射頻無(wú)源器件建模用優(yōu)化算法開發(fā).pdf

1、半導(dǎo)體器件模型是集成電路(IC)設(shè)計(jì)者與 IC的加工廠(FAB)之間重要的紐帶，它的精度直接影響到IC的性能。隨著IC的集成度和器件的工作頻率逐漸提高，器件模型變得越來(lái)越復(fù)雜，參數(shù)的數(shù)量越來(lái)越多。這導(dǎo)致了抽取出適合的模型參數(shù)變得困難，而模型的參數(shù)值是決定模型精度的重要因素。
　　為了抽取適合的模型參數(shù)，人們總結(jié)出了兩大類方法：一類是利用器件的物理電學(xué)特性和代數(shù)方法的直接提取法；另一類是利用優(yōu)化算法搜索合適的模型參數(shù)。直接提取法雖然

2、簡(jiǎn)單、直觀、解唯一，但隨著模型越來(lái)越復(fù)雜利用直接法提取參數(shù)難度變大。相對(duì)于直接提取法，利用優(yōu)化算法抽取模型參數(shù)顯得相對(duì)容易。人們已經(jīng)將基于梯度下降、牛頓迭代和微分法等算法應(yīng)用到模型參數(shù)的提取中，取得了一些成果。然而，由于算法自身的特性，極易陷入局部最優(yōu)。隨后學(xué)者們又將智能算法，如遺傳算法(GA)，粒子群算法(PSO)等應(yīng)用于模型參數(shù)的抽取。這類算法的應(yīng)用已經(jīng)獲得了很大的成功，然而這種“仿生”的智能算法又有“早熟”的現(xiàn)象。收斂的速度也受到

3、了一定的限制，為此研究人員對(duì)此類算法進(jìn)行改進(jìn)來(lái)避免“早熟”現(xiàn)象。因此，研究利用智能優(yōu)化算法提取器件模型參數(shù)具有重要的意義。
　　本文針對(duì)以上問題以片上螺旋電感為例，深入研究模型參數(shù)的提取和優(yōu)化。首先簡(jiǎn)單介紹了優(yōu)化概念以及相關(guān)的智能優(yōu)化算法并結(jié)合布谷鳥搜索算法(CS)的特點(diǎn)對(duì)其進(jìn)行改進(jìn)。利用測(cè)試函數(shù)對(duì)改進(jìn)算法實(shí)驗(yàn)測(cè)試，結(jié)果表明改進(jìn)后的算法較GA、PSO以及原始的CS性能得到提高。根據(jù)對(duì)優(yōu)化算法的性能研究，決定將改進(jìn)CS應(yīng)用到半導(dǎo)體器

4、件模型參數(shù)的提取中。然后以片上電感為例介紹了器件建模的流程，并結(jié)合改進(jìn)的算法與模型結(jié)構(gòu)設(shè)計(jì)自動(dòng)優(yōu)化程序。同時(shí)，還根據(jù)器件模型的特點(diǎn)對(duì)模型參數(shù)做了參數(shù)敏感度分析實(shí)驗(yàn)，結(jié)合模型參數(shù)的敏感度提出模型參數(shù)交叉操作，提高收斂速度。此外，為了進(jìn)一步提高自動(dòng)優(yōu)化的速度，對(duì)模型參數(shù)的優(yōu)化方向做實(shí)驗(yàn)分析，并改進(jìn)了布谷鳥搜索算法的更新公式。最后將設(shè)計(jì)的優(yōu)化器植入到自主研發(fā)的模型開發(fā)平臺(tái)。用53個(gè)片上螺旋電感的實(shí)測(cè)數(shù)據(jù)驗(yàn)證優(yōu)化器的性能，結(jié)果表明：優(yōu)化的結(jié)果符