半導(dǎo)體器件模型是集成電路（IC）設(shè)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(fù)雜,參數(shù)的數(shù)量越來越多。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)。直接提取法雖然簡單、直觀、解唯一,但隨著模型越來越復(fù)雜利用直接法提取參數(shù)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(shù)顯得相對容易。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(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。本文針對以上... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 引言
    1.2 半導(dǎo)體器件模型參數(shù)優(yōu)化發(fā)展狀況
    1.3 研究的目的和意義
    1.4 論文的結(jié)構(gòu)和內(nèi)容
第2章 優(yōu)化的概述及優(yōu)化算法簡介
    2.1 最優(yōu)化概念
        2.1.1 最優(yōu)化的數(shù)學(xué)表達
        2.1.2 最優(yōu)化的分類
    2.2 遺傳算法(genetic algorithm ,GA)
        2.2.1 遺傳算法的基本理論
        2.2.2 遺傳算法的流程
        2.2.3 遺傳算法的特點
    2.3 粒子群算法(Particle Swarm Optimization,PSO)
        2.3.1 粒子群算法的基本理論
        2.3.2 粒子群算法流程
        2.3.3 粒子群算法的特點
    2.4 布谷鳥搜索算法(Cuckoo Search,CS)
        2.4.1 布谷鳥繁殖行為
        2.4.2 萊維飛行
        2.4.3 布谷鳥搜索算法的基本理論
        2.4.4 布谷鳥搜索算法流程
        2.4.5 布谷鳥搜索算法的特點
    2.5 改進的布谷鳥搜索算法
        2.5.1 引入自適應(yīng)參數(shù)
        2.5.2 改進的布谷鳥搜索算法測試
    2.6 本章小結(jié)
第3章 基于優(yōu)化算法的半導(dǎo)體器件模型參數(shù)提取
    3.1 片上螺旋電感
        3.1.1 片上螺旋電感的結(jié)構(gòu)
        3.1.2 在片螺旋電感的性能參數(shù)
        3.1.3 片上螺旋電感的等效模型
    3.2 基于布谷鳥搜索算法(CS)優(yōu)化片上電感模型
        3.2.1 片上螺旋電感模型參數(shù)的目標函數(shù)
        3.2.2 片上螺旋電感模型參數(shù)的敏感度分析
        3.2.3 片上螺旋電感模型參數(shù)的交叉操作
        3.2.4 片上螺旋電感模型參數(shù)的優(yōu)化方向性分析
    3.3 布谷鳥搜索算法優(yōu)化半導(dǎo)體器件模型的程序設(shè)計
        3.3.1 布谷鳥搜索算法的實現(xiàn)
        3.3.2 布谷鳥搜索算法優(yōu)化半導(dǎo)體器件模型流程
    3.4 本章小結(jié)
第4章 優(yōu)化器和建模工具的集成與優(yōu)化器驗證
    4.1 市面主流的器件建模工具及優(yōu)化器研究
    4.2 器件模型軟件定義
        4.2.1 用戶需求分析
        4.2.2 軟件架構(gòu)及功能定義
    4.3 優(yōu)化器的驗證
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
作者在讀期間發(fā)表的學(xué)術(shù)論文及參加的科研項目


【參考文獻】：
期刊論文
[1]Extracting Parameters of OFET Before and After Threshold Voltage Using Genetic Algorithms[J]. Imad Benacer,Zohir Dibi.  International Journal of Automation and Computing. 2016(04)
[2]2015年全球IC設(shè)計與制造產(chǎn)業(yè)的發(fā)展狀況分析[J]. 王龍興.  集成電路應(yīng)用. 2016(08)
[3]GaN HEMT器件微波噪聲模型參數(shù)提取[J]. 李靜強,胡志富,崔玉興,劉會東.  半導(dǎo)體技術(shù). 2015(07)
[4]InGaAs MOSFET的電容電壓特性[J]. 陳軍,黃大鳴.  微電子學(xué). 2015(01)
[5]螺旋電感品質(zhì)因數(shù)Q的GP優(yōu)化[J]. 李美嬌,嚴夢霄,榮溢炯.  電子設(shè)計工程. 2011(02)
[6]遺傳算法的交叉算子分析[J]. 鄧春燕.  農(nóng)業(yè)網(wǎng)絡(luò)信息. 2009(05)
[7]基于遺傳算法的場效應(yīng)管模型參數(shù)的提取[J]. 解蘭,於洪標.  微波學(xué)報. 2008(S1)
[8]RF-CMOS建模:一種改進的累積型MOS變?nèi)莨苣Ｐ蚚J]. 劉軍,孫玲玲,文進才.  半導(dǎo)體學(xué)報. 2007(09)
[9]基于混合遺傳算法的SOI MOSFET模型參數(shù)提�。ㄓ⑽模J]. 李瑞貞,李多力,杜寰,海潮和,韓鄭生.  半導(dǎo)體學(xué)報. 2006(05)
[10]遺傳算法的早熟問題探究[J]. 付旭輝,康玲.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2003(07)

碩士論文
[1]氮化鎵高電子遷移率晶體管的參數(shù)提取與靈敏度分析[D]. 駱丹婷.華東師范大學(xué) 2016
[2]基于量子遺傳算法的功率二極管物理模型參數(shù)提取研究[D]. 李威.西華大學(xué) 2015
[3]納米級MOSFETs的3D TCAD建模與結(jié)構(gòu)研究[D]. 甘程.電子科技大學(xué) 2014



本文編號：3183549