一种知数混动的毫米波片上可变螺旋电感自动综合方法技术

本发明专利技术公开了一种知数混动的毫米波片上可变螺旋电感自动综合方法，包括：首先设定目标片上可变螺旋电感指标以及工艺约，再结合拓展Wheeler公式以及拉丁超立方抽样获得初始样本；然后提出电感与品质因数频率响应的近似表达式，再利用深度高斯过程回归机器学习算法对拟合系数进行学习，得到结合先验知识的代理模型，两个模型都可以在目标频段内实现较好的预测精度且复杂度低；最后通过多路径全局优化算法进行全局优化得到目标电感模型。本发明专利技术在综合毫米波频段的片上可变螺旋电感时能够保证收敛速度同时具有鲁棒性。收敛速度同时具有鲁棒性。收敛速度同时具有鲁棒性。

【技术实现步骤摘要】
一种知数混动的毫米波片上可变螺旋电感自动综合方法


[0001]本专利技术涉及片上射频无源器件设计领域，特别是涉及种知数混动的毫米波片上可变螺旋电感自动综合方法。

技术介绍

[0002]电感是射频电路的重要组成部分，振荡器、混频器等电路都包含了电感。而可变平面螺旋电感具有结构简单、易集成的优势，在集成电路中有着广泛的应用。电感的综合问题是射频集成电路设计自动化的关键，传统的依靠知识的方法例如等效电路、解析公式在低频段有着良好的效果，但是频率越高这些方法就会有较大的偏差。单纯依赖机器学习的方法能够很好的解决问题，但是纯机器学习驱动的效率会大大下降，因此，为了平衡综合的效率和准确度，需要物理原理和机器学习共同驱动。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种知数混动的毫米波片上可变螺旋电感自动综合方法，用以解决
技术介绍
中提及的技术问题。本专利技术在综合效率和准确度上保持了良好的平衡，并可以适应毫米波频段。
[0004]为了实现上述目的，本专利技术采用如下技术方案：
[0005]一种知数混动的毫米波片上可变螺旋电感自动综合方法，所述方法包括如下步骤：
[0006]步骤S1、设定目标片上可变螺旋电感指标以及工艺约束；
[0007]步骤S2、在步骤S1设置的指标以及工艺约束前提下，采用拉丁超立方抽样获得初始样本；
[0008]步骤S3、首先基于步骤S2中得到的初始样本，构建其电感曲线和品质因数曲线，再对该两种曲线分别进行函数拟合，得到其对应的拟合系数，然后再以得到的拟合系数以及该系数对应的几何参数作为训练集，并且采用基于深度高斯过程回归机器学习方法进行模型训练，最后得到代理模型；
[0009]步骤S4、利用全局优化算法对代理模型进行优化，其中，通过采用多个置信下界常数值的方法以不同路径进行优化，得到多组不同LCB常数值下的最优目标值及对应的输入参数组合；
[0010]步骤S5、对步骤S4得到的输入参数组合分别进行全波仿真，输出最优的一组参数组合及其仿真结果，并更新样本集判断仿真结果是否达到设计指标，如果没有，则重复步骤S3至步骤S5直至循环停止。
[0011]进一步的，所述的可变螺旋电感为电感形状能够被拉伸或压缩的螺旋电感。
[0012]进一步的，在所述步骤S1中，所述工艺约束包括几何参数约束，该几何参数约束具体包括：最大外部宽度、最大外部高度、最大线宽、最小线宽、最大间距、最小间距、最大圈数、最小圈数、最大伸缩率和最小伸缩率。
[0013]进一步的，在所述步骤S2中，所获得的初始样本，其中的一部分满足拓展Wheeler公式约束，该约束表达为：
[0014][0015]其中，L
E
为使用拓展Wheeler公式计算的到的电感值，L
goal
为目标电感值，ε为容差。
[0016]进一步的，在所述步骤S2中，拓展Wheeler公式，其具体表示为：
[0017][0018]其中，
[0019][0020]其中，D
outw
,D
outh
,D
inw
,D
inh
分别为外径宽度、外径高度、内径宽度、内径高度，N为圈数，K1,K2,K3为常数系数，μ0为真空中的磁导率，P与金属部分的占空比有关。
[0021]进一步的，在所述步骤S3中，通过如下函数对电感曲线进行拟合，表示为：
[0022][0023]其中，带尖号的为需要拟合的系数，与平稳段电感值有关，与自谐振频率有关，与电感曲线峰值有关，f为自变量频率。
[0024]进一步的，在所述步骤S3中，通过如下函数对品质因数曲线进行拟合，表示为：
[0025][0026]其中，带波浪号的为需要拟合的系数，与最大品质因数有关，与最大品质因数所在的频率有关，与自谐振频率有关。
[0027]进一步的，在所述步骤S3中，在进行训练时，通过学习片上可变螺旋电感的几何参数与拟合出的电感、品质因数的关系，得到代理模型。
[0028]进一步的，在所述步骤S4中，所述采用多个置信下界常数值的方法，其采用的适应度函数表示为：
[0029][0030]其中，x为算法优化的几何参数，y(x)为该组几何参数下的预测均值，LCB
i
为第i个LCB值，s(x)为该组几何参数下的预测方差，n为总的LCB个数。
[0031]本专利技术的有益效果是：
[0032]1、通过本专利技术方法可以设计可变螺旋电感，从而适应任意矩形区域以优化电路布局从而提升面积使用率；
[0033]2、本专利技术结合先验知识建立GPR代理模型，可以极大的加快模型的训练和预测速度，并且保持不错的准确率；
[0034]3、本专利技术使用机器学习辅助优化，相比于等效电路、解析公式等方式有着更好的适应性，在高频时也能保持不错的准确率；
[0035]4、本专利技术使用多个LCB值多路径优化，避免LCB值设置不当出现无法收敛、陷入局部最优等问题；
[0036]5、本专利技术不仅仅适用于低频，在毫米波频段也适用。
附图说明
[0037]图1为电感值随频率变化的曲线；
[0038]图2为品质因数随频率变化的曲线；
[0039]图3为实施例1中提供的一种知数混动的毫米波片上可变螺旋电感自动综合方法的流程示意图；
[0040]图4为实施例1中提供的可变螺旋电感的结构与其几何参数的示意图；
[0041]图5为实施例1中采用的高斯过程回归的示意图；
[0042]图6为鲁棒的电感设计与不鲁棒的设计的比较示意图；
[0043]图7为实施例1中提供的案例1设计的layout图；
[0044]图8为实施例1中提供的案例1设计的L曲线与Q曲线；
[0045]图9为实施例1中提供的案例2设计的layout图；
[0046]图10为实施例1中提供的案例2设计的L曲线与Q曲线与同约束下单频点最大化Q的结果对比。
具体实施方式
[0047]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0048]GPR代理模型在电路设计中有着非常广泛的应用，相较于其他代理模型，GPR的输出不是一个确定值，而是高斯分布的概率函数，包含最佳估计值以及置信区间，这对于后续的优化过程有着极大帮助。同时，在线更新的GPR模型有着更好的性能和效率。
[0049]在毫米波片上螺旋电感的设计中，电感的自谐振频率通常都是几十吉赫兹，如此宽频带的范围包含非常多的频点，导致代理模型的训练和预测速度非常缓慢。一种解决办法是代理模型只学习目标频点的数据，这种方法并不稳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知数混动的毫米波片上可变螺旋电感自动综合方法，其特征在于，所述方法包括如下步骤：步骤S1、设定目标片上可变螺旋电感指标以及工艺约束；步骤S2、在步骤S1设置的指标以及工艺约束前提下，采用拉丁超立方抽样获得初始样本；步骤S3、首先基于步骤S2中得到的初始样本，构建其电感曲线和品质因数曲线，再对该两种曲线分别进行函数拟合，得到其对应的拟合系数，然后再以得到的拟合系数以及该系数对应的几何参数作为训练集，并且采用基于深度高斯过程回归机器学习方法进行模型训练，最后得到代理模型；步骤S4、利用全局优化算法对代理模型进行优化，其中，通过采用多个置信下界常数值的方法以不同路径进行优化，得到多组不同LCB常数值下的最优目标值及对应的输入参数组合；步骤S5、对步骤S4得到的输入参数组合分别进行全波仿真，输出最优的一组参数组合及其仿真结果，并更新样本集判断仿真结果是否达到设计指标，如果没有，则重复步骤S3至步骤S5直至循环停止。2.根据权利要求1所述的一种知数混动的毫米波片上可变螺旋电感自动综合方法，其特征在于，所述的可变螺旋电感为电感形状能够被拉伸或压缩的螺旋电感。3.根据权利要求1所述的一种知数混动的毫米波片上可变螺旋电感自动综合方法，其特征在于，在所述步骤S1中，所述工艺约束包括几何参数约束，该几何参数约束具体包括：最大外部宽度、最大外部高度、最大线宽、最小线宽、最大间距、最小间距、最大圈数、最小圈数、最大伸缩率和最小伸缩率。4.根据权利要求1所述的一种知数混动的毫米波片上可变螺旋电感自动综合方法，其特征在于，在所述步骤S2中，所获得的初始样本，其中的一部分满足拓展Wheeler公式约束，该约束表达为：其中，L
E
为使用拓展Wheeler公式计算的到的电感值，L
go...

【专利技术属性】
技术研发人员：王海明，魏家豪，无奇，余晨，
申请(专利权)人：东南大学，
类型：发明
国别省市：