射频无源器件建模用优化算法开发

发布时间：2021-05-12 14:05

　　半导体器件模型是集成电路（IC）设计者与IC的加工厂（FAB）之间重要的纽带,它的精度直接影响到IC的性能。随着IC的集成度和器件的工作频率逐渐提高,器件模型变得越来越复杂,参数的数量越来越多。这导致了抽取出适合的模型参数变得困难,而模型的参数值是决定模型精度的重要因素。为了抽取适合的模型参数,人们总结出了两大类方法:一类是利用器件的物理电学特性和代数方法的直接提取法;另一类是利用优化算法搜索合适的模型参数。直接提取法虽然简单、直观、解唯一,但随着模型越来越复杂利用直接法提取参数难度变大。相对于直接提取法,利用优化算法抽取模型参数显得相对容易。人们已经将基于梯度下降、牛顿迭代和微分法等算法应用到模型参数的提取中,取得了一些成果。然而,由于算法自身的特性,极易陷入局部最优。随后学者们又将智能算法,如遗传算法（GA）,粒子群算法（PSO）等应用于模型参数的抽取。这类算法的应用已经获得了很大的成功,然而这种“仿生”的智能算法又有“早熟”的现象。收敛的速度也受到了一定的限制,为此研究人员对此类算法进行改进来避免“早熟”现象。因此,研究利用智能优化算法提取器件模型参数具有重要的意义。本文针对以上... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 引言
    1.2 半导体器件模型参数优化发展状况
    1.3 研究的目的和意义
    1.4 论文的结构和内容
第2章 优化的概述及优化算法简介
    2.1 最优化概念
        2.1.1 最优化的数学表达
        2.1.2 最优化的分类
    2.2 遗传算法(genetic algorithm ,GA)
        2.2.1 遗传算法的基本理论
        2.2.2 遗传算法的流程
        2.2.3 遗传算法的特点
    2.3 粒子群算法(Particle Swarm Optimization,PSO)
        2.3.1 粒子群算法的基本理论
        2.3.2 粒子群算法流程
        2.3.3 粒子群算法的特点
    2.4 布谷鸟搜索算法(Cuckoo Search,CS)
        2.4.1 布谷鸟繁殖行为
        2.4.2 莱维飞行
        2.4.3 布谷鸟搜索算法的基本理论
        2.4.4 布谷鸟搜索算法流程
        2.4.5 布谷鸟搜索算法的特点
    2.5 改进的布谷鸟搜索算法
        2.5.1 引入自适应参数
        2.5.2 改进的布谷鸟搜索算法测试
    2.6 本章小结
第3章 基于优化算法的半导体器件模型参数提取
    3.1 片上螺旋电感
        3.1.1 片上螺旋电感的结构
        3.1.2 在片螺旋电感的性能参数
        3.1.3 片上螺旋电感的等效模型
    3.2 基于布谷鸟搜索算法(CS)优化片上电感模型
        3.2.1 片上螺旋电感模型参数的目标函数
        3.2.2 片上螺旋电感模型参数的敏感度分析
        3.2.3 片上螺旋电感模型参数的交叉操作
        3.2.4 片上螺旋电感模型参数的优化方向性分析
    3.3 布谷鸟搜索算法优化半导体器件模型的程序设计
        3.3.1 布谷鸟搜索算法的实现
        3.3.2 布谷鸟搜索算法优化半导体器件模型流程
    3.4 本章小结
第4章 优化器和建模工具的集成与优化器验证
    4.1 市面主流的器件建模工具及优化器研究
    4.2 器件模型软件定义
        4.2.1 用户需求分析
        4.2.2 软件架构及功能定义
    4.3 优化器的验证
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者在读期间发表的学术论文及参加的科研项目


【参考文献】：
期刊论文
[1]Extracting Parameters of OFET Before and After Threshold Voltage Using Genetic Algorithms[J]. Imad Benacer,Zohir Dibi.  International Journal of Automation and Computing. 2016(04)
[2]2015年全球IC设计与制造产业的发展状况分析[J]. 王龙兴.  集成电路应用. 2016(08)
[3]GaN HEMT器件微波噪声模型参数提取[J]. 李静强,胡志富,崔玉兴,刘会东.  半导体技术. 2015(07)
[4]InGaAs MOSFET的电容电压特性[J]. 陈军,黄大鸣.  微电子学. 2015(01)
[5]螺旋电感品质因数Q的GP优化[J]. 李美娇,严梦霄,荣溢炯.  电子设计工程. 2011(02)
[6]遗传算法的交叉算子分析[J]. 邓春燕.  农业网络信息. 2009(05)
[7]基于遗传算法的场效应管模型参数的提取[J]. 解兰,於洪标.  微波学报. 2008(S1)
[8]RF-CMOS建模:一种改进的累积型MOS变容管模型[J]. 刘军,孙玲玲,文进才.  半导体学报. 2007(09)
[9]基于混合遗传算法的SOI MOSFET模型参数提取（英文）[J]. 李瑞贞,李多力,杜寰,海潮和,韩郑生.  半导体学报. 2006(05)
[10]遗传算法的早熟问题探究[J]. 付旭辉,康玲.  华中科技大学学报(自然科学版). 2003(07)

硕士论文
[1]氮化镓高电子迁移率晶体管的参数提取与灵敏度分析[D]. 骆丹婷.华东师范大学 2016
[2]基于量子遗传算法的功率二极管物理模型参数提取研究[D]. 李威.西华大学 2015
[3]纳米级MOSFETs的3D TCAD建模与结构研究[D]. 甘程.电子科技大学 2014



本文编号：3183549