[发明专利]一种提取带陷阱耦合效应的随机电报噪声信号的方法

说明书

本发明公布了一种提取带陷阱耦合效应的随机电报噪声信号的方法，基于隐马尔可夫模型，从实测的带有噪声的漏电流信号中，提取得到干净且带有耦合信息的随机电报噪声；包括：根据得到的漏电流信号，设定器件中的陷阱个数N_trap的范围；针对每一个N_trap值，进行一次完整的建模提取，得到对应的随机电报噪声信号RTN(t)；分别对每个N_trap值计算得到对应的贝叶斯信息标准BIC；将贝叶斯信息标准BIC最小值所对应的N_trap下的提取结果RTN(t)作为真实的随机电报噪声信号，完成依赖于隐马尔可夫模型的随机电报噪声信号的提取。本发明提取的RTN能够真实反映陷阱之间的相互影响，同时不会受态缺失的影响。

技术领域

本发明属于微电子器件领域，涉及随机电报噪声信号提取方法，尤其涉及一种基于隐马尔科夫模型提取带有陷阱耦合效应的随机电报噪声信号的方法。

背景技术

随着半导体器件尺度的不断缩小，栅介质中的陷阱个数逐渐减少，陷阱行为的随机性特点愈发凸显，引起了越来越多的重视。器件中陷阱的存在，会对器件特性和电路造成严重的影响，比如，造成逻辑电路的延时增加，静态随机存储器(SRAM)读取失效等。因此，研究小尺寸器件中的陷阱行为，全面掌握陷阱的基本特性对于预测电路的退化特性以及电路的可靠性设计具有重要意义。

陷阱具有随机俘获和发射沟道载流子的特性，使得漏电流的状态发生相应的变化，产生随机涨落，即随机电报噪声(RTN)。因此，对于陷阱行为的研究主要依赖于RTN现象的研究。RTN的测量，主要是直接检测一定栅电压下漏电流的状态。由于实际测试时，不可避免地存在有噪声，因此，实际操作时，很难得到“干净”的RTN信号。

由于RTN的产生机制，符合隐马尔可夫模型(HMM)，因此，可以利用HMM，从带有噪声的实测信号中提取得到“干净”的RTN信号。目前采用的HMM提取办法，假设器件中的陷阱相互独立，即陷阱之间不存在耦合效应，进而提取出RTN信号。然而，实际中，陷阱之间存在着强弱不同的耦合，即一个陷阱的占据与否，会影响另一个陷阱的特性(包括幅度、俘获时间常数、发射时间常数)。耦合效应会对器件特性和电路特性造成很大的影响。不仅如此，由于陷阱俘获和发射沟道载流子，具有很大的随机性，平均俘获和发射时间也因陷阱而异，实际测量存在着测量窗口，并不一定能观察到陷阱的全部行为，由此存在着态缺失的情况，使得RTN的提取更加困难。因此，现有方法难以实现从实测的信号中提取出干净且带有耦合的RTN信号。

发明内容

为了克服上述现有技术的不足，本发明提供一种提取带陷阱耦合效应的随机电报噪声信号的方法，该方法基于隐马尔可夫模型，实现从实测的带有噪声的漏电流信号中提取出干净且带有耦合信息的随机电报噪声。

本说明书中，隐马尔可夫模型所涉及的参数定义如下：

N_trap：器件中的陷阱个数；

N_state：RTN的隐状态个数，

下标i：RTN的隐状态，i∈[1,2,...N_state]；

A_i：隐状态i对应的电流值，即不存在噪声情况下的电流值；

O_i：隐状态i对应的电流观测值，即存在噪声情况下的电流值，具有随机性，服从

高斯分布，O_i～N(A_i,σ²)，其中，N(A_i,σ²)表示，均值为A_i，标准差为σ的高斯分布；