器件建模学习1

1.器件建模是如何在实际中进行的?它需要哪些组成部分?

答:器件建模是为了用公式来表征一个器件的各种性能,以求通过客户给出部分参数,然后通过PDK返回仿真的值用来帮助电路设计。器件建模关注的是“输入”和“输出”,中间的黑盒就是建立的网表模型。对于客户来说,输入是【器件尺寸】、【温度】、【finger的大小】,输出关注的是【寄生参数】、【FT】、【效率】、【beta】、【各种ic、ib、ie、vc、vb、ve之间的关系】、【高频效应】、【功率增益带宽积】、【噪声系数Fmin】、【 PAE效率】、【线性度】、【功率耗散】等等。所以,模型在经过输入的激励后,应该要产出客户需要的参数曲线的值。

对于建模工程师来说,输入是【模型测试数据】,输出是【模型网表】,然后再把网表放到PDK中,实际上PDK起【逻辑作用】的东西就是【网表】,其他东西都是用来建立【版图的图形缩放功能】【判断是否超出工艺DRC】【利用工艺参数和实际版图连接算出寄生参数分布】这些外接的内容。

输入的数据根据客户设计的要求,分为【静态特性】、【动态特性】。中间的黑盒就是【等效电路模型】和【仿真与测试数据的fitting】。其中,静态特性主要为【DC特性】,用来表征直流情况下,在偏置点附近的IV曲线的特征。主要有【各种偏置状态】、【各种调制和注入效应】

动态特性主要为【AC特性】,分为【单频点精确提取】和【多频点整体提取】两种方法。AC主要有【电容效应】【电荷效应】

模型测试数据的信号有大小之分,和直流数据比较,如果【信号幅度】小于【直流幅度】,不影响直流工作状态的话,就是【小信号建模】一般数据比较准确。如果【信号幅度】大到影响【直流幅度】,就是大信号建模,一般大信号建模很难完全建立准确。

2.器件建模的网表方案应该如何建立?

答:刚开始学习半导体器件的时候,困惑我的很重要的一点就是,书上写了很多公式原理,但是实际上很多值测试数据都不能直接测出来。另一方面,半导体原理中大多数的器件要精确求解,都要用到麦克斯韦方程等很多复杂计算的方程,对于用户来说每次设计电路都要考虑这么多的公式原理太费脑子了,而且并不是非常必要。客户应该建立在电路逻辑的设计上,去实现电路功能,而不应该花大半的时间在磨某个器件的各种特性。

所以,建模就很有必要了,实际上就是做个傻瓜器件,告诉客户你只要关注管子尺寸温度等很少的量,就能组合它们去设计复杂到令人发指的电路。其实,这和编程是一样的道理,越是复杂庞大的东西,越是以高级语言为主,让人可以少去关注"细节"这种对大部分设计思路不友好的东西。写小说也是一样的,大纲的架构可以帮助作者日更6千都不是问题。

回到正题,器件网表方案应该如何建立呢?

有个聪明人想到了一个办法,既然元器件可以设计电路,那么在元器件内部,当联通电信号的时候,是不是也可以看作是电路呢?

所以,就诞生了器件的等效电路。但凡,两个金属层有交叠的地方,就产生一个电容,边缘的地方也有个边缘电容;任意物质接上电,就存在一个电阻,区别是电阻率大小而已,特别大的就没法导通了嘛,另外,当温度升高的时候,有些材料的阻值下降,而大多数材料阻值有上升;任意一个导电的块状物质,在交流的时候,存在个啥的【趋肤效应】,所以在这个块状的内部,电荷就像倾斜的水杯一样,是不均匀的。交变的磁场穿过这个闭合回路,然后就出现一个沿着边缘遛弯的感生电动势(涡流),从而就在边上一圈圈往里头的产生了电感,仿佛往河里丢了一颗石子泛起波澜。另外,除了这些,还有一些独特的结构,电流从A端跑到了另外一端B,那么它是不是就相当于A给B提供了一个电源,所以当它老是这么固定得跑的时候,A就成了一个蓄水池,然后每次从外面进来的水,就成了蓄水池的供给。水来的方式有几种,河水江水的持续灌溉(外接电流、电压)、下雨(磁场)、泥土的渗水(泄漏电流)、地下河(器件内部的各种电流供给)等等,不过有些情况下,我们考虑不了这么多水的来源,只要抓住主体的水流供给就能得到想要的值了。当A蓄满水的时候,或者它蓄了一点点水的时候,它都可以用来实时开闸放水,只要外面的供给和蓄水池的速度配合好就行,而它放水也不是全部放给B的,只是主要放给它。因为放水需要挖掘渠道,所以在传输的过程中,包括蒸发(发光、发热等能量耗散),向地下渗透,甚至临时有雨水汇进来都是可能的,所以电流也是如此。最终,到达B的才是我们真正在B端使用的电流,然后再由B端接到外面,这过程中导线也相当于沟渠,也会遗失很多。

当然,有电流能当蓄水池,当然电压也能当蓄水池了,这和结构无关,因为它们实现的都是供电的功能。如果,光能在器件内部作为信号的供给,那么这个蓄水池就是光控流源了。所以,平时我们关注的就是“是啥成为了蓄水池?”电流么?还是电压?如果是电流,那就是电流源,如果是电势,那就是电压源。无非就是能量的载体是什么的区别而已。

其实,我个人觉得电压源和电流源应该这么表示,电流源本质上是电流的蓄水池,而电压源本质上是一个电势升高的一个梯子,一个抽水泵,把东西挪到能量环境不同的地方去,而不是像电流一样给它本身增加重量。当然,这个符号对于设计师来说太丑了,暂且不表。

至于受控源是啥东西,我觉得其实没有必要单独提出个受控的概念,万物都是互为里表,对于部分非本征的内部电流来说,它就是受控于外部接得电流或电压。其实就是在上面图上,加上个几个级,没什么差别。

然后,一个器件中的很多部分就能用电路连接起来了,但是这些电路并不能完全fitting器件啊,这是因为什么?因为器件存在各种各样的奇葩的效应还有很多内部或外部造成的噪声叠加进去,这些都是需要放在模型里头的,因为测试的时候本身就没法避免这部分因素。至于奇葩效应,大多数是因为从一个世界过渡到另一个世界,然后换用公式了,所以自然原来公式就不准了。很多因为热导致器件内部电流受到影响,因为光和磁场干扰的影响,还有很多耗散在电路中的东东,甚至工艺上存在3sigma的工艺偏差等等内容。

所以,建模第一步是研究半导体器件的物理结构,比如衬底、有源区、欧姆接触、寄生引线、焊盘这些物理上存在的功能和部件,研究它们之间的物理公式关系。

第二步,就是构建相应的电路拓补,如欧姆接触等效为电阻,馈线引线等效为电感、焊盘等效为电容和电阻的网络。 

 

 

 

  • 9
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MEMS惯性器件是一种基于微机电系统技术的惯性测量装置,具有小型化、低功耗、低成本等优点,在惯性导航、运动控制、姿态估计等领域得到广泛应用。然而,由于器件制造过程和环境等因素的影响,MEMS惯性器件会产生一定的误差,影响其测量精度和稳定性。为了提高MEMS惯性器件的精度和可靠性,需要对误差进行建模和补偿。 目前,对MEMS惯性器件误差建模和补偿的方法主要包括以下几种: 1. 基于传统的误差模型:这种方法将MEMS惯性器件的误差建模为一个数学模型,如零偏误差、比例误差、随机漂移等,并根据实验数据对模型参数进行估计和校正,以提高测量精度和稳定性。 2. 基于神经网络的误差建模:神经网络是一种强大的非线性建模工具,可以学习器件的输入和输出之间的复杂关系,并根据训练数据对误差进行建模和预测。这种方法可以提高模型的精度和适应性,但需要大量的训练数据和计算资源。 3. 基于卡尔曼滤波的误差补偿:卡尔曼滤波是一种递归估计方法,可以利用测量和模型预测的信息对误差进行实时补偿。这种方法可以提高系统的稳定性和鲁棒性,但需要对器件的动态特性和噪声特性进行精确建模。 4. 基于粒子滤波的误差补偿:粒子滤波是一种基于蒙特卡罗模拟的非参数滤波方法,可以对复杂的非线性系统进行估计和预测。这种方法可以处理非高斯噪声和非线性系统,适用于复杂环境下的惯性导航和姿态估计等应用。 总之,MEMS惯性器件误差建模和补偿是提高其测量精度和可靠性的关键技术之一,需要根据具体应用选择合适的方法,并结合器件的特性和环境因素进行优化和改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值