[发明专利]基于动态空间映射的硅场效应管射频开关谐波预测方法

说明书

本发明公开了一种基于动态空间映射的硅场效应管射频开关谐波预测方法。建立射频开关的非线性电容等效电路作为粗模型；谐波平衡仿真获得输入信号及其输出信号，建立时域动态神经网络，用谐波平衡仿真获得的信号训练获得预测网络；通过实际测试输入信号及其输出信号，利用预测网络建立细模型，利用实际测试得到的信号训练，用训练后的细模型实现谐波预测。本发明方法结合了精细模型精度高和粗模型速度快的优点，预测静态神经空间映射中缺失的任何电容效应和非准静态效应，较等效电路模型能够准确预测谐波。

技术领域

本发明属于微波非线性建模领域的一种谐波预测方法，尤其是涉及一种基于动态空间映射神经网络的绝缘体上硅场效应晶体管(SOIFET)射频开关的谐波预测方法。

背景技术

射频开关是典型前端模块的重要组成部分，通常用于蜂窝手机中，作为外部世界与内部射频收发器和基带集成电路之间的接口。在摩尔定律的推动下，传统的互补金属氧化物半导体工艺已不能满足集成电路行业现代开关对更高集成度、更高功率和更高速率的要求，绝缘体上硅场效应晶体管以其优越的性能最初被开发用于数字应用。然而，绝缘体上硅场效应晶体管往往具有较高的非线性，当由大激励信号驱动时会产生不需要的谐波，这会导致电磁辐射杂散发射。因此，为射频开关的非线性行为开发准确的行为模型变得至关重要。

但是在不能充分得到内部物理结构参数的基础上，在电磁商用仿真软件中建立结合了基于物理的表面电势模型来描述晶体管的非线性和一个随电压变化的硅-二氧化硅反型层盒电容模型来描述衬底的非线性的混合等效电路模型无法预测真实的谐波输出。而且这种模型有近400多个参数，描述了绝缘体上硅场效应晶体管上如浮体效应，双极性效应，自热效应等多种物理效应，模型不开源无法优化，而且这些对非线性谐波的预测没有影响，从而提出了一种简化的极间非线性电容模型，只用来预测开关的非线性谐波效应。但是这种电路模型(即粗模型)还是无法完全匹配真实开关的行为(称为细模型)。

近年来，神经空间映射技术结合了神经网络和空间映射的概念，使用神经网络将给定的粗模型映射到满足非线性设备建模的设备数据的模型。研究证实，神经空间映射技术比起等效电路模型有更好的准确率，比起测试或全波仿真又更加简便和有效，它可以有效的预测射频开关的非线性谐波效应。

发明内容

为了解决背景技术中存在的问题，本发明方法的目的是针对现在粗模型精确度不够的情况，提供一种基于动态空间映射神经网络的绝缘体上硅场效应晶体管射频开关的谐波预测方法，对比等效电路模型实现了显著的性能和效率的提升，对比静态空间映射网络和直接用神经网络预测开关的输出信号也提高了准确率。

本发明方法的具体技术方案是：

过程一、针对绝缘体上硅场效应晶体管射频开关的非线性特性，建立一个射频开关的非线性电容等效电路，作为粗模型；

所述的射频开关由多个硅场效应晶体管构成；

过程二、对粗模型进行谐波平衡仿真获得粗模型的输入信号及其对应的输出信号，建立粗模型的输入信号与输出信号之间关系的时域动态神经网络，时域动态神经网络的输入为粗模型的输入信号，时域动态神经网络的输出为粗模型的输出信号，用谐波平衡仿真获得的粗模型的输入信号及其对应的输出信号训练时域动态神经网络获得预测网络，以实现粗模型的输出信号预测以替代谐波平衡仿真，用于后续空间映射神经网络技术的实现；

过程三、通过实际测试得到绝缘体上硅场效应晶体管射频开关的输入信号及其对应的输出信号，利用预测网络进一步建立细模型，利用实际测试得到的绝缘体上硅场效应晶体管射频开关的输入信号与输出信号对细模型进行训练，利用训练后的细模型对待测绝缘体上硅场效应晶体管射频开关的输入信号进行处理获得对应输出信号，实现谐波预测。

由此本发明通过时域动态神经网络建立动态输入映射和动态输出映射，调整粗模型的输入和输出，使得输出结果匹配细模型的输出结果，建立完整的动态空间映射神经网络，实现绝缘体上硅场效应管射频开关的谐波预测。