一种基于人工神经网络的S参数去嵌入法制造技术

一种基于人工神经网络的S参数去嵌入法，首次应用人工神经网络，去除射频功率放大器中晶体管外围匹配网络影响，进而获取晶体管的S参数；该发明专利技术可有效提取射频功率放大器中晶体管S参数，为由射频大信号导致性能退化的晶体管的可靠性建模提供有效的实验数据。

A S-parameter de embedding method based on artificial neural network

【技术实现步骤摘要】
一种基于人工神经网络的S参数去嵌入法
本专利技术涉及射频晶体管S参数提取领域，尤其涉及一种基于人工神经网络的S参数去嵌入法。
技术介绍
近年来，晶体管射频可靠性问题得到广泛关注，S参数是提取晶体管射频模型的必要参数，为了将晶体管应用于射频领域，必须测试晶体管的S参数。可通过升高晶体管偏置电压加速晶体管性能退化，测试退化后晶体管的S参数，以指导建立晶体管射频可靠性模型[1]。除此之外，射频大信号也会加速晶体管的性能退化，且会引入直流偏置条件下未发生的退化机制[2],[3]，因此，建立晶体管射频可靠性模型时，必须考虑射频大信号影响。为了给晶体管输入射频大信号，需要在晶体管的输入和输出端添加匹配网络[3]，这将导致测试的S参数不是晶体管本身的S参数。为了得到晶体管本身的S参数，需要对测试得到的S参数做去嵌入处理。传统的方法是将输入和输出匹配网络作为夹具，设计校准件（最常用的是TRL校准件），去除夹具影响。以TRL校准件为例，需要设计4个校准件，而且每个校准件都要含有匹配网络，由于匹配网络面积较大，这种校准件极其浪费加工面积，而且，该校准件只针对一种匹配网络使用，更换匹配网络后，需重新设计校准件。【参考文献】[1]Zarate-RinconF,García-GarcíaD,Vega-GonzálezVH,etal.Characterizationofhot-carrier-inducedRF-MOSFETdegradationatdifferentbulkbiasingconditionsfromS-parameters[J].IEEETransactionsonMicrowaveTheoryandTechniques,2016,64(1):125-132.[2]YuanJS,YenHD,ChenS,etal.ExperimentalverificationofRFstresseffectoncascodeclass-EPAperformanceandreliability[J].IEEETransactionsonDeviceandMaterialsReliability,2012,12(2):369-375.[3]ChiniA,DiLecceV,FantiniF,etal.AnalysisofGaNHEMTfailuremechanismsduringDCandlarge-signalRFoperation[J].IEEETransactionsonElectronDevices,2012,59(5):1385。
技术实现思路
为了解决现有技术存在的难题，本专利技术利用人工神经网络具有拟合任何函数的功能，提出一种新的去嵌入技术即基于人工神经网络的S参数去嵌入法，这种去嵌入技术相比传统方法，不仅能极大节约校准件面积，且可对不同的匹配网络重复使用。一种基于人工神经网络的去嵌入法，进而获得射频功率放大器中晶体管本身的S参数，包括如下步骤（如图1所示）：1、设计一款单晶体管射频功率放大器，包括输入匹配网络、晶体管和输出匹配网络（如图2所示）；2、测试不同偏置电压下，射频功率放大器的S参数，即SPA；将S参数转换成ABCD矩阵，转换公式为：(1)其中，Z0是测试端口特征阻抗；3、设计一套晶体管TRL校准件（如图3所示），该校准件是传输线结构，不包含匹配网络，极大地节约了加工面积，其中，“T”校准件是一段传输线，“R”校准件是两段开路传输线，“L”校准件一段比“T”长的传输线；4、将晶体管固定在“R”校准件上（如图4所示）；测试不同偏置电压下，带有夹具晶体管的S参数，即SR；使用标准TRL校准算法提取晶体管的S参数，即St,将S参数转换成ABCD矩阵；5、建立神经网络模型：输入参数为射频功率放大器的ABCD矩阵，输出参数为对应偏置电压下晶体管的ABCD矩阵；由于两个矩阵之间存在如下关系，即(2)转换得：(3)其中，是射频功率放大器输入匹配网络ABCD矩阵，是射频功率放大器输出匹配网络ABCD矩阵；可得表征建立的神经网络的函数：(4)使用多组偏置电压下，射频功率放大器和晶体管的S参数训练神经网络，直至模型测试误差满足既定要求；6、射频大信号加速晶体管性能退化后，将测试的射频功率放大器S参数转换成ABCD矩阵，并代入神经网络模型，提取晶体管性能退化后的ABCD矩阵，将晶体管ABCD矩阵转换成S参数(5)以此得到S参数。一种基于人工神经网络的S参数去嵌入法，首次应用人工神经网络，去除射频功率放大器中晶体管外围匹配网络影响，进而获取晶体管的S参数。该专利技术可有效提取射频功率放大器中晶体管S参数，为由射频大信号导致性能退化的晶体管的可靠性建模提供有效的实验数据。附图说明图1是本专利技术S参数提取流程示意图；图2是本专利技术单晶体管射频功率放大器示意图；图3是本专利技术TRL校准件示意图；图4是本专利技术固定在两个“R”校准件上的晶体管示意图。具体实施方式下面根据附图对本专利技术技术方案进行详细说明，此处所描述的具体实施例仅用以解释本专利技术，但是本专利技术的保护范围不局限于所述实施例。整体实施流程如图1所示。首先，如图3所示，设计一款“TRL”校准件。其中，校准件“T”的长度是校准件“R”长度的2倍。在校准中心频率，校准件“L”长度比校准件“T”长1/4λ。然后，在同一种频段，分别测试校准件“T”、“R”和“L”的S参数。使用电磁理论，对校准件做去嵌入。然后将两个“R”校准件作为夹具，具体结构如图4所示。测试单个晶体管在多种偏置电压下的S参数，并转换成ABCD矩阵。偏压设置要多于8个。再然后，测试一款如图2所示的单晶体管射频功率放大器的S参数，并转换成ABCD矩阵。电路偏压设置与单晶体管设置情况相同。然后，使用单晶体管射频功率放大器ABCD矩阵作为人工神经网络的输入，使用同一偏置电压下晶体管的ABCD矩阵作为人工神经网络的输出，训练神经网络，直至神经网络的误差值满足设定值。最后，该人工神经网络，就表征该单晶体管射频功率放大器匹配网络的ABCD矩阵。测试该射频功率放大器的S参数，输入该人工神经网络，即可输出晶体管的ABCD矩阵。最后，将ABCD矩阵转换成晶体管的S参数。本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的S参数去嵌入法，其特征在于：包括如下步骤：/n1、设计一款单晶体管射频功率放大器，包括输入匹配网络、晶体管和输出匹配网络；/n2、测试不同偏置电压下，射频功率放大器的S参数，即S

【技术特征摘要】
1.一种基于人工神经网络的S参数去嵌入法，其特征在于：包括如下步骤：
1、设计一款单晶体管射频功率放大器，包括输入匹配网络、晶体管和输出匹配网络；
2、测试不同偏置电压下，射频功率放大器的S参数，即SPA；将S参数转换成ABCD矩阵，转换公式为：

(1)
其中，Z0是测试端口特征阻抗；
3、设计一套晶体管TRL校准件，该校准件是传输线结构，不包含匹配网络，极大地节约了加工面积；
4、将晶体管固定在“R”校准件上；测试不同偏置电压下，带有夹具晶体管的S参数，即SR；使用标准TRL校准算法提取晶体管的S参数，即St，将S参数转换成ABCD矩阵；
5、建立神经网络模型：输入参数为射频功率放大器的ABCD矩阵，输出参数为对应偏置电压下晶体管的ABCD矩阵；由于两个矩阵之间存在如下关系，即
...

【专利技术属性】
技术研发人员：马建国，杨闯，周绍华，杨自凯，赵升，
申请(专利权)人：天津大学青岛海洋技术研究院，
类型：发明
国别省市：山东;37