[发明专利]基于神经网络的HMET散射参数提取方法、系统及存储介质

说明书

本发明公开了一种基于神经网络的HMET散射参数提取方法、系统及存储介质，提取方法包括：获取高电子迁移率晶体管的若干组散射参数样本数据；抽取若干组散射参数样本数据中的部分组训练神经网络，神经网络包括彼此分离的第一神经网络和第二神经网络；将若干组散射参数样本数据中的剩余组测试神经网络；当神经网络测试通过，则获取待测高电子迁移率晶体管的测试参数并输入到神经网络以输出待测高电子迁移率晶体管的散射参数；否则，继续训练神经网络，直至神经网络测试通过。该发明对采用两个彼此独立的神经网络对高电子迁移率晶体管的散射参数进行提取，速度快、准确率高及成本相对不高。本发明广泛应用于高电子迁移率晶体管散射参数的提取。

技术领域

本发明涉及高电子迁移率晶体管散射参数的提取，尤其涉及一种基于神经网络的HMET散射参数提取方法、系统及存储介质。

背景技术

高电子迁移率晶体管(High electron mobility transistor，HMET)：利用异质结或调制掺杂结构中二维电子气高迁移率特性的场效应晶体管。本文中的HMET结构为调制掺杂异质结，在其界面与本征半导体构成一个电子势阱(近似为三角形)，势阱中的电子即为高迁移率的二维电子气(2-DEG)。电子在势阱中不遭受电离杂质散射，因此，电子迁移率很高。因为HMET具有二维电子气这种特征，使得其有高迁移率特性，所以不同与一般的晶体管。

二端口网络：具有2个端口的电路或装置，端口与电路内部网络相连接，它能将电路的整体或一部分用它们相应的外特性参数来表示。

散射参数(S参数)：微波传输中的一组重要参数，用来表征射频元件或网络的电气属性或性能。

在对HMET结构的器件进行研究时，一般需要提取S参数值以便计算出半导体器件的本质参数：寄生参数，这对于半导体器件的设计有着重要的意义。而目前S参数的测试是在二端口下用网络分析仪测试得出的，网络分析仪通过对一个GaAs的HMET二端口器件输入功率或者电压，然后对二端口器件进行测试反射回来和入射的功率及电压，从而计算出来S参数值。二端口的网络结构可以简单的用如图1所示的结构表示，在二端口网络中还会涉及到Y参数(导纳参数)，Z参数(阻抗参数)，这些参数对于求HMET结构器件的内部参数都有用，可以从S参数变换得出Y、Z参数，所以关键还是测出S参数。

S参数根据下标对应的输入端口和输出端口的不同分为S₁₁、S₂₂、S₂₁及S₁₂四个不同的系数，S₁₁代表的是输入反射系数，S₂₂代表输出反射系数，需要注意的是在S₁₁及S₂₂端口一般接50Ω的电阻进行端口匹配，S₂₁代表正向传播系数，S₁₂代表反向传播系数，S参数表示为矩阵形式如下：

其中，是输入端口反射电压，是输出端口反射电压，是输入端口入射电压，是输出端口入射电压。四个S参数值的计算公式如下：

其中，Γ_i代表输入反射系数，Γ_o代表输出反射系数。

上述目前的S参数提取方法，采用二端口网络分析仪测试，过程繁琐、复杂，测试时间长，而且实验测试过程中的不当操作还可能导致测试结果误差大。同时，网络分析仪的仪器价格贵，需要专业人员经过培训学习后才能使用，物质成本和人工成本太高。

发明内容

有鉴于此，本发明实施例的目的是提供一种基于神经网络的HMET散射参数提取方法、系统及存储介质。该发明对采用两个彼此独立的神经网络对高电子迁移率晶体管的散射参数进行提取，速度快、准确率高及成本相对不高。