基于优化算法的半导体器件参数提取和s参数的自动化测试

基于优化算法的半导体器件参数提取和S参数的自动化测试SEMICONDUCTORDEVICEMODELPARAMETEREXTRACTIONBASEDONOPTIMIZATIONALGORITHMSANDSPARAMETERAUTOMATEDMEASUREMENT摘要半导体器件模型是影响电路设计精度的最主要因素，随着电路规模的扩大和频段不断提高，对器件模型的要求也越来越高，准确的半导体器件模型对于提高集成电路设计的成功率、缩短电路研制周期是非常重要的。在确定半导体器件模型之后，还要有合适的参数提取方法。参数提取方法可以分为两类一类是直接提取法；另一类是优化方法。直接提取法虽然步骤简单，取值唯一，但提取的参数值通常还需要进一步优化。传统的基于梯度或是微分的优化方法有诸多缺点只有合适的初始值才能求出部分参数；目标函数含有无法解出的极点和冗余的参量；容易陷入局部最小值。而智能优化算法的优点是简单、平稳、易于实现，更重要的是对初值不敏感。优化的目的是找到最佳的参数组合，使之符合器件的特性。为了能够找到这样一组优质解，需要一种提取算法，其全局误差最小。近几十年来，应用算法提取半导体器件模型的参数一直是研究的热点和重点。本文以高电子迁移率晶体管（HEMT）器件为例，首先对遗传算法，粒子群算法，模拟退火算法和差分进化算法进行了研究，并对差分进化算法进行了改进。然后基于上述算法进行模型参数提取，主要研究工作包括以下四个部分1）用仿真数据与优化的数据相比较，结果显示误差都在可允许的范围内；2）用优化算法提取了HEMT器件的小信号等效电路模型参数，模拟的S参数和测试的S参数可以很好的吻合；精度可以达到40GHZ；3）改进了差分进化算法，其收敛速度比标准的差分进化算法快。4）编写了S参数的自动化测量软件，通过控制软件，可以直接将测试数据保存在PC机内，加快了测试进度。关键字HEMT小信号建模优化算法自动化测量ABSTRACTMODELSOFSEMICONDUCTORDEVICESARETHEMAINFACTORTOAFFECTTHEACCURACYOFTHECIRCUITDESIGNWITHTHEEXPANDINGOFCIRCUITSCALEANDINCREASINGOFFREQUENCYBAND,HIGHPERFORMANCEOFTHEDEVICEMODELWASREQUIREDITISCRITICALOFTHEACCURATEDEVICEMODELSTOIMPROVETHEDESIGNOFINTEGRATEDCIRCUITANDSHORTENTHEDEVELOPMENTCYCLEAFTERTHESEMICONDUCTORDEVICEMODELISCONFIRMED,ANEFFICIENTMETHODFORPARAMETEREXTRACTIONWASINNEEDPARAMETEREXTRACTIONMETHODSCANBEDIVIDEDINTOTWOCATEGORIESONEISTHEDIRECTEXTRACTIONMETHODTHEOTHERISTHEOPTIMIZATIONMETHODALTHOUGHTHEDIRECTEXTRACTIONMETHODISSIMPLEANDTHESINGLERESULTISGOTTEN,BUTTHEEXTRACTEDPARAMETERVALUESTYPICALLYREQUIRESFURTHEROPTIMIZATIONGRADIENTORDERIVATIVEBASEDOPTIMIZATIONMETHODSHAVEMANYSHORTCOMINGSONLYSUITABLETOTHEINITIALVALUEOFSOMEPARAMETERSISOBTAINEDOBJECTIVEFUNCTIONCONTAINSPOLESANDREDUNDANTPARAMETERSTHATCANNOTBESOLVEDEASYTOFALLINTOLOCALMINIMUMTHEADVANTAGESOFTHEINTELLIGENTOPTIMIZATIONALGORITHMSARESIMPLE,STABLE,EASYTOIMPLEMENTAND,MOREIMPORTANTLY,ISNOTSENSITIVETOTHEINITIALVALUETHEPURPOSEOFOPTIMIZATIONISTOFINDTHEBESTCOMBINATIONOFPARAMETERS,SOASTOMEETTHEDEVICECHARACTERISTICSINORDERTOFINDSUCHASETOFHIGHQUALITYSOLUTION,ANEXTRACTIONALGORITHMTHATCANMAKETHEGLOBALMINIMUMERRORISREQUIREDINRECENTDECADES,THEAPPLICATIONOFALGORITHMSTOEXTRACTTHEMODELPARAMETERSOFSEMICONDUCTORDEVICESHASBEENAHOTRESEARCHANDFOCUSBASEDONHEMTDEVICES,GENETICALGORITHM,PARTICLESWARMOPTIMIZATION,SIMULATEDANNEALINGALGORITHMANDDIFFERENTIALALGORITHMWEREDESCRIBED，THENANOVELIMPROVEDDIFFERENTIALALGORITHMSISPROPOSEDONTHEBASISOFFIVEOPTIMIZATIONALGORITHMSTHEPARAMETERSWEREEXTRACTED,THEFOLLOWINGWORKWASCOMPLETED1COMPAREDWITHOPTIMIZEDDATAANDTHESIMULATIONDATA,THEERROROFTHEOPTIMIZEDDATAISWITHINTHEALLOWABLERANGE2BYUSINGTHEOPTIMIZATIONALGORITHM,THESMALLSIGNALEQUIVALENTCIRCUITMODELPARAMETERSOFHEMTDEVICEAREEXTRACTED,THEFREQUENCYREACHES40GHZ,THERESULTSHOWTHATTHEOPTIMIZEDSPARAMETERSHAVEGOODAGREEMENTWITHTHEMEASUREDSPARAMETERS3IMPROVEDDIFFERENTIALEVOLUTIONPERFORMSBETTERONCONVERGENCESPEEDTHANDIFFERENTIALEVOLUTION4THEAUTOMATEDSOFTWAREFORMEASURINGSPARAMETERSWASWRITTENTHEMEASUREDDATAISSTOREDDIRECTLYINTHEPCBYCONTROLLINGTHESOFTWARETHEPROGRESSOFTHETESTISTOSPEEDUPKEYWORDSHEMT,SMALLSIGNALMODELING,OPTIMIZATIONALGORITHMS,AUTOMATEDMEASUREMENT目录摘要IABSTRACTII第一章绪论111引言112国内外研究现状113优化算法的研究意义314论文的主要工作和组织结构4第二章优化算法综述621遗传算法6211遗传算法的基本理论6212遗传算法的特点722模拟退火算法8221模拟退火算法的基本理论8222模拟退火算法的特点1123粒子群优化算法12231粒子群优化算法的基本理论12232粒子群优化算法的特点1524差分进化算法15241差分进化算法的基本理论15242差分进化算法的特点1825差分进化算法的改进18251改进算法的策略18252改进差分进化算法的效果测试1926本章小结22第三章优化算法在半导体器件参数提取中的应用2331HEMT器件23311HMET器件简介24312HEMT器件的基本结构25313HEMT的工作原理2532HEMT器件小信号模型2733基于仿真数据的参数提取2934基于实验数据的参数提取3635本章小结40第四章S参数自动化测试的实现4141硬件平台搭建4142软件平台搭建44421软件流程44422程序设计44423VC60下的程序实现4643本章小结48第五章总结与展望4951工作总结4952工作展望49附录51攻读硕士期间发表论文54参考文献55致谢61第一章绪论11引言1947年，美国贝尔实验室的三位科学家威廉肖克莱（WILLIAMSHOCKLEY），约翰巴丁（JOHNBARDEEN）和沃尔特布拉顿（WALTERBRATTAIN）发明了双极性结型晶体管（BIPOLARJUNCTIONTRANSISTOR，BJT），成为了微电子技术发展中第一个里程碑，从此电子和信息工业有了蓬勃的发展1。1958年仙童半导体公司的罗伯特诺伊斯（ROBERTNOYCE）与德州仪器公司的杰克基尔比（JACKKILBY）在同一年分别发明了集成电路（INTEGRATEDCIRCUIT,IC），开创了世界微电子学的历史，使电子技术出现了划时代的革命，它是现代电子技术和计算机发展的基础2。“摩尔定律3”告诉我们单个芯片上集成的晶体管数目差不多每两年翻一番。半导体器件是集成电路的最基本组成部分。随着电路规模的扩大，集成电路的尺寸越来越小，电路设计的工序越来越复杂，对半导体器件的模型精度要求也越高。一个精确的器件模型对于提高单片集成电路设计的成功率，缩短电路研制的周期都是非常重要的。半导体器件模型不仅要求能准确表征器件的物理特性，还要能够快速的求出模型的各个参数，这就需要非常高效的参数提取方法。对于新开发的半导体器件，需要利用特定的器件模型拟合出相应的模型参数，建立对应的模型参数库，方便电路工程师在设计中更好地模拟和仿真，完成集成电路的设计。只有正确的模型参数，才能使得前期设计的结果与最终产品的电学特性相符4。12国内外研究现状国内外有许多的大学和科研机构在研究半导体器件的建模。国外的如麦克马斯特大学（MCMASTERUNIVERSITY），宾夕法尼亚州立大学（THEPENNSYLVANIASTATEUNIVERSITY），瑞士洛桑联邦理工学院（SWISSFEDERALINSTITUTEOFTECHNOLOGY,EPFL），海得拉巴大学（UNIVERSITYOFHYDERABAD），斯坦福大学（STANFORDUNIVERSITY），卡尔顿大学（CARLETONUNIVERSITY），南洋理工大学（NANYANGTECHNOLOGICALUNIVERSITY，NTU）等。在国内有北京大学、清华大学、浙江大学、上海交通大学、中国科技大学、东南大学、华东师范大学等都在这一领域进行研究。在国内外权威的期刊上发表了很多研究成果。目前，用来提取半导体器件模型参数的方法基本上可以分为两类。一类是利用解析公式直接提取的方法5；另一类则是基于数据的优化拟合方法。对于直接提取技术，它的过程是将特殊偏置下测试的参数，进行去嵌处理来获取整个等效电路的参数612，这样得到的解是唯一而又确定的。但是随着半导体器件的集约模型变得庞大，需要提取的参数数目也越来越多13，直接数值提取的方法变得非常复杂；并且这种方法受测量值的影响很大。传统的数值优化算法多数为局部优化方法，其结果常常会陷入局部极小点，而出现不收敛，或是无物理意义的解的情况。而智能优化提取技术不但受测量误差的影响小，可以摆脱优化结果对初值的依赖，而且可以快速收敛到最优解。随着智能优化算法的不断发展，一些全局优化算法被广泛的应用于半导体器件的建模和参数提取，它的优化结果不但不会过分的依赖初始值，而且可以快速的优化得到全局最优解。采用遗传算法14提取半导体器件参数的文献很多1518。在国内发表的文献有应用遗传算法实现了MOS器件综合应用19，用遗传算法提取HBT，GAASMESFET和HEMT交流小信号等效电路模型参数2022，为了减少标准遗传算法的耗时问题，有的文献介绍了并行遗传算法应用于器件模型参数的提取23。目前，使用差分进化算法24用来提取半导体器件参数的研究不是很多。在国外有SAMRATLSABAT等人发表的用该方法提取MESEFT器件的小信号模型参数25国内清华大学的LIUBO等人也发表了相关的论文26。将模拟退火算法27应用于半导体器件参数提取的研究很多。国外的MANKUANVAI等人发表了多篇文章将该算法应用于半导体器件的参数提取2832，GRIFFLBILBRO将此算法用来提取HBT等效电路参数33，还有的文献将这个算法用于GANHEMT的小信号等效电路参数提取34得到很好地效果。粒子群优化算法35SAMRATLSABAT等人发表多篇用该算法提取MESFET器件参数的文献36,37，并将改进的粒子群算法用于器件参数的提取，性能十分出色。神经网络38在器件建模的应用张齐军教授首先提出和证明了神经网络可应用于微波电路的模拟。优化和统计学设计，进一步拓展了基于知识和基于物理的电子器件建模和CAD方法论3941。在国内发表的文献有，用神经网络对MOSFET器件参数进行了提取4244，还有的文献介绍了用知识型神经网络的射频/微波器件建模方法45,46。其他应用于半导体器件参数提取的智能优化算法还有许多。如人工蜂群算法47。还有就是将两者算法结合，如在国内发表的文献将遗传算法和模拟退火算法结合用于场效应管模型参数的提取48，这样就可以在发挥遗传算法的全局搜索能力的时候，避免它的局部搜索能力差及早熟现象；又可以在发挥模拟退火算法的局部搜索能力，避免它的全局搜索能力差及效率不高的问题；使得两者有机结合，优势互补，可以得到等效电路参数比单纯用遗传算法或是模拟退火算法的精度更高。13优化算法的研究意义由以上分析可知，在半导体模型参数的提取过程中，智能优化算法的应用受到了广泛的关注。智能优化算法是人们受到社会性动物（如蚁群、蜂群、鸟群等）的自组织行为的影响，然后对这种行为进行数学建模，并用计算机对它们的行为进行仿真，进而用来处理优化问题。对半导体器件模型参数的提取过程可以转化成建立数学模型的过程，这样就可以应用数学中的函数优化算法来获取半导体器件模型的参数。建模后的函数种类繁多，具有不同的特征，其中的一些函数只能通过一些近似优化的数值方法来求解，而不易得到它的精确解析解，所以研究出一种运算速度快，求解精度高的近似最优解的算法便成为了一种可行的解决方案。而智能优化算法由于运行速度快，直观易行等诸多特点，成为解决数值优化问题的一个新途径。优化算法的优点在于1不敏感的初始解选取。2没有限制要优化的函数形式。3模型方程不需要简化，提取的参数过程也不需要进行求导等复杂的运算，通用性很强。14论文的主要工作和组织结构在HEMT器件中，因为二维电子气的迁移率很高，所以它所具有的特征频率非常高（已达到毫米波段），功率增益非常大，噪声系数很低，是一种优TF良的微波低噪声器件。现在已经广泛的应用于卫星通信等设备中。因此，对HEMT器件参数提取技术的改进并将其应用于其他的半导体器件参数提取中有一定的实际意义。本文的主要工作以HEMT器件为例，将四种智能优化算法应用于器件的参数提取中。首先介绍了优化算法的原理，然后对差分进化算法提出了改进，并用MTALAB编写算法的程序。算法只依靠适应度函数来引导其对最优值的搜索，所以要将参数提取问题转化为构造适应度函数的问题。先使用仿真数据检验算法的有效性和可行性进行了验证，并对实验测得的HEMT器件数据进行器件的参数提取。结果显示了改进的算法在收敛速度和精度上的优势。本文的还编写了参数的自动化测量软件，方便了测试数据的获取和测试的定制。本论文结构如下第1章绪论部分主要介绍本论文的背景，国内外研究优化算法提取半导体器件模型参数的现状，选题的意义，论文的主要工作和组织结构。第2章优化算法综述对目前的智能优化算法进行综述。逐个对遗传算法、模拟退火算法、粒子群优化算法和差分进化算法的基本原理及其流程进行介绍；然后对差分进化算法的改进，对其结果进行分析。第3章优化算法应用于HEMT器件参数提取根据仿真得到的参数数据和根据实验得到的参数数据，分别用上面SS提到的优化算法提取HEMT器件参数，根据结果分析各种优化算法提取参数的不同性能。第4章参数自动化测试的实现S主要介绍了参数自动化测试所用到的仪器，及其硬件平台的搭建；然后说明了软件平台的设计，软件代码说明及使用，给出了采用该测试平台测试所得到的结果。第5章结论对全文所做的工作进行总结，并对下一步工作进行展望。第二章优化算法综述本章对应用于半导体器件参数提取的优化算法进行逐一介绍，并对它们的原理、基本流程以及它们各自的应用领域进行分析，之后对差分进化算法提出了改进。21遗传算法遗传算法（GENETICALGORITHMS，GA）是一种模拟自然选择和群体遗传机制发展起来的一种应用高效的、广泛的寻优和随机搜索的算法。20世纪60年代初期美国密歇根（MICHIGAN）大学的霍兰（HOLLAND）教授认识到生物的自然遗传现象和人工自适应系统行为的相似性，便提出了模仿生物自然遗传的基本方法49，而他的学生BAGLEY则首次在博士论文中提出“遗传算法”一词50。1975年霍兰教授发表第一本比较系统论述遗传算法的专著自然系统与人工系统中的适应性（ADAPTATIONINNATURALANDARTIFICIALSYSTEMS51）。所谓的遗传算法来源于达尔文的进化论、魏茨曼的物种选择学说和孟德尔的群体遗传学说。在自然界中，物种的每个个体的基本特征都会被后代继承，但后代个体和他的亲代个体在特征上又有所区别，这些变化在遗传学上表现为基因的杂交和基因的突变，于是就会产生对环境适应能力不同的后代；通过优胜劣汰的自然选择，适应能力强的个体就会生存下来，不能适应环境的个体则渐渐地消亡。遗传算法就是模拟这一原理，并引用随机统计理论而形成的。在求解过程中，遗传算法从一个初始变量群体开始，逐代逐代地寻找问题的最优解，直至满足预先设定的迭代次数或收敛的条件为止。它是一种迭代式算法，是一种过程搜索最优解的算法，具有坚实的生物学基础。遗传算法广泛应用于计算科学、生产调度问题、人工生命、机器学习、数据挖掘、经济和社会科学等领域，适用于解决各种复杂的非线性和多维空间寻优问题5254。211遗传算法的基本理论遗传算法是一种基于自然选择和群体遗传机理的搜索算法，它模拟了自然选择和自然遗传过程中发生的繁殖、杂交和突变现象。在利用遗传算法求解问题时，问题的每个可能的解都被编码成一个“染色体”，即个体，若干个个体构成了群体（所有可能解），通过适应度函数给每个个体一个数值评价，淘汰适应度较低的个体，选择适应度较高的个体参加遗传操作，这些个体经过交叉和变异算子的运算再组合生成下一代新的种群。这一群新个体由于继承了上一代的一些优良性状，因而在性能上要优于上一代，这样逐步朝着更优解的方向进化。因此，遗传算法可以看作是一个由可行解组成的群体逐代进化的过程。遗传算法的基本流程描述如图21所示。开始计算群体中每个个体的适应值交叉操作和变异操作生成新个体满足收敛条件或是设置的迭代次数输出最优解初始化目标群体确定目标函数确定解空间是否结束图21遗传算法基本流程212遗传算法的特点遗传算法具有以下几方面的特点（1）遗传算法处理的对象是经过编码的变量，可以直接对结构对象进行操作。（2）遗传算法同时处理群体中的多个个体，实现了算法的并行化，对搜索空间中的多个结果进行选择，增加了获得全局最优解的概率。（3）遗传算法充分利用适应度函数的信息来评估个体，完全不用搜索空间的知识或其它辅助信息来进行遗传操作。适应度函数可以任意设定它的定义域，也不受连续可微的约束。（4）遗传算法采用变迁规则非确定性规则，即它采用概率来指导搜索的方向朝着更优化的解空间移动。（5）具有自组织、自适应和智能性。遗传算法利用进化过程获得的信息自行组织搜索，获得更适应环境的个体，针对问题的不同特点，算法可采取不同的策略来解决各种复杂的问题，具有很强的鲁棒性。22模拟退火算法模拟退火算法（SIMULATEDANNEALINGALGORITHM，SAA，SA）是近年来应用比较广泛的智能优化算法之一。模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减小最小。221模拟退火算法的基本理论模拟退火算法的最初思想是在1953年由METROPOLIS等人提出，在1983年SKIRKPATRICK,CDGELATT和MPVECCHI将这种算法用于求解优化问题，而VERN在1985年也独立发明此算法。图22所示的是模拟退火算法的流程，下面就模拟退火算法的基本运作流程作如下说明STEP1初始化给定温度的变化范围，并对其进行初始化，对解进行TS初始化，并计算初始化解所对应的目标函数值，这是模拟退火算法迭代SES的起点。开始退火ESETWINDOWTEXT“CONNECTSUCCESS“ELSEGETDLGITEMIDC_EDIT_STATUSSETWINDOWTEXT“CONNECTFAILING“/打开指定仪器的会话，并返回一个可以用于调用其它仪器函数的标识。如果打开成功，则在文本框显示连接成功，否则显示连接失败。2）频率设置，设置要测量的频率范围。VIPRINTFVI,“SENSEFREQUENCYSTART3LFN“,M_STARTF/设置起始频率VIPRINTFVI,“SENSEFREQUENCYSTOP3LFN“,M_STOPF/设置终止频率VIPRINTFVI,“SENSESWEEPPOINTS1DN“,M_POINTS/设置扫描点数3）仪器的校准，仪器在使用前一定要校准。先选择连接到矢量网络分析仪端口和校准件的类型VIPRINTFVI,“SENSECORRECTIONCOLLECTGUIDEDCONNECTORPORT1SELECT“S“N“,CONN1/定义端口1的连接头类型然后根据提示连接相应的校准件，直到校准完成。VIPRINTFVI,“SENSECORRECTIONCOLLECTGUIDEDDESCRIPTION1DN“,STEPVIPRINTFVI,“SENSECORRECTIONCOLLECTGUIDEDACQUIRESTANSN“,STEP4）测量并将文件保存在PC机中。VIPRINTFVI,“MMEMORYSTOREFILE“S“N“,EXTVIPRINTFVI,“MMEMORYTRANSFER“S“N“,EXT下图47为使用软件获得的数据文件。图47保存的数据文件43本章小结本文设计的测试系统实现了对参数的自动化测量，无论是软件平台或是S硬件平台，都可以根据需要继续设计。如果想增添设备，只需将仪器通过接口接入系统；也可以添加新的代码实现其他的测试项目。如今还出现了LAN接口的仪器，可以直接用网线连接，传输速率变得更高，各种仪器组合方便，对仪器进行远程控制，实现仪器的远距离共享。第五章总结与展望51工作总结随着集成电路技术的发展，器件的集成度越来越高，器件的模型也越来越复杂，如何快速而准确的提取器件模型参数也成为研究的重点。现如今，一些先进的优化算法被应用到半导体器件模型参数的提取中。本文主要是针对模型参数提取过程而展开，具体内容包括（1）介绍并在MATLAB中实现了四种优化算法（遗传算法、差分进化算法、模拟退火算法和粒子群算法），对差分进化算法进行了改进，实现了在不影响算法精度的同时，加快了算法的收敛速度。（2）在ADS软件中建立HMET小信号模型，给定小信号模型的16个参数值，在100MHZ40GHZ频率范围内进行小信号仿真，将得到的参数数据作为S拟合目标，分别使用上述四种优化算法，提取出HEMT小信号模型的参数值。并将优化得到的参数值与所设定的参数值相比较，发现偏差都在可接受的范围内，从而验证了用优化算法提取半导体器件模型参数的可行性。（3）应用测试的GAASHEMT器件参数，分别使用四种优化算法对HEMTS小信号等效电路模型进行参数提取，取拟合参数与测试参数的差值作为优S化目标，其值越小，提取的模型参数值也就越准，结果发现改进的算法大大缩短了寻找最优值的时间。（4）应用微波射频器件测量时常用的矢量网络分析仪和半导体分析仪，编写了一个软件，用于自动化测量参数，可以用来和模型参数的提取过程相结S合，在测量器件参数时，获得器件模型的参数。S52工作展望本文使用四种优化算法对HEMT器件的小信号等效电路模型参数进行了提取，并提出了基于差分进化算法的改进算法，虽然取得了一定的成果，但由于时间紧迫，还可以在以下几方面做更深入的研究1）将设计的自动化测试软件与优化算法相结合，在获得测试数据的同时，可以直接应用优化方法来提取器件模型的参数。2）本文使用优化算法对HMET器件的小信号等效电路模型进行了提取，对FET器件的非线性等效电路模型进行参数提取是下一步的工作。附录下面是用MATLAB实现半导体参数提取的主要程序。主程序FUNCTIONTESTCLCCLEARALLFORMATLONGFORMATCOMPACTTIME1总的运行次数TOTALTIME20WHILETIMETOTALTIMETICRANDSEED,SUM100CLOCKTESTDOMYPSOTOC计算每次循环所用时间TIMETIME1ENDEND具体应用算法FUNCTIONTESTDOMYOPTIMIZERBESTX,BESTFITNESS,BESTFITNESSS,EVALUATIONSFEVALOPTIMIZER,FITNESSHEMT,HEMTPROBLEMDATAEND以下是对问题的初始设置FUNCTIONDATAHEMTPROBLEMDATAMAXEVALUATIONSDATASTRUCTDIM,16,要求参数个数ACCEPTABLEFITNESS,0000001,允许适应值的最大值MAXEVALUATIONS,100000,迭代的最大次数LOWERINIT,PA/100,初始值参数的下边界UPPERINIT,PA100,初始值参数的上边界LOWERBOUND,PA/100,参数的下边界UPPERBOUND,PA100参数的上边界END以下是计算所用函数的适应值FUNCTIONVALUEFITNESSHEMTPOP,FNAME,DATAS2PNPOPSIZEPOP,1VALUEZEROSNPOP,1POINTSNUMSIZEDATAS2P,1计算每个个体的适应值FORI1NPOPPAPOPI,FORPOINTNUM1POINTSNUMFDATAS2PPOINTNUM,1YPADMYYPADPA1,PA2,PA3,FZRLMYZRLPA4,PA5,PA6,PA7,PA8,PA9,FYINTMYYINTPA10,PA11,PA12,PA13,PA14,PA15,PA16,FS_11,S_12,S_21,S_22CHIGYPAD,ZRL,YINTDATNEWPOINTNUM,F,ABSS_11,ANGLES_11180/PI,ABSS_21,ANGLES_21180/PI,ABSS_12,ANGLES_12180/PI,ABSS_22,ANGLES_22180/PIEND每个个体适应值TMPDATAS2P,2ENDDATNEW,2END/DATAS2P,2END2VALUEISUMTMPENDCLEARDATAS2PDATANEWENDHEMT器件的小信号等效电路模型的S参数矩阵FUNCTIONS_11,S_12,S_21,S_22CHIGYPAD,ZRL,YINTYYPADINVZRLINVYINTS_PARAMSY2SMYYS_11S_PARAMS1,1S_12S_PARAMS1,2S_21S_PARAMS2,1S_22S_PARAMS2,2ENDPAD电容导纳矩阵FUNCTIONYPADMYYPADCPG,CPGD,CPD,FYPAD1I2PIFCPGCPGD1I2PIFCPGD1I2PIFCPGD1I2PIFCPGDCPDEND寄生电感和寄生电阻的Z参数矩阵FUNCTIONZRLMYZRLRG,LG,RS,LS,RD,LD,FZRLRGRS1I2PIFLSLGRS1I2PIFLSRS1I2PIFLSRSRD1I2PIFLSLDEND本征部分导纳矩阵FUNCTIONYINTMYYINTCGD,CGS,CDS,RI,GM,GDS,TAU,FYINTI2PIFCGS/11I2PIFRICGS1I2PIFCGD1I2PIFCGDGMEXP1I2PIFTAU/11I2PIFCGSRI1I2PIFCGDGDS1I2PIFCDSCGDENDY参数矩阵转换成S参数矩阵FUNCTIONSOUTY2SMYYZO50IEYE2SOUTIZOYIZOYEND攻读硕士期间发表论文1用进化算法提取HEMT小信号模型的参数电子器件已录用2渐变槽线天线研究2012年上海市研究生学术论坛射频微电子参考文献1陈星弼，张庆中晶体管原理与设计第2版M北京市电子工业出版社,20073852KILBYJSINVENTIONOFTHEINTEGRATEDCIRCUITJELECTRONDEVICES,IEEETRANSACTIONSON1976,2376486543RABAEYJM，CHANDRAKASANA，NIKOLIB数字集成电路设计透视M清华大学出版社,20034吴涛，杜刚，刘晓彦，等基于遗传算法的半导体器件模型参数提取J北京大学学报自然科学版2007,4356876935COSTAD,LIUWU,HARRISJRJSDIRECTEXTRACTIONOFTHEALGAAS/GAASHETEROJUNCTIONBIPOLARTRANSISTORSMALLSIGNALEQUIVALENTCIRCUITJELECTRONDEVICES,IEEETRANSACTIONSON1991,389201820246DAMBRINEG,CAPPYA,HELIODOREF,ETALANEWMETHODFORDETERMININGTHEFETSMALLSIGNALEQUIVALENTCIRCUITJMICROWAVETHEORYANDTECHNIQUES,IEEETRANSACTIONSON1988,367115111597ARNOLDE,GOLIOM,MILLERM,ETALDIRECTEXTRACTIONOFGAASMESFETINTRINSICELEMENTANDPARASITICINDUCTANCEVALUESCIEEE,19903593628MANYOUNGJ,BYUNGGYUK,YOUNGJINJ,ETALATECHNIQUEFOREXTRACTINGSMALLSIGNALEQUIVALENTCIRCUITELEMENTSOFHEMTSJIEICETRANSACTIONSONELECTRONICS1999,8211196819769CHIGAEVAE,WALTHESW,WIEGNERD,ETALDETERMINATIONOFSMALLSIGNALPARAMETERSOFGANBASEDHEMTSCIEEE,200011512210ZARATEDELANDAA,ZUNIGAJUAREZJE,REYNOSOHERNANDEZJA,ETALANEWANDBETTERMETHODFOREXTRACTINGTHEPARASITICELEMENTSOFONWAFERGANTRANSISTORSC200779179411BRADYRG,OXLEYCH,BRAZILTJANIMPROVEDSMALLSIGNALPARAMETEREXTRACTIONALGORITHMFORGANHEMTDEVICESJMICROWAVETHEORYANDTECHNIQUES,IEEETRANSACTIONSON2008,5671535154412胡晓萍，胡建萍，郑梁，等一种新的HBT小信号模型参数优化提取法J电子学报2010,3800356757113CHENGY,HUCMOSFETMODELINGANDBSIM3USERSGUIDEMSPRINGER,199914COLEYDAANINTRODUCTIONTOGENETICALGORITHMSFORSCIENTISTSANDENGINEERSMWORLDSCIENTIFICPUBL,199915MENOZZIR,PIAZZIA,CONTINIFSMALLSIGNALMODELINGFORMICROWAVEFETLINEARCIRCUITSBASEDONAGENETICALGORITHMJCIRCUITSANDSYSTEMSIFUNDAMENTALTHEORYANDAPPLICATIONS,IEEETRANSACTIONSON1996,431083984716MENOZZIR,BORGARINOM,BAEYENSY,ETALONTHEEFFECTSOFHOTELECTRONSONTHEDCANDRFCHARACTERISTICSOFLATTICEMATCHEDINALAS/INGAAS/INPHEMTSJMICROWAVEANDGUIDEDWAVELETTERS,IEEE1997,713517WATTSJ,BITTNERC,HEABERLIND,ETALEXTRACTIONOFCOMPACTMODELPARAMETERSFORULSIMOSFETSUSINGAGENETICALGORITHMC199917617918PRASADK,RANJANR,SAHOONC,ETALOPTIMALRECONFIGURATIONOFRADIALDISTRIBUTIONSYSTEMSUSINGAFUZZYMUTATEDGENETICALGORITHMJPOWERDELIVERY,IEEETRANSACTIONSON2005,2021211121319谢晓锋，李钊，阮骏，等应用遗传算法实现MOS器件综合J半导体学报2002,2319510120石瑞英，刘训春用改进的遗传算法从S参数中提取HBT交流小信号等效电路模型参数J半导体学报2002,23995796121CIOUSH,WANGYY,MENGBC,ETALANOVELPARAMETEREXTRACTIONMETHODFORHEMTMODELSBYUSINGGENERICALGORITHMSCIEEE,200724124522张有涛，夏冠群，高建峰，等用改进的遗传算法精确提取GAASMESFET小信号等效电路参数J200423宋文斌并行遗传算法在器件模型参数提取中的应用J软件工程师20124454724QINAK,HUANGVL,SUGANTHANPNDIFFERENTIALEVOLUTIONALGORITHMWITHSTRATEGYADAPTATIONFORGLOBALNUMERICALOPTIMIZATIONJEVOLUTIONARYCOMPUTATION,IEEETRANSACTIONSON2009ABATSL,UDGATASKDIFFERENTIALEVOLUTIONALGORITHMFORMESFETSMALLSIGNALMODELPARAMETEREXTRACTIONCIEEE,201020320726LIUB,LUJ,WANGY,ETALANEFFECTIVEPARAMETEREXTRACTIONMETHODBASEDONMEMETICDIFFERENTIALEVOLUTIONALGORITHMJMICROELECTRONICSJOURNAL2008,39121761176927LAARHOVENPJM,AARTSEHSIMULATEDANNEALINGTHEORYANDAPPLICATIONSMSPRINGER,198728VAIMK,PRASADS,LINC,ETALMODELINGOFMICROWAVESEMICONDUCTORDEVICESUSINGSIMULATEDANNEALINGOPTIMIZATIONJELECTRONDEVICES,IEEETRANSACTIONSON1989,36476176229VAIMK,NGMATECHNOLOGYINDEPENDENTDEVICEMODELINGPROGRAMUSINGSIMULATEDANNEALINGOPTIMIZATIONCIEEE,19894930VAIMK,PRASADSCOMPUTERAIDEDDESIGNOFMONOLITHICMESFETDISTRIBUTEDAMPLIFIERSJMICROWAVETHEORYANDTECHNIQUES,IEEETRANSACTIONSON1990,38434534931VAIMK,LINJS,PRASADSACCELERATIONOFSIMULATEDANNEALINGANDITSAPPLICATIONTOMICROWAVEDEVICEANDCIRCUITOPTIMIZATIONCIEEE,19911213121632MESKOOBB,PRASADS,VAIM,ETALASMALLSIGNALEQUIVALENTCIRCUITFORTHECOLLECTORUPINGAAS/INALAS/INPHETEROJUNCTIONBIPOLARTRANSISTORJELECTRONDEVICES,IEEETRANSACTIONSON1992,39112629263233BILBROGL,STEERMB,TREWRJ,ETALEXTRACTIONOFTHEPARAMETERSOFEQUIVALENTCIRCUITSOFMICROWAVETRANSISTORSUSINGTREEANNEALINGJMICROWAVETHEORYANDTECHNIQUES,IEEETRANSACTIONSON1990,38111711171834朱磊，尤焕成，金香菊用改进算法提取GANHEMT小信号等效电路模型J微纳电子技术2007,44312012435CLERCMPARTICLESWARMOPTIMIZATIONMWILEYISTE,201036SABATSL,UDGATASK,MURTHYKSMALLSIGNALPARAMETEREXTRACTIONOFMESFETUSINGQUANTUMPARTICLESWARMOPTIMIZATIONJMICROELECTRONICSRELIABILITY2010,50219920637SABATSL,UDGATASK,ABRAHAMAARTIFICIALBEECOLONYALGORITHMFORSMALLSIGNALMODELPARAMETEREXTRACTIONOFMESFETJENGINEERINGAPPLICATIONSOFARTIFICIALINTELLIGENCE2010,23568969438YEGNANARAYANABARTIFICIALNEURALNETWORKSMPHILEARNINGPVTLTD,200439ZHANGQJ,GUPTAKC,DEVABHAKTUNIVKARTIFICIALNEURALNETWORKSFORRFANDMICROWAVEDESIGNFROMTHEORYTOPRACTICEJMICROWAVETHEORYANDTECHNIQUES,IEEETRANSACTIONSON2003,5141339135040ZHANGL,ZHANGQSIMPLEANDEFFECTIVEEXTRAPOLATIONTECHNIQUEFORNEURALBASEDMICROWAVEMODELINGJMICROWAVEANDWIRELESSCOMPONENTSLETTERS,IEEE2010,20630130341KABIRH,WANGY,YUM,ETALHIGHDIMENSIONALNEURALNETWORKTECHNIQUEANDAPPLICATIONSTOMICROWAVEFILTERMODELINGJMICROWAVETHEORYANDTECHNIQUES,IEEETRANSACTIONSON2010,58114515642LIS,HANB,CHENGJ,ETALNEUROSPACEMAPPINGBASEDDCMODELINGFOR130NMMOSFETJINTERNATIONALJOURNALOFRFANDMICROWAVECOMPUTERAIDEDENGINEERING2010,20558759243LIS,CHENGJ,HANB,ETALBIASDEPENDENTSMALLSIGNALMODELINGBASEDONNEUROSPACEMAPPINGFORMOSFETJINTERNATIONALJOURNALOFRFANDMICROWAVECOMPUTERAIDEDENGINEERING2011,21218218944LIS,LIX,GAOJNEURALSPACEMAPPINGBASEDLARGESIGNALMODELINGFORMOSFETJINTERNATIONALJOURNALOFRFANDMICROWAVECOMPUTERAIDEDENGINEERING2011,21335336245TIANYZ,ZHANGQJKNOWLEDGEBASEDNEURALNETWORKSFORMODELINGOFRADIOFREQUENCY/MICROWAVECOMPONENTSJ电子科技大学学报2011,40681646GAOJRFANDMICROWAVEMODELINGANDMEASUREMENTTECHNIQUESFORCOMPUNDFIELDEFFECTTRANSISTORSMSCITECHPUB,201047SABATSL,UDGATASK,ABRAHAMAARTIFICIALBEECOLONYALGORITHMFORSMALLSIGNALMODELPARAMETEREXTRACTIONOFMESFETJENGINEERINGAPPLICATIONSOFARTIFICIALINTELLIGENCE2010,23568969448解兰，於洪标基于遗传算法的场效应管模型参数的提取J微波学报2009S149HOLLANDJOUTLINEFORALOGICALTHEORYOFADAPTIVESYSTEMSJJOURNALOFTHEACMJACM1962,9329731450BAGLEYJDTHEBEHAVIOROFADAPTIVESYSTEMSWHICHEMPLOYGENETICANDCORRELATIONALGORITHMSDPROQUEST,UMIDISSERTATIONSPUBLISHING,196751HOLLANDJHADAPTATIONINNATURALANDART