本文選題：試驗設(shè)計　切入點：元模型　出處：《西安電子科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,集成電路遵循摩爾定律朝著集成度不斷提高、性能更優(yōu)、功耗更低、易于攜帶的方面一步步發(fā)展,極大地便利了人們的生活。但是隨著集成電路的制造工藝進入納米時代,龐大地電路結(jié)構(gòu)使得電路設(shè)計的難度不斷增加,影響輸出結(jié)果的因素越來越多。尤其對于模擬集成電路系統(tǒng)和混合信號系統(tǒng)來說,電路中各參數(shù)之間相互影響,參數(shù)和性能指標之間呈非線性變化,為了在輸出端或者電路中某一節(jié)點獲得設(shè)計者所需的性能指標值,在確定電路的相關(guān)參數(shù)時,往往需要花費大量的時間對電路參數(shù)進行優(yōu)化,極大地增加了時間成本。盡管電路設(shè)計自動化(EDA)為大規(guī)模集成電路設(shè)計及優(yōu)化提供了許多幫助,但是EDA軟件之間相互獨立,而且集成電路規(guī)模擴大使得EDA軟件所消耗的參數(shù)優(yōu)化時間越來越長,嚴重推遲了產(chǎn)品投放市場的時間。本論文首先使用了有效集共軛梯度法的方式對kriging模型進行建模,然后在分析靈敏度的基礎(chǔ)上,針對帶隙基準電壓源設(shè)計中的性能指標要求對相應(yīng)的關(guān)鍵節(jié)點進行了單目標和多目標的優(yōu)化;最后,在分析TSV-襯底結(jié)構(gòu)等效電路的基礎(chǔ)上,對TSV的相關(guān)參數(shù)進行優(yōu)化。本論文的主要研究成果可概括為:(1)從元模型的觀點出發(fā),將建立于物理與電學(xué)模型的電路等效成簡單的電路關(guān)鍵節(jié)點參數(shù)與性能指標之間的數(shù)值模型,并比較分析了各個試驗設(shè)計與建模方法的優(yōu)劣,最終確定了拉丁超立方抽樣與kriging模型結(jié)合的方法來進行建�？梢缘玫綄﹄娐返淖罴呀�。(2)使用有效集共軛梯度法的方式確定空間相關(guān)函數(shù)參數(shù)θ。kriging模型中如何確定空間相關(guān)函數(shù)參數(shù)θ是建模過程中研究的一個重點。本論文使用了有效集共軛梯度法的方式確定空間相關(guān)函數(shù)參數(shù)θ,在與遺傳算法的比較中可以發(fā)現(xiàn),有效集共軛梯度法極大地提高了優(yōu)化效率。(3)從電路的角度出發(fā),針對帶隙基準電壓源的設(shè)計要求進行優(yōu)化。在確定關(guān)鍵節(jié)點的基礎(chǔ)上,利用拉丁超立方抽樣方法對范圍內(nèi)的參數(shù)進行抽樣,根據(jù)抽樣數(shù)據(jù)結(jié)果建立基于有效集共軛梯度法的kriging模型,在驗證模型精度以后,利用該模型對PSRR和TC進行單目標和多目標的優(yōu)化并驗證優(yōu)化結(jié)果。(4)從器件結(jié)構(gòu)的角度出發(fā),針對硅通孔(TSV)-襯底結(jié)構(gòu)的設(shè)計要求進行優(yōu)化。在分析TSV-襯底結(jié)構(gòu)的基礎(chǔ)上對該結(jié)構(gòu)進行相應(yīng)的電路等效并確定電路的關(guān)鍵參數(shù)。針對TSV-襯底結(jié)構(gòu)中的噪聲耦合問題,利用該等效電路進行基于有效集共軛梯度法的kriging模型參數(shù)優(yōu)化。
[Abstract]:In recent years, the integrated circuits follow Moore's law to improve integration, better performance, lower power consumption, easy to carry one step by step. It greatly facilitates people's lives. But as the manufacturing process of integrated circuits enters the nanoscale era, the huge circuit structure makes the design of circuits more and more difficult. Especially for analog integrated circuit system and mixed signal system, the parameters in the circuit interact with each other, and the parameters and the performance index show a nonlinear change, especially for analog integrated circuit and mixed signal system. In order to obtain the performance index value needed by the designer in the output or a certain node of the circuit, it takes a lot of time to optimize the circuit parameters when determining the relevant parameters of the circuit. Although circuit design automation (EDAA) provides a lot of help for LSI design and optimization, EDA software is independent of each other. Moreover, the expansion of integrated circuit scale makes the parameter optimization time of EDA software longer and longer, which seriously delays the time of product launch. In this paper, the effective set conjugate gradient method is used to model the kriging model. Then, on the basis of sensitivity analysis, the corresponding key nodes are optimized by single target and multi-objective according to the performance index in the design of bandgap voltage reference. Finally, the equivalent circuit of TSV-substrate structure is analyzed. The main research results of this paper can be summarized as: 1) from the point of view of meta-model, The circuit based on physical and electrical models is equivalent to a simple numerical model between the key node parameters and the performance index of the circuit, and the advantages and disadvantages of each experimental design and modeling method are compared and analyzed. Finally, the method of Latin hypercube sampling combined with kriging model is determined to model the circuit. The best approximation is obtained.) how to determine the parameters of spatial correlation function 胃. Kriging model by using the effective set conjugate gradient method. The parameter 胃 of spatial correlation function is one of the key points in the modeling process. In this paper, the parameter 胃 of spatial correlation function is determined by using the effective set conjugate gradient method, which can be found in comparison with genetic algorithm. The efficient set conjugate gradient method greatly improves the optimization efficiency. From the point of view of the circuit, the design requirements of the bandgap voltage reference source are optimized. The Latin hypercube sampling method is used to sample the parameters in the range. According to the sampling data, the kriging model based on the conjugate gradient method of the valid set is established, and the accuracy of the model is verified. The model is used to optimize PSRR and TC with single objective and multi-objective, and verify the optimization result. 4) from the point of view of device structure, Based on the analysis of the TSV-substrate structure, the equivalent circuit and the key parameters of the circuit are determined. The noise coupling problem in the TSV-substrate structure is discussed. The equivalent circuit is used to optimize the parameters of kriging model based on effective set conjugate gradient method.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN402

【相似文獻】

相關(guān)期刊論文 前10條

1 孫中波;段復(fù)建;;一個充分下降的共軛梯度法[J];桂林電子科技大學(xué)學(xué)報;2008年05期

2 尚毅;張國光;邵和平;;鞍點梯度法、鞍點共軛梯度法[J];計算機研究與發(fā)展;1990年05期

3 匡勇,姜新發(fā);利用共軛梯度法分析有限矩形波導(dǎo)相控陣[J];系統(tǒng)工程與電子技術(shù);1991年06期

4 張秀軍;徐安農(nóng);李安坤;蔣利華;;改進的共軛梯度法及其收斂性[J];桂林電子工業(yè)學(xué)院學(xué)報;2005年06期

5 陳龍衛(wèi);倪勤;張欣;;強迫下降的三項共軛梯度法[J];數(shù)值計算與計算機應(yīng)用;2012年03期

6 郭強;周希辰;;共軛梯度法自適應(yīng)空間濾波[J];雷達與對抗;1993年01期

7 周安娃;范浩;黃青群;;無約束最優(yōu)化中兩種改進共軛梯度法的收斂性證明[J];桂林電子科技大學(xué)學(xué)報;2011年01期

8 谷同祥,劉興平,莫則堯;多搜索方向共軛梯度法——一種無需整體內(nèi)積的共軛梯度類方法[J];數(shù)值計算與計算機應(yīng)用;2002年04期

9 董曉亮;李郴良;唐清干;李安坤;;一類無約束優(yōu)化問題的的共軛梯度法[J];桂林電子工業(yè)學(xué)院學(xué)報;2006年03期

10 田亞娟;何郁波;馬昌鳳;;一種新共軛梯度法的全局收斂性[J];桂林電子工業(yè)學(xué)院學(xué)報;2006年03期

相關(guān)會議論文 前10條

1 姚馨;倪勤;;解大規(guī)模優(yōu)化問題的錐模型共軛梯度法[A];中國運籌學(xué)會第十屆學(xué)術(shù)交流會論文集[C];2010年

2 孫樹立;陳璞;;求解多右端向量方程組的塊共軛梯度法及其相關(guān)研究進展[A];計算爆炸力學(xué)進展[C];2006年

3 霍偉娜;倪勤;;一個新的條件預(yù)優(yōu)共軛梯度法[A];中國運籌學(xué)會第十屆學(xué)術(shù)交流會論文集[C];2010年

4 王川龍;朱金香;;非單調(diào)混合共軛梯度法[A];管理科學(xué)與系統(tǒng)科學(xué)進展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

5 陳瓏;劉興高;;一種基于PRP共軛梯度法的新型動態(tài)優(yōu)化方法及其應(yīng)用[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

6 李梅霞;王長鈺;劉茜;;帶擾動項的FR共軛梯度法[A];2006年中國運籌學(xué)會數(shù)學(xué)規(guī)劃分會代表會議暨第六屆學(xué)術(shù)會議論文集[C];2006年

7 王晨;張秀軍;徐安農(nóng);;一類共軛梯度法的全局收斂性[A];第八屆中國青年運籌信息管理學(xué)者大會論文集[C];2006年

8 陳璞;肖梃松;孫樹立;袁明武;;預(yù)條件共軛梯度法的實現(xiàn)以及一些改進[A];第七屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集（第Ⅰ卷）[C];1998年

9 連淑君;王長鈺;;在Armijo型線搜索下共軛梯度法簇的全局收斂性[A];中國運籌學(xué)會第七屆學(xué)術(shù)交流會論文集（上卷）[C];2004年

10 支希哲;孟光;徐松平;;多級隔振系統(tǒng)優(yōu)化設(shè)計的共軛梯度法[A];數(shù)學(xué)·物理·力學(xué)·高新技術(shù)研究進展（一九九六·第六期）——中國數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究會第6屆學(xué)術(shù)研討會論文集[C];1996年

相關(guān)博士學(xué)位論文 前6條

1 黃元元;求解無約束優(yōu)化問題及非線性方程組的共軛梯度法[D];西安電子科技大學(xué);2014年

2 董曉亮;自適應(yīng)共軛梯度法的研究[D];西安電子科技大學(xué);2015年

3 劉金魁;無約束最優(yōu)化問題與非線性方程組的若干解法研究[D];重慶大學(xué);2016年

4 鄧松海;若干新型譜共軛梯度算法及應(yīng)用研究[D];中南大學(xué);2013年

5 戴志鋒;非線性共軛梯度法與魯棒最優(yōu)投資組合[D];湖南大學(xué);2013年

6 鐘萍;Newton-PCG型算法的效率分析[D];中國農(nóng)業(yè)大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 曾維強;含有多個參數(shù)的非線性共軛梯度法研究[D];廣東技術(shù)師范學(xué)院;2015年

2 李雙安;共軛梯度法在大規(guī)模信號重構(gòu)問題中的應(yīng)用[D];桂林電子科技大學(xué);2015年

3 關(guān)哲;Wolfe線搜索下的共軛梯度法[D];渤海大學(xué);2016年

4 汪丹戎;非線性共軛梯度法及全局收斂性分析[D];長江大學(xué);2016年

5 陳倩;無約束優(yōu)化的譜共軛梯度法和三項共軛梯度法研究[D];廣西大學(xué);2016年

6 陳洪敏;Wolfe線搜索下具有全局收斂性的混合共軛梯度法[D];重慶師范大學(xué);2016年

7 吳雙江;基于DAI-LIAO型方法和WEI-YAO-LIU型方法的混合共軛梯度法[D];重慶師范大學(xué);2016年

8 陳鈺婷;求解大規(guī)模無約束優(yōu)化問題的共軛梯度法[D];北華大學(xué);2016年

9 車彩麗;基于HS-DY共軛梯度算法的概率布爾網(wǎng)絡(luò)解法研究[D];東北大學(xué);2014年

10 鄧超;kriging元模型構(gòu)造方法及其在電路優(yōu)化中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

，

本文編號：1583478