[发明专利]一种基于遗传算法的低噪声放大器的优化设计方法

说明书

技术领域

本发明属于深亚微米RF CMOS集成电路领域，具体涉及对低噪声放大器（LNA）的优化设计。

背景技术

低噪声放大器一般处于最前端，因此它的性能对接收机的性能有着重大影响。它的主要功能主要是提供增益来放大信号并以较小的噪声系数抑制系统整体噪声，同时又需要与前端天线或天线滤波器匹配和保持较低的功耗。然而这些参数彼此紧密相关，无法各自进行优化，例如为了提高增益，通常会带来功耗的增加，而噪声优化和输入匹配的同时实现也有一定的困难。因此通常对这些参数折衷进行整体优化来满足整体性能要求，实际上这也是LNA设计的难点之一。

当今射频集成电路的优化设计基本依赖手动完成，通过仿真结果对电路进行反复模拟和修正，其设计时间和设计成本严重制约了它的发展。射频电路设计参数较多、抽象表达困难，对干扰敏感，且拓扑结构层出不穷，自动化优化设计的运算量巨大且随着电路规模增加而增加，严重制约了自动化优化设计的速度和规模。

模拟电路优化设计包括对电路性能的评估和求目标函数极值的数学优化算法。

目前的电路性能评估方法主要采用基于电路仿真器的电路性能评估技术，利用电路仿真器在每个迭代点对电路进行仿真，从仿真结果中提取出电路性能参数。由于SPICE系列仿真器的模型建立较为准确，因而前期工作量小且设计精度较高，然而随着迭代次数的增加，优化过程中的运算量将会非常大，耗时通常会非常长，且收敛性较差。如何建立一种运行速度较快、耗时较短、且设计精度满足设计要求的电路性能评估方法成为亟待解决的问题。

而求目标函数极值的数学优化算法，其实就是一种搜索过程或规则，通过一定的规则来得到满足要求的问题的解。许多传统的搜索算法收敛速度快、计算量小，但是受初始值选取影响较大，较易于收敛于较差的局部最优解。遗传算法(genetic algorithm)是一种借鉴生物界自然选择和自然进化机理发展起来的搜索算法，是一种模拟生命演化的算法，它具有较好的全局搜索性能，简单通用，鲁棒性较强，可以解决复杂优化问题。然而，基本的遗传算法也存在一定的问题，其一是早熟问题，即算法很快收敛到局部最优解而不是全局最优解，其二是不能保证全局优化的收敛性，因而对遗传算法的改进成为研究的目标。

发明内容

本发明克服了现有技术中的不足，公开了一种基于遗传算法的低噪声放大器的优化设计方法，解决了LNA设计中多目标优化的问题。以LNA中电路参数，如晶体管尺寸和无源器件值，作为变量，以LNA的阻抗匹配和晶体管的电流方程作为约束条件，以带精英策略的并行遗传算法作为全局搜索算法，对LNA的增益、噪声系数和功耗同时进行优化。这种优化方法可以快速得到电路的优化结果，十分适用于特定约束、性能和功能的电路设计。

一种基于遗传算法的低噪声放大器（LNA）的优化设计方法，包括以下步骤：

步骤一：确定LNA的电路结构；