射頻無源器件建模用優(yōu)化算法開發(fā).pdf

1、半導體器件模型是集成電路(IC)設計者與 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，器件模型變得越來越復雜，參數的數量越來越多。這導致了抽取出適合的模型參數變得困難，而模型的參數值是決定模型精度的重要因素。
　　為了抽取適合的模型參數，人們總結出了兩大類方法：一類是利用器件的物理電學特性和代數方法的直接提取法；另一類是利用優(yōu)化算法搜索合適的模型參數。直接提取法雖然

2、簡單、直觀、解唯一，但隨著模型越來越復雜利用直接法提取參數難度變大。相對于直接提取法，利用優(yōu)化算法抽取模型參數顯得相對容易。人們已經將基于梯度下降、牛頓迭代和微分法等算法應用到模型參數的提取中，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)。隨后學者們又將智能算法，如遺傳算法(GA)，粒子群算法(PSO)等應用于模型參數的抽取。這類算法的應用已經獲得了很大的成功，然而這種“仿生”的智能算法又有“早熟”的現象。收斂的速度也受到

3、了一定的限制，為此研究人員對此類算法進行改進來避免“早熟”現象。因此，研究利用智能優(yōu)化算法提取器件模型參數具有重要的意義。
　　本文針對以上問題以片上螺旋電感為例，深入研究模型參數的提取和優(yōu)化。首先簡單介紹了優(yōu)化概念以及相關的智能優(yōu)化算法并結合布谷鳥搜索算法(CS)的特點對其進行改進。利用測試函數對改進算法實驗測試，結果表明改進后的算法較GA、PSO以及原始的CS性能得到提高。根據對優(yōu)化算法的性能研究，決定將改進CS應用到半導體器

4、件模型參數的提取中。然后以片上電感為例介紹了器件建模的流程，并結合改進的算法與模型結構設計自動優(yōu)化程序。同時，還根據器件模型的特點對模型參數做了參數敏感度分析實驗，結合模型參數的敏感度提出模型參數交叉操作，提高收斂速度。此外，為了進一步提高自動優(yōu)化的速度，對模型參數的優(yōu)化方向做實驗分析，并改進了布谷鳥搜索算法的更新公式。最后將設計的優(yōu)化器植入到自主研發(fā)的模型開發(fā)平臺。用53個片上螺旋電感的實測數據驗證優(yōu)化器的性能，結果表明：優(yōu)化的結果符