【技术实现步骤摘要】
本专利技术涉及倒装芯片缺陷检测，尤其是指一种基于经验共振分解的倒装芯片缺陷检测方法及系统。
技术介绍
1、集成电路技术是现代化电子信息技术的核心组成部分，广泛应用于智能制造、自动控制以及人工智能等高新
微电子封装技术是集成电路工艺流程中最为关键和最具挑战性的环节，倒装焊封装是目前主流的微电子封装技术之一。随着倒装焊封装尺寸的不断减小，集成电路的制作工艺和封装结构变得越来越复杂，导致制造过程中更容易产生缺陷。为了确保芯片能够安全可靠地运行，需要开展有效的倒装芯片缺陷检测研究。
2、倒装芯片发生缺陷时，其结构特性发生改变，焊点约束变小，检测时振幅变大。倒装芯片缺陷检测的共振频率包含了更多缺陷信息，能量发生偏移，因此提取倒装芯片的共振频带很有必要。在过去几十年中，许多信号分解算法被提出，huang等所提的经验模态分解(emd)是最重要和最流行的算法之一，通过递归方式将振动信号分解成多个imf分量，但经验模态分解存在模态混叠、过分解和欠分解等问题，无法提取出理想的倒装芯片共振频带。经验小波变换(ewt)是一种基于小波变换和窄带信号分析的信号分解方法，利用数据驱动的频带划分原理对频谱进行分割，并通过构建正交小波滤波器组来提取信号的调制分量。然而，经验小波变换的分解非常依赖于频谱分割的边界，自适应性较差。
技术实现思路
1、为此，本专利技术所要解决的技术问题在于克服现有技术中无法自适应提取倒装芯片共振频带的问题。
2、为解决上述技术问题，本专利技术提供了一种基于
3、获取不同的倒装焊点缺陷类别的样本芯片及样本芯片的振动信号；
4、对样本芯片的振动信号的傅里叶频谱进行分割，包括：
5、对振动信号的傅里叶频谱进行卷积运算，将傅里叶频谱转化为平滑曲线，并利用平滑曲线突出度提取平滑曲线的局部最大值及其对应的局部最大值点，将平滑曲线局部最大值点的总个数作为模态分量的个数；
6、分别获取相邻两个局部最大值点在傅里叶频谱的局部最小值点和平滑曲线上的局部最小值点，根据傅里叶频谱上的局部最小值点与相邻两个局部最大值点之间的距离计算频谱距离熵，根据平滑曲线上的局部最小值点与相邻两个局部最大值点之间的距离计算级联高斯距离熵，比较频谱距离熵和级联高斯距离熵的大小，将更大的距离熵值对应的局部最小值点作为频谱分割边界；分别对相邻两个局部最大值点进行遍历计算，得到所有频谱分割边界；利用所有频谱分割边界将振动信号的傅里叶频谱分割为频带集；
7、根据频谱分割边界和频带集构建理想高斯滤波器组，并利用理想高斯滤波器组对样本芯片的振动信号进行滤波处理，得到滤波信号；对滤波信号进行逆傅里叶变换，得到各个模态分量的时域信号；
8、根据所有模态分量计算样本芯片的振动能量系数，并依据振动能量系数对样本芯片的缺陷类型进行分类，并利用样本芯片的振动信号对芯片焊点缺陷进行定位。
9、优选地，获取样本芯片的振动信号包括：
10、将样本芯片放置在气浮隔振平台上；利用空气耦合电容式超声换能器对样本芯片进行激励；使用扫描式多普勒激光测振仪测量样本芯片表面的振动，获得样本芯片表面的振动信号。
11、优选地，所述对振动信号的傅里叶频谱进行卷积运算，将傅里叶频谱转化为平滑曲线，平滑曲线的公式为：
12、；
13、；
14、其中，为平滑曲线的表达式，为振动信号的傅里叶频谱，为级联高斯核函数，和为级联高斯核参数，为平滑曲线的横坐标，为频率。
15、优选地，将级联高斯核参数设置为0，设置为振动信号的傅里叶频谱的长度。
16、优选地，所述利用平滑曲线突出度提取平滑曲线的局部最大值及其对应的局部最大值点，包括：
17、将突出系数作为局部最大值的选取阈值，遍历平滑曲线上的所有突出度，当突出度大于等于突出系数时，提取该突出度对应的局部最大值及该局部最大值对应的局部最大值点；
18、所述突出系数的公式为：
19、；
20、其中，为平滑曲线的最大突出度，为级联高斯核参数。
21、优选地，距离熵的公式为：
22、；
23、其中，为距离熵，，为局部最小值点与相邻两个局部最大值点之间的距离；当i=1时，为局部最小值点与相邻两个局部最大值点中第一局部最大值点之间的距离；当i=2时，为局部最小值点与相邻两个局部最大值点中第二局部最大值点之间的距离，为相邻两个局部最大值点之间的距离。
24、优选地，所述根据频谱分割边界和频带集构建理想高斯滤波器组，公式为：
25、；
26、其中，为理想高斯滤波器组，为模态分量的标号，有，为频谱分割边界的个数；为第一高斯分布函数，和为第一高斯分布函数的参数；为第二高斯分布函数，和为第二高斯分布函数的参数，分别为，，，；为频率，为第个局部最小值点所对应的频率，为第个局部最小值点所对应的频率，为频带集中第个频带的最大值所对应的频率，。
27、优选地，所述利用理想高斯滤波器组对样本芯片的振动信号进行滤波处理，得到滤波信号，公式为：
28、；
29、其中，为滤波信号，为样本芯片的振动信号的傅里叶频谱，为理想高斯滤波器组，为模态分量的标号，为频率。
30、优选地，所述对滤波信号进行逆傅里叶变换，得到模态分量的时域信号，公式为：
31、；
32、其中，为模态分量的时域信号，为滤波信号，为模态分量的标号，为频率。
33、优选地，计算样本芯片的振动能量系数，公式包括：
34、；
35、；
36、；
37、其中，为第一个模态分量与剩余模态分量重构后的振动信号频域的振幅比，为共振频带能量熵，所述共振频带为模态分量时域信号的频谱，为振动能量系数；为第一个模态分量的频谱，为模态分量重构后的振动信号的频谱，为频谱分割边界的个数，为第个模态分量的能量，为所有模态分量的能量之和。
38、优选地，所述依据振动能量系数对样本芯片的状态进行分类，包括：
39、若样本芯片的振动能量系数在0至1.5之间，则为良好芯片；若样本芯片的振动能量系数在3.5至5之间，则为焊点虚焊芯片；若样本芯片的振动能量系数高于10，则为焊点缺失芯片；若样本芯片的振动能量系数低于-3，则为焊点裂纹芯片。
40、本专利技术还提供了一种基于经验共振分解的倒装芯片缺陷检测系统，包括：
41、振动信号获取模块，用于获取不同的倒装焊点缺陷类别的样本芯片及样本芯片的振动信号；
42、频谱分割模块，用于对样本芯片的振动信号的傅里叶频谱进行分割，包括：对振动信号的傅里叶频谱进行卷积运算，将傅里叶频谱转化为平滑曲线，并利用平滑曲线突出度提取平滑曲线的局部最大值及其对应的局部最大值点，将平滑曲线局部最大值点的总个数作为模态分量的个数；分别获本文档来自技高网...
【技术保护点】
1.一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，获取样本芯片的振动信号包括：
3.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述对振动信号的傅里叶频谱进行卷积运算，将傅里叶频谱转化为平滑曲线，平滑曲线的公式为：
4.根据权利要求3所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，将级联高斯核参数设置为0，设置为振动信号的傅里叶频谱的长度。
5.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述利用平滑曲线突出度提取平滑曲线的局部最大值及其对应的局部最大值点，包括：
6.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，距离熵的公式为：
7.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述根据频谱分割边界和频带集构建理想高斯滤波器组，公式为：
8.根据权利要求1所述的一
9.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述对滤波信号进行逆傅里叶变换，得到模态分量的时域信号，公式为：
10.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，计算样本芯片的振动能量系数，公式包括：
11.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述依据振动能量系数对样本芯片的状态进行分类，包括：
12.一种基于经验共振分解的倒装芯片缺陷检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，获取样本芯片的振动信号包括：
3.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述对振动信号的傅里叶频谱进行卷积运算，将傅里叶频谱转化为平滑曲线，平滑曲线的公式为：
4.根据权利要求3所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，将级联高斯核参数设置为0，设置为振动信号的傅里叶频谱的长度。
5.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，所述利用平滑曲线突出度提取平滑曲线的局部最大值及其对应的局部最大值点，包括：
6.根据权利要求1所述的一种基于经验共振分解的倒装芯片缺陷检测方法，其特征在于，距离熵的公式为：
7.根据权...
【专利技术属性】
技术研发人员：李可，宿磊，明雪飞，于成昊，顾杰斐，赵新维，王刚，李杨，吉勇，周秀峰，
申请(专利权)人：江南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。