射频微波晶体管噪声参数的ANN表征

作     者：王东振 

作者单位：西南科技大学 

学位级别：硕士

导师姓名：王军;公岷

授予年度：2020年

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

主      题：MOSFET 人工神经网络 等效电路参数 四噪声参数 射频微波 

摘      要：特征尺寸为几十纳米量级的金属氧化物半导体场效应晶体管（MOSFET）因其具有成本和功耗低且集成度高等优点,使之成为现代和下一代无线通信系统射频微波前端集成电路实现方案的主流。MOSFET高频小信号等效噪声电路的精确建模,是射频微波波频段下MOSFET低噪声放大器仿真优化设计首先要解决的问题。目前,有源器件等效噪声电路模型参数是通过测量某个固定工作偏置电压下器件的散射（S）参数和四噪声参数,通过研究高保真的参数提取方法而获取的。鉴于MOSFET等效电路本征元件参数和器件噪声机理的偏置依赖性,因此,为了保证MOSFET小信号等效噪声电路模型的精度,必须在较宽的测试频率范围内,对工作在不同偏置电压下的MOSFET散射参数和四噪声参数进行密集采样,从而增加了微波与毫米波MOSFET电路的研发成本和周期。同时,海量测试数据的处理也导致本就十分复杂的参数提取算法产生更多的数学求解问题。为了降低MOSFET高精度建模中对海量数据测量及复杂的参数提取算法的依赖性,本论文利用人工神经网络（Artificial neural network,ANN）在有源器件建模方面的有效性、准确性和简便性,针对射频微波频段下40纳米MOSFET在强反型区的高频噪声建模问题,开展了以下三个方面的应用研究工作。首先,通过分析半导体有源器件ANN建模技术的特点,总结已有的建模案例的经验,发现MOSFET建模可利用有源器件ANN建模技术泛化能力强的优势,并参考成熟的ANN拓扑结构和与之配套的优化训练算法。因此,实现MOSFET高精度ANN建模的关键在于:必须掌握器件的工作条件（ANN模型的输入）与性能指标参数（ANN模型的输出）之间的非线性关系。更为重要的是,表征这种非线性关系的数据必须准确、可靠,因为它们将作为ANN模型的训练数据和测试样本。为此,在本文的第二章中,开展了两方面的研究工作。一方面,研究了40纳米MOSFET高频小信号等效电路模型参数的直接提取方法。其中,在等效电路充分表征MOSFET非准静态效应的基础上,通过等效电路导纳参数的简化建模,实现等效电路参数的精确提取,从而为训练本文所建的本征元件参数ANN模型提供准确的仿真数据奠定了基础。另一方面,本文给出了40纳米MOSFET导纳等效噪声模型噪声电流源功率谱密度的参数化模型,从而为验证本文所建的四噪声参数ANN模型的精度提供了测试样本。其次,在本文的第三章中,参考射频与微波器件ANN建模的经验,利用ANN建模的泛化能力,通过选取BP网络结构,采用马夸特算法（Levenberg-Marquardt）作为优化训练算法,建立了40纳米MOSFET的本征元件参数ANN模型。测试验证,所建的本征元件参数ANN模型不仅在强反型区的偏置电压范围内的预测精度很高,而且具有很好的S参数内插能力。因此,采用所建的本征元件参数ANN模型,能够易于连续获取任意偏置点和频率范围内的S参数数据,可以避免复杂的S参数测量过程以及繁琐的等效电路参数提取过程。利用所建的本征元件参数ANN模型生成的高精度仿真数据将作为知识,为提高四噪声参数ANN建模的精度提供了保障。最后,在本文的第四章中,建立了一种基于知识的四噪声参数ANN模型。该模型类型为基于先验知识的BP网络,训练算法仍然采用马夸特算法。建立该模型的目的是为了在较宽的频带和偏置电压范围内,能够快速、连续地表征40纳米MOSFET高频噪声的偏置和频率依赖性,从而能够避免MOSFET高频噪声分析和建模表征中对四噪声参数海量的测量要求,易于获取任意偏置点和频率下的噪声模型数据。实验结果表明,基于所建的基于知识的四噪声参数ANN模型的仿真提取结果与基于物理的二端口等效噪声电流精确模型的仿真计算结果的一致性,验证了所建模型的有效性和精度。