累积分布函数，步骤为：

      其中是累积分布函数的步长，表示特征参数的累积分布函数，为特征参数数据集中数据的个数，表示当数据值小于等于时，其值为1，否则为0；

步骤2：计算每一对数据集累积分布最大垂直偏差；

根据步骤1所得的特征参数数据集的累积分布函数，来计算每种特征参数所对应的一对数据集累积分布的最大垂直偏差，步骤为；

      其中表示一种特征参数对应的数据集累积分布的最大垂直偏差，表示求最大值，和分别表示对累积分布和的经验累积分布函数，表示和中的最小上界；

步骤3：计算最大垂直偏差的标准统计量；

根据步骤2所得的最大垂直偏差，来计算其标准统计量，步骤为：

      其中表示第个特征参数所对应的最大垂直偏差的标准统计量，表示第个特征参数所对应的最大垂直偏差，和分别表示第个特征参数所对应累积分布和中数据的个数。

8.根据权利要求7所述的方法，其特征在于，所述的步骤四中进行总体相似度计算的步骤为：

步骤①：计算标准统计量分布的单尾概率；

根据步骤三中步骤3所得的标准统计量，来计算其分布的单尾概率，步骤为：

      其中表示第个特征参数所对应的分布的单尾概率；

步骤②：计算总体相似度

根据步骤①中所得的标准统计量的单尾概率，来计算电路物理设计的总体相似度，步骤为：

    其中为电路物理设计的总体相似度，表示单尾概率的平均值，表示第个特征参数所对应的标准统计量的单尾概率。