【技术实现步骤摘要】
本申请涉及光电子器件缺陷态表征，尤其涉及一种基于数学建模与人机交互可视化的dlcp数据分析方法及系统。
技术介绍
1、随着光电子技术的快速发展，各类光电材料器件（如钙钛矿太阳能电池、硅基光电器件、有机光伏器件等）在能量转换效率和器件稳定性方面取得了显著进展。然而，在这些器件的研发和性能优化过程中，对缺陷态分布的精确表征始终是影响器件效率和寿命的关键因素之一。dlcp作为一种能够在半导体材料与器件内部实现深度分辨缺陷态剖面检测的有效手段，近年来在光伏电池、薄膜晶体管等领域得到了广泛应用。该技术通过在不同频率、不同交流电压激励和直流偏压条件下测量器件的电容变化，进而反演出深度方向上的载流子浓度及陷阱态分布，为深入研究光电材料器件内部的缺陷性质提供了重要支撑。
2、目前dlcp测试通常会获得大批量数据，涵盖多个电压、电压扫描方向、频率及交流激励电压条件。数据处理过程中常存在噪声大、拟合精度低、主观性强等问题，难以高效、准确地提取有效缺陷态信息。传统方法通常基于对不同频率下的c-v曲线分别计算深度-载流子浓度关系，再通过数据点间的直...
【技术保护点】
1.一种基于数学建模与人机交互可视化的DLCP数据分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于数学建模与人机交互可视化的DLCP数据分析方法，其特征在于，所述基于样本数据集生成深度-浓度样本曲线，针对深度-浓度样本曲线的左半部分、右半部分以及中间过渡部分分别构建对应的数学模型库，并基于随机一致性抽样方法及自适应拟合策略完成分段模型的参数确定与拟合包括：
3.根据权利要求2所述的基于数学建模与人机交互可视化的DLCP数据分析方法，其特征在于，所述第一段模型库包括对数函数模型1、偏态正态分布模型2以及对数正态分布模型3，所述第...
【技术特征摘要】
1.一种基于数学建模与人机交互可视化的dlcp数据分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于数学建模与人机交互可视化的dlcp数据分析方法，其特征在于，所述基于样本数据集生成深度-浓度样本曲线，针对深度-浓度样本曲线的左半部分、右半部分以及中间过渡部分分别构建对应的数学模型库，并基于随机一致性抽样方法及自适应拟合策略完成分段模型的参数确定与拟合包括：
3.根据权利要求2所述的基于数学建模与人机交互可视化的dlcp数据分析方法，其特征在于，所述第一段模型库包括对数函数模型1、偏态正态分布模型2以及对数正态分布模型3，所述第二段模型库包括对数函数模型4、偏态正态分布模型5以及对数正态分布模型6；
4.根据权利要求3所述的基于数学建模与人机交互可视化的dlcp数据分析方法，其特征在于，所述针对深度-浓度样本曲线的左半部分和右半部分，分别调用第一段模型库和第二段模型库，基于随机一致性抽样方法确定最优模型参数并生成拟合模型包括：
5.根据权利要求2所述的基于数学建模与人机交互可视化的dlcp数据分析方法，其特征在于，所述第三段模型库...
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。