1.一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，包括以下步骤：S1：设置MLC NAND闪存信道的参数和产生阈值电压序列；

S2：构建并训练卷积神经网络模型；

S3：将阈值电压序列输入训练后的卷积神经网络模型，输出每个阈值电压区域的平均后验概率；

步骤S3具体过程为：

给定N个参考电压点，划分出N+1个阈值电压区域记为Vn，n∈{1,2,...,N+1}；

将阈值电压区域Vn均匀量化为M‑1个区间，将M‑1个区间的边界值记为将边界值输入至训练好的卷积神经网络模型得到M个后验概率向量；

将M个后验概率向量求平均得到阈值电压区域Vn的平均后验概率；

S4：利用阈值电压区域的平均后验概率计算阈值电压区域的对数似然比。

2.根据权利要求1所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，MLC NAND闪存信道的参数包括：设擦除状态下阈值电压分布的参数μe和σe，增量编程步进电压ΔVpp，判定电压，随机电报噪声数、数据保持噪声参数。

3.根据权利要求1所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，阈值电压序列表示为：v＝{v1,v2,...,vk}，k∈{1,2,...,K}，NAND闪存信道中闪存单元的阈值电压区域进行均匀量化，译码后得到的码字作为与阈值电压相应的状态标签其中 所述状态标签作为阈值电压序列的标签与阈值电压序列一起用于训练卷积神经网络模型。

4.根据权利要求1所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，所述卷积神经网络模型为一维全卷积神经网络模型，包括有：一个输入层、两个隐藏层、一个全连接输出层，其中，所述隐藏层的激活函数为relu函数，所述全连接输出层的激活函数为softmax函数。

5.根据权利要求4所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，所述隐藏层的长度与输入层的长度相同。

6.根据权利要求4所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，全连接输出层的输出为每个阈值电压对应四个阈值电压区域的后验概率分别记为：PNN(s|vk)＝{PNN(s1|vk),PNN(s2|vk),PNN(s3|vk),PNN(s4|vk)}，其中si＝{s1,s2,s3,s4},(i＝1,2,3,4)表示闪存的四个阈值电压区域。

7.根据权利要求1所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，将M个后验概率向量求平均得到阈值电压区域Vn的平均后验概率，计算公式为：PNN(si|qm)表示第m个后验概率向量,PNN(si|Vn)表示阈值电压区域Vn的后验概率，其中，i∈{1,2,3,4},n∈{1,2,...,N+1}。

8.根据权利要求1所述的一种基于卷积神经网络的NAND闪存信号检测方法，其特征在于，利用阈值电压区域的平均后验概率计算阈值电压区域的对数似然比，计算公式为：其中， 表示阈值电压区域Vn中高位比特对应的对数似然比， 表示阈值电压区域Vn中低位比特对应的对数似然比。

9.一种基于卷积神经网络的NAND闪存信号检测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于卷积神经网络的NAND闪存信号检测方法程序，所述基于卷积神经网络的NAND闪存信号检测方法程序被所述处理器执行时实现如下步骤：S1：设置MLC NAND闪存信道的参数和产生阈值电压序列；

S2：构建并训练卷积神经网络模型；

S3：利用卷积神经网络模型输出每个阈值电压区域的平均后验概率；

步骤S3具体过程为：

给定N个参考电压点，划分出N+1个阈值电压区域记为Vn，n∈{1,2,...,N+1}；

将阈值电压区域Vn均匀量化为M‑1个区间，将M‑1个区间的边界值记为将边界值输入至训练好的卷积神经网络模型得到M个后验概率向量；

将M个后验概率向量求平均得到阈值电压区域Vn的平均后验概率；

S4：利用阈值电压区域的平均后验概率计算阈值电压区域的对数似然比。