一种用于封装晶体管的神经网络空间映射建模方法技术

建立精确封装晶体管模型对提高无线通信系统电路精度至关重要。为克服已有封装晶体管建模方法需要内部结构信息和计算量大的缺点，本发明专利技术提出用于封装晶体管的神经网络空间映射建模方法。该方法是将封装晶体管模型分为输入封装电路模块、非线性电路模块和输出封装电路模块三部分，并分别搭建结构。训练后的模型不仅能精确反映封装晶体管的特性，而且仿真速度快，大大缩短设计周期，为进一步设计更大规模的电路提供了可能。

A neural network space mapping modeling method for encapsulating transistors

The establishment of an accurate encapsulated transistor model is crucial for improving the circuit accuracy of wireless communication systems. In order to overcome the shortcomings of the existing encapsulation transistor modeling methods that require large amount of internal structure information and computation, the present invention proposes a neural network space mapping modeling method for encapsulating transistors. The method divides the encapsulated transistor model into three parts: an input packaging circuit module, a nonlinear circuit module and an output packaging circuit module, and constructs the structure respectively. After training, the model can not only reflect the characteristics of the encapsulated transistor accurately, but also speed up the simulation, greatly shorten the design cycle, and provide the possibility for further designing more large-scale circuits.

【技术实现步骤摘要】
一种用于封装晶体管的神经网络空间映射建模方法
本专利技术涉及微波电路与器件建模方法，尤其涉及神经网络空间映射技术在微波建模领域的应用。
技术介绍
为满足低成本、低功耗、高精度、高可靠、智能化电子产品的发展要求，用于无线通信系统中的功率晶体管结构越来越复杂，除了增加多个管芯提供功率之外，晶体管内部封装电路中的键合线和MOS电容器也增多，以保证晶体管的稳定性和性能。晶体管内部各元件之间的耦合作用和封装电路的寄生效应对晶体管性能影响越来越大，这对CAD建模技术提出了巨大挑战。目前对封装晶体管的建模方法主要有两种：等效电路法和电磁仿真法。文献已证明现有的等效电路法和电磁仿真法都能精确地建立晶体管封装电路模型，然而这两种方法都有一定的应用局限性。然而这两种方法都有一定的应用局限性。用等效电路法建立的晶体管封装电路模型结构简单，易于操作，但是等效电路中的参数相互影响，仅靠仿真软件自动优化很难达到较高的精度。用电磁仿真建模方法搭建的晶体管封装电路模型大大提高了模型的精度，但是模型需要已知器件内部具体的结构信息，而且在建模过程中需要不断调整模型结构的物理参数和电参数，这需要强大的计算机资源，而且需要很长的优化时间。除此之外，文献中等效电路法和电磁仿真法是针对功率晶体管的封装电路搭建的模型，不包含晶体管非线性部分的建模。利用这两种方法还无法完成对未知内部结构的封装晶体管建模。近几年来，在微波/射频建模领域，人工神经网络被公认为是代替传统建模技术的有效方法。神经网络空间映射建模方法是知识型神经网络建模方法的一种，该方法融合了人工神经网络和空间映射的优点。，能大大提高已有模型的精度。但是现有的神经网络空间映射建模方法主要是针对晶体管管芯的建模，模型无法反映封装电路对晶体管性能的影响。封装晶体管已成为当代通信系统中不可替代的器件，本专利技术研究封装晶体管的建模方法，建立精度高、速度快的模型，不仅大大缩短设计周期，而且为进一步设计更大规模的电路提供了可能，具有广泛的应用前景。
技术实现思路
本专利技术的目的是克服现有技术的上述不足，提出一种用于封装晶体管的神经网络空间映射建模方法，是将封装晶体管模型分为输入封装电路模块、非线性电路模块和输出封装电路模块三部分，并分别搭建结构。一种用于封装晶体管的神经网络空间映射建模方法，包括下列步骤：步骤1：将封装晶体管模型分为三部分：输入封装电路模块、非线性电路模块、输出封装电路模块。用输入/输出封装电路模块分别模拟封装晶体管的输入/输出封装电路的线性特性，用非线性电路模块模拟封装晶体管管芯的非线性特性。步骤2：搭建非线性电路模块。选用已有的模型(称为粗模型)作为该封装晶体管模型的非线性电路模块。该模块可选用器件厂商研究的晶体管模型(其性能应尽量与被建模封装晶体管性能相近)，也可选用仿真软件中提供的通用型晶体管模型(需先用样本数据对该模型优化，使其性能应尽量与被建模封装晶体管性能匹配)。步骤3：搭建输入/输出封装电路模块。由于晶体管的封装电路主要是无源器件组成的，所以封装电路是无源电路，即存在S11＝S22。在封装晶体管模型中的封装电路部分认为是无损耗的，则其网络回波损耗和插入损耗的模值平方和为1，即|S11|2+|S21|2＝1且|S12|2+|S22|2＝1。利用以上性质确立频率与S参数之间的关系，完成输入/输出封装电路模块建立。步骤4：搭建映射网络电路。本专利技术采用映射网络进一步调整模型精度。模型中用电压控制电压源和电流控制电流源实现映射网络搭建。步骤5：用样本数据训练封装晶体管模型。用直流样本数据和交流样本数据对模型中的参数调整，使模型的直流特性和交流特性与样本数据一致。本专利步骤3中，输入/输出封装电路模块内频率与S参数之间的关系可以采用两种方法实现。第一种用多层感知器的神经网络结构实现，即输入神经元是频率，输出神经元是S参数的实部和虚部，其表达式为：其中fANN表示神经网络映射关系，w表示神经网络内部权重，R和I分别表示S参数的实部与虚部。第二种用数值计算实现，即其中x1，x2，x3，x4表示是优化参数，f(·)表示输入与输出的代数关系，即频率、优化参数和S参数的实部与虚部的关系，可通过S参数的幅值和相位转化得到。本专利步骤4中，采用电流控制电流源实现输出映射网络，公式为igf.dc＝fANN1(vgf.dc，vdf.dc，igc.dc，idc.dc，w1)(3)idf.dc＝fANN2(vgf.dc，vdf.dc，igc.dc，idc.dc，w2)(4)其中fANN1和fANN2表示神经网络映射关系，w1和w2表示神经网络内部权重。本专利步骤4中，采用电压控制电压源实现输入映射网络，公式为vgc.ac＝hANN1(vgf.ac，vdf.ac，w3)(5)vdc.ac＝hANN2(vgf.ac，vdf.ac，w4)(6)其中hANN1和hANN2表示神经网络映射关系，w3和w4表示神经网络内部权重。本专利步骤5中，先将模型中的输入映射网络和输出映射网络单位化，从而保证模型不因为引入映射网络使模型性能变差；然后用输出映射网络调节封装晶体管模型的直流特性；再用输入映射网络调节封装晶体管模型的交流特性；最后对模型中的输入映射网络和输出映射网络参数做微调，使模型的直流特性和交流特性与测量或仿真封装晶体管性能相同。本专利提出的神经网络空间映射建模方法不仅不需要封装晶体管内部结构信息，而且神经网络结构简单，优化参数独立控制模型不同特性输出，模型直流特性和交流特性之间互不影响，能精确反映封装晶体管的特性。附图说明：图1是本专利技术结构框图；图2是本专利技术实施例的样本数据和模型输出特性曲线。具体实施方式：为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的实施例作详细描述。采用本专利技术提出的建模方法对封装晶体管建模时，其模型结构如图1所示。模型主要分为输入封装电路模块、粗模型模块、输出封装电路模块和映射电路四个部分，其中用输入/输出封装电路模块分别模拟封装晶体管的输入/输出封装电路的线性特性，用粗模型模块模拟封装晶体管管芯的非线性特性，用映射电路调节整个模型的特性。选用已有的模型作为该封装晶体管模型的粗模型模块。若选用器件厂商研究的晶体管模型作为粗模型，那么要求其性能应尽量与被建模封装晶体管性能相近；若选用仿真软件中提供的通用型晶体管模型作为粗模型，那么需要先用样本数据对该模型优化，使其性能应尽量与被建模封装晶体管性能匹配。由于封装晶体管的直流特性只受到直流偏置电压的控制，故用来调整交流信号的输入映射网络可以忽略。封装电路模块模拟封装电路的特性，与工作的偏置点无关，不影响晶体管的直流特性，所以调整模型直流特性时可将封装电路模块忽略。在优化模型直流特性时，用样本直流数据对模型训练，调整图1中输出映射1和输出映射2网络中的参数值，使模型得到精确的直流特性，输出映射网络采用三层感知器结构，其关系式如图1所示。晶体管的封装电路主要是由键合线、MOS电容器和集成电容组成的，这些器件均为无源器件，所以封装电路是无源电路。无源网络的特性用频率与S参数之间的关系表示。封装电路模块内频率与S参数之间的关系可以采用两种方法实现。第一种用多层感知器的神经网络结构实现，即输入神经元是频率，输出神经元是S参数的实部和虚本文档来自技高网...

【技术保护点】
一种用于封装晶体管的神经网络空间映射建模方法，包括下列步骤：步骤1：将封装晶体管模型分为三部分：输入封装电路模块、非线性电路模块、输出封装电路模块，用输入/输出封装电路模块分别模拟封装晶体管的输入/输出封装电路的线性特性，用非线性电路模块模拟封装晶体管管芯的非线性特性；步骤2：搭建非线性电路模块，选用已有的模型(称为粗模型)作为该封装晶体管模型的非线性电路模块，该模块可选用器件厂商研究的晶体管模型(其性能应尽量与被建模封装晶体管性能相近)，也可选用仿真软件中提供的通用型晶体管模型(需先用样本数据对该模型优化，使其性能应尽量与被建模封装晶体管性能匹配)；步骤3：搭建输入/输出封装电路模块，由于晶体管的封装电路主要是无源器件组成的，所以封装电路是无源电路，即存在S

【技术特征摘要】
1.一种用于封装晶体管的神经网络空间映射建模方法，包括下列步骤：步骤1：将封装晶体管模型分为三部分：输入封装电路模块、非线性电路模块、输出封装电路模块，用输入/输出封装电路模块分别模拟封装晶体管的输入/输出封装电路的线性特性，用非线性电路模块模拟封装晶体管管芯的非线性特性；步骤2：搭建非线性电路模块，选用已有的模型(称为粗模型)作为该封装晶体管模型的非线性电路模块，该模块可选用器件厂商研究的晶体管模型(其性能应尽量与被建模封装晶体管性能相近)，也可选用仿真软件中提供的通用型晶体管模型(需先用样本数据对该模型优化，使其性能应尽量与被建模封装晶体管性能匹配)；步骤3：搭建输入/输出封装电路模块，由于晶体管的封装电路主要是无源器件组成的，所以封装电路是无源电路，即存在S11＝S22，在封装晶体管模型中的封装电路部分认为是无损耗的，则其网络回波损耗和插入损耗的模值平方和为1，即|S11|2+|S21|2＝1且|S12|2+|S22|2＝1，利用以上性质确立频率与S参数之间的关系，完成输入/输出封装电路模块建立；步骤4：搭建映射网络电路，本发明采用映射网络进一步调整模型精度，模型中用电压控制电压源和电流控制电流源实现映射网络搭建；步骤5：用样本数据训练封装晶体管模型，用直流样本数据和交流样本数据对模型中的参数调整，使模型的直流特性和交流特性与样本数据一致。2.根据权利要求1所述的一种用于封装晶体管的神经网络空间映射建模方法，其特征在于，步骤3中，输入/输出封装电路模块内频率与S参数之间的关系可以采用两种方法实现，第一种用多层感知器的神经网络结构实现，即输入神经元是频率，输出神经元是S参数的实部和虚部，其...

【专利技术属性】
技术研发人员：闫淑霞，靳晓怡，赵宝柱，赵靖，曹宇，
申请(专利权)人：天津工业大学，天津市宏大电梯有限公司，
类型：发明
国别省市：天津,12