本申请属于人工智能，特别涉及一种算法识别方法、装置、设备、存储介质和程序产品。
背景技术：
1、在相关技术的无线通信场景中，终端使用的信道均衡算法会影响到终端的无线网络性能指标，如会对上下行速率造成影响；一些终端使用的信道均衡算法是终端厂商不公开的信息，在相关技术中，在不知道不同终端厂商所采用的具体信道均衡算法的情况下，只能假定采用了某种信道均衡算法，从而得到该算法对应的无线网络性能，如果假定采用的信道均衡算法与终端实际采用的信道均衡算法存在区别，则可能导致无法准确地根据信道均衡算法确定相应的无线网络性能。
技术实现思路
1、本申请实施例提供一种算法识别方法、装置、设备、存储介质和程序产品。
2、本申请实施例提供一种算法识别方法，所述方法包括：
3、获取待检测的信道均衡算法的多组信号序列，所述多组信号序列中每组信号序列包括输入信号序列、以及与所述输入信号序列对应的输出信号序列；
4、根据所述多组信号序列，确定所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率；
5、在所述待检测的信道均衡算法与算法库中第一信道均衡算法的匹配概率大于或等于预设阈值时，确定所述待检测的信道均衡算法为所述第一信道均衡算法，所述第一信道均衡算法为所述算法库中的任意一种信道均衡算法；在所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率均小于所述预设阈值时，根据所述多组信号序列确定所述待检测的信道均衡算法。
6、在一些实施例中，在根据所述多组信号序列确定所述待检测的信道均衡算法后，所述方法还包括：将所述待检测的信道均衡算法保存在所述算法库中。可以看出，通过将待检测的信道均衡算法保存在所述算法库中，可以实现算法库中信道均衡算法的更新，有利于后续根据更新后的算法库进行算法识别。
7、在一些实施例中，所述根据所述多组信号序列，确定所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率，包括：将所述多组信号序列输入至预先训练的分类网络中，利用所述分类网络对所述多组信号序列进行处理，并输出所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率；所述分类网络是根据预先确定的多种信道均衡算法训练得出的。
8、可以看出，在将多组信号序列输入至预先训练的分类网络后，利用分类网络对多组信号序列进行处理，可以简单容易地确定待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率。
9、在一些实施例中，所述根据所述多组信号序列，确定所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率，包括：确定所述多组信号序列中每组信号序列与所述算法库中每种信道均衡算法的匹配概率；在所述多组信号序列中各组信号序列与所述算法库中每种信道均衡算法的匹配概率中，将最大值作为所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率。
10、可以看出，本申请实施例可以在多组信号序列的每组信号序列与所述算法库中每种信道均衡算法的匹配概率中，确定最大值；由于多组信号序列是待检测的信道均衡算法的信号序列，因此，该最大值所体现的匹配概率可以在一定程度上准确地反映待检测的信道均衡算法与算法库中每种信道均衡算法的关联程度，因此，根据该最大值可以较为准确地确定待检测的信道均衡算法与每种信道均衡算法的匹配概率。
11、在一些实施例中，所述根据所述多组信号序列确定所述待检测的信道均衡算法，包括：通过学习所述多组信号序列中输入信号序列与输出信号序列之间的映射关系，确定所述待检测的信道均衡算法。
12、可以看出，由于多组信号序列中输入信号序列与输出信号序列之间的映射关系可以体现待检测的信道均衡算法的数据处理过程，因此，通过学习多组信号序列中输入信号序列与输出信号序列之间的映射关系，可以较为准确地设备待检测的信道均衡算法。
13、在一些实施例中，所述通过学习所述多组信号序列中输入信号序列与输出信号序列之间的映射关系，确定所述待检测的信道均衡算法，包括：根据所述多组信号序列训练回归网络，得到训练完成的回归网络，所述回归网络用于学习信道均衡算法的输入信号序列与输出信号序列之间的映射关系；将所述待检测的信道均衡算法确定为所述训练完成的回归网络所表示的算法。
14、可以看出，由于回归网络用于学习信道均衡算法的输入信号序列与输出信号序列之间的映射关系，而输入信号序列与输出信号序列之间的映射关系可以体现待检测的信道均衡算法的数据处理过程，因此，在根据待检测的信道均衡算法的多组信号序列训练回归网络后，可以使训练完成的回归网络能够较为准确地表示信道均衡算法的数据处理过程，这样，可以将待检测的信道均衡算法准确地识别为训练完成的回归网络所表示的算法。
15、在一些实施例中，所述待检测的信道均衡算法为所述孪生终端使用的信道均衡算法。可以看出，本申请实施例可以较为准确地识别孪生终端使用的信道均衡算法，有利于提升孪生网络系统所输出的网络性能指标的准确性。
16、本申请实施例还提供了一种算法识别装置，所述装置包括：
17、获取模块，用于获取待检测的信道均衡算法的多组信号序列，所述多组信号序列中每组信号序列包括输入信号序列、以及与所述输入信号序列对应的输出信号序列；
18、第一处理模块，用于根据所述多组信号序列，确定所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率；
19、第二处理模块，用于在所述待检测的信道均衡算法与算法库中第一信道均衡算法的匹配概率大于或等于预设阈值时，确定所述待检测的信道均衡算法为所述第一信道均衡算法，所述第一信道均衡算法为所述算法库中的任意一种信道均衡算法；在所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率均小于所述预设阈值时，根据所述多组信号序列确定所述待检测的信道均衡算法。
20、本申请实施例还提供了一种电子设备，所述电子设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序以执行上述任意一种算法识别方法。
21、本申请实施例还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一种算法识别方法。
22、本申请实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任意一种算法识别方法。
23、可以看出，待检测的信道均衡算法的输入信号序列和输出信号序列可以体现信道均衡算法的数据处理过程，因此，本申请实施例可以根据待检测的信道均衡算法的输入信号序列和输出信号序列，较为准确地确定待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率，从而，根据待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率，可以较为准确地识别出待检测的信道均衡算法，进而有利于根据识别出的信道均衡算法相应的无线网络性能。
1.一种算法识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在根据所述多组信号序列确定所述待检测的信道均衡算法后，所述方法还包括：将所述待检测的信道均衡算法保存在所述算法库中。
3.根据权利要求1所述的方法，其特征在于，所述根据所述多组信号序列，确定所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述多组信号序列，确定所述待检测的信道均衡算法与算法库中每种信道均衡算法的匹配概率，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述多组信号序列确定所述待检测的信道均衡算法，包括：
6.根据权利要求5所述的方法，其特征在于，所述通过学习所述多组信号序列中输入信号序列与输出信号序列之间的映射关系，确定所述待检测的信道均衡算法，包括：
7.根据权利要求1至4任一项所述的方法，其特征在于，所述待检测的信道均衡算法为所述孪生终端使用的信道均衡算法。
8.一种算法识别装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。
