基于遗传算法的模拟集成电路优化设计

发布时间：2017-09-07 05:22

  本文关键词：基于遗传算法的模拟集成电路优化设计

  更多相关文章： 遗传算法 放大器 拟合曲线 饱和区

【摘要】：电路进化设计作为可进化硬件(Evolvable HardWare,EHW)的主要分支,目前已成为国际性的研究热点。对于数字电路而言,利用基于硬件描述语言的逻辑综合工具可以对其进行快速可靠的综合设计,而模拟电路仍需电路设计者进行手工设计完成。采用计算机辅助技术对模拟集成电路的设计进行优化是提升电路设计质量与效率的有效途径。而遗传算法作为一种优化算法,能够有效的用于模拟电路优化设计中。本文简要介绍了遗传算法的基本原理,以及模拟集成电路中基本放大器的设计理论,在此基础上对遗传算法在集成电路方面的应用进行了研究。主要工作内容包括:(1)采用遗传算法对共栅级放大器电路进行了优化设计,并通过仿真实验对算法的有效性进行了验证。仿真实验结果表明,由于集成电路中器件的模型较为复杂,理论计算数值与实际电路仿真结果差异较大,并且经过基本遗传算法进化出的结果无法满足晶体管工作在饱和区的条件。(2)针对0.18μm CMOS工艺下的模型晶体管,通过Cadence仿真工具对晶体管的参数进行了扫描,进而将晶体管的输出阻抗与漏级电流之间的关系,以及阈值电压和晶体管尺寸之间的关系进行了曲线拟合,从而建立了较为准确的晶体管模型。此外,将判断晶体管饱和的条件的实际应用对遗传算法的流程进行了改进,加入了遴选替换程序,使得进化出的参数能够让晶体管工作在饱和区,最终完成了对共漏级放大器的优化设计。(3)在建立了较为准确的晶体管的基础上,将遗传算法应用于共源级放大器电路的多目标设计中,构造了一个性能指标适应度函数,以此完成了对于低频增益,带宽,转换速率,电流四个参数的多目标电路优化设计。
【关键词】：遗传算法 放大器 拟合曲线 饱和区
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN431.1;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景9-10
• 1.2 本课题相关国内外研究现状10-13
• 1.2.1 模拟集成电路综合工具10-11
• 1.2.2 模拟集成电路进化设计技术11-13
• 1.3 本文的组织结构13-14
• 第二章 遗传算法的基本原理和方法14-27
• 2.1 遗传算法概述14-16
• 2.1.1 基本遗传算法的实现14-15
• 2.1.2 遗传算法的特点15-16
• 2.2 遗传算法用于求解多目标问题16-17
• 2.3 传统遗传算法的实现技术17-26
• 2.3.1 染色体的编码18-19
• 2.3.2 适应度函数19-21
• 2.3.3 选择操作21-23
• 2.3.4 交叉操作23-25
• 2.3.5 变异操作25-26
• 2.4 本章小结26-27
• 第三章 遗传算法应用于共栅级放大器设计27-33
• 3.1 共栅级放大器基本原理27-28
• 3.1.1 共栅级放大器简介27-28
• 3.2 共栅级放大器的优化设计28-30
• 3.2.1 遗传算法的程序实现28-29
• 3.2.2 编码方案与适应度函数29-30
• 3.3 实验结果和讨论30-32
• 3.4 本章小结32-33
• 第四章 MOS器件模型的改进及遗传算法的应用33-49
• 4.1 MOS管建模33-40
• 4.1.1 曲线拟合33-34
• 4.1.2 MOS小信号模型34-36
• 4.1.3 输出电阻与漏级电流之间关系的曲线拟合36-37
• 4.1.4 阈值电压37-38
• 4.1.5 阈值电压变化的曲线拟合38-40
• 4.2 合格个体的遴选替换算法40-43
• 4.2.1 遴选替换算法40-42
• 4.2.2 优化的遗传算法流程42-43
• 4.3 共漏级运算放大器的设计43-47
• 4.3.1 共漏级放大器43-45
• 4.3.2 编码方案与适应度函数45-46
• 4.3.3 实验结果与讨论46-47
• 4.4 本章小结47-49
• 第五章 遗传算法应用于多目标放大器设计49-62
• 5.1 遗传算法用于求解多目标问题49-52
• 5.1.1 传统优化方法的原理49-50
• 5.1.2 经典的传统多目标优化算法50-52
• 5.2 共源级放大器多目标设计优化52-60
• 5.2.1 共源级放大器52-54
• 5.2.2 编码方案与适应度函数54-56
• 5.2.3 实验结果与讨论56-60
• 5.3 本章小结60-62
• 第六章 总结与展望62-64
• 6.1 总结62
• 6.2 展望62-64
• 参考文献64-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：807646