CN109657390A - 一种射频集成制造中工艺ip统计建模方法 - Google Patents
一种射频集成制造中工艺ip统计建模方法 Download PDFInfo
- Publication number
- CN109657390A CN109657390A CN201811617109.4A CN201811617109A CN109657390A CN 109657390 A CN109657390 A CN 109657390A CN 201811617109 A CN201811617109 A CN 201811617109A CN 109657390 A CN109657390 A CN 109657390A
- Authority
- CN
- China
- Prior art keywords
- model
- technique
- parameter
- statistical
- band
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 123
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000013179 statistical model Methods 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 16
- 238000005538 encapsulation Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 241001269238 Data Species 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 238000013461 design Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012942 design verification Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种射频集成制造中工艺IP统计建模方法，该方法通过数据处理、算法建模和仿真模型包构建等主要环节，快速有效地实现了工艺制造能力波动水平分析的一体化工艺IP建模方案。
Description
技术领域
本发明涉及射频微波建模仿真技术领域，特别涉及一种射频集成制造中工艺IP统计建模方法。
背景技术
射频微波系统集成制造中的集成工艺，如典型组件或器件封装中常用的金丝键合、垂直互联、水平过渡结构等，其电性能指标对制造工艺中的材料参数、介质厚度、布线尺寸、加工过程等十分敏感。集成工艺对保证射频微波系统的电性能，尤其射频信号传输有十分重要的作用。仿真设计时若忽略系统集成过程中工艺波动的影响，往往导致产品预期性能与最终性能存在较大差异，从而增加产品调试工作量。
现有射频建模方法代表性的主要是等效电路建模、经验模型等方法。当前缺乏一种可以对制造工艺波动进行仿真建模，从而快速有效分析的方法。
而在射频仿真领域，一般通过电磁全波仿真软件，如HFSS/CST，进行射频传输结构分析；另一方面，射频EDA仿真软件，如安捷伦ADS(Advanced Design System)、Cadence软件从链路角度，依靠软件提供的模型可以实现系统级的快速仿真分析功能。但射频微波集成制造中工艺参数种类繁多，部分结构的工艺参数无法进行批量准确量化，缺乏可以实现射频集成制造能力波动水平分析的工艺IP建模方法。
在实际研究应用中存在以下问题：
1)不同建模算法一般仅适用于特定射频元器件对象，模型发展难以跟上工程化应用的快速需求，不能满足分析实际制造能力的工艺IP建模需求；
2)现有射频仿真软件提供的方案不能有效解决快速仿真验证和制造水平对系统性能影响程度分析两个综合性问题；
3)集成制造环节与射频设计环节存在脱离，亟需一种标准的可扩展的方法将工艺水平分布规律以设计可便捷使用的工艺IP模型库的形式进行反映。
发明内容
为了克服现有技术的上述缺点，本发明提供了一种射频集成制造中工艺IP统计建模方法。
本发明的技术方案如下：
一种射频集成制造中工艺IP统计建模方法，包括如下步骤：
1)测量并采集测试样本在工作频段内的S参数值为样本数据集；
2)将工作频段划分为多个子频段，并计算某一S参数值在子频段内的均值mS；
3)根据步骤2)所得均值mS，建立分布统计模型S～F(θ,mS)，表示样本数据S参数值服从分布函数F，其中，θ为分布参数；
4)建立子频段电性能映射模型：
S＝N(fn,mS,w)
其中，N表示建模所采用的连续映射模型，S表示模型输出的电性能参数，fn表示仿真时信号流的工作频点，w是模型N中的各类系数参数；
5)根据步骤3)和步骤4)，建立工艺IP统计模型。
与现有技术的视角不同，本发明的目的是从工艺IP模型开发应用入手，提出一种可以将制造工艺水平能力进行统计建模，可快速准确地实现模型开发、集成封装及更新维护的一体化方案，特别适用于射频微波集成工艺的电性能分布特性的统计建模与仿真应用。本发明，对集成制造中工艺IP的电性能数据进行统计建模，将制造工艺水平通过标准IP库的形式真实反馈给设计者供其仿真调用，进而，使得系统级的仿真中可以涵盖工艺制造能力分析，仿真可以快速有效地验证工艺制造水平对系统性能的影响，有利于缩短设计验证周期。
步骤2)中，样本数据集经过数据预处理模块按典型应用频段划分出子频段，某一S参数值视关注点不同而选取。
步骤3)中，以步骤2)得到的均值mS作为统计变量，采用正态分布或其它分布函数，以子频段为统计单位，分别建立以各样本该子频段内的均值mS为统计变量的分布统计模型S～F(θ,mS)。建模质量评价指标采用样本均方差和皮尔森相关系数。当工艺IP样本数据不断积累增加，需要重新对样本集进行统计分布建模，并更新分布参数θ。
进一步地，上述射频集成制造中工艺IP统计建模方法，还包括模型参数编码步骤，将模型中用于表征工艺IP特性的各类建模参数，通过编码进行封装。
进一步地，上述射频集成制造中工艺IP统计建模方法，还包括：根据步骤5)所得的工艺IP统计模型，生成仿真模型包。
进一步地，步骤2)所述某一S参数值是指各样本之间离散较大的S参数值。
进一步地，步骤4)中，将各样本的子频段均值mS与全频段的S参数曲线对应，形成以频段划分的多个建模数据集，从而分别建立各子频段映射模型。
各样本的全频段频点序列fn、子频段均值mS与全频段的S参数曲线对应关系如下表所示：
优选地，所述连续映射模型N为三层或大于三层的多层神经网络及对应的BP训练算法。
当工艺IP样本数据不断积累增加，需要更新工艺IP模型库时，需重新建立上述映射模型N，更新原模型参数w。
进一步地，步骤5)中，所述工艺IP统计模型的可调参数包括所选频段的起始频点和截至频点、所选频段内的分布统计概率；根据所选频段，算法自动适配模型N，继而仿真计算出S参数在频段内的分布情况。
进一步地，所述模型参数编码方式为：
将步骤2)划分出的子频段、步骤3)建模得到的统计模型分布参数θ、某一S参数值在所有子频段内的均值mS、步骤4)所得的各子频段的连续映射模型N中的各类系数参数w，用编码模块封装，加入文件校验码，得模型参数文件。
为防止应用中出现模型数据错误，在模型参数文件中加入文件校验码。当因工艺IP样本数据不断积累增加，需要更新工艺IP模型库时，仅需将新增统计样本的mS、利用新数据建模后的统计模型分布参数θ、模型N的相关参数w重新进行编码封装，替换原模型参数文件。
进一步地，生成所述仿真模型包的方法为：
利用步骤5)所得的工艺IP统计模型，根据EDA仿真软件环境，增加必要的仿真信号前后处理模块，模型加载协议，再采用仿真软件兼容的程序代码编译生成定制化的调用程序接口文件，即得仿真模型包。
进一步地，所述程序接口文件，用于仿真软件调用，具有供仿真用户进行分布参数设置和模型参数文件配置的接口。
采用上述技术方案，本发明的积极效果是：
本发明提出了一种射频集成制造中工艺IP统计建模方法，该方法通过数据处理、算法建模和仿真模型包构建等主要环节，快速有效地实现了工艺制造能力波动水平分析的一体化工艺IP建模方案。
基于本发明，可以对射频集成制造能力科学有效的进行分析建模，并反馈给设计环节，用于指导仿真设计；使得产品在仿真设计环节中所表现出来的性能更贴近实际制造情况，从而可缩短产品的设计验证周期；本发明的建模方法具有可扩展性：对建模算法具有兼容性，并不局限于某种特定统计分布模型或神经网络算法，可以随建模理论的更新发展，以及工艺IP数据的积累，对工艺IP模型库进行持续修正和丰富；具有良好的可维护性，采用模块化建模封装方法，使得模型库更新维护方便，可以据需求仅更新模型包中的单个文件，便于快速响应新工艺的建模封装需求；特别的，本发明将工艺IP模型分解为模型结构文件和模型参数文件，由于模型结构文件仅包含算法结构和仿真信号接口，可以通过更改仿真信号接口方便移植到不同仿真环境中，而模型参数文件采用编码模块进行封装并由模型结构文件中的解码模块加载，可以方便的在各类计算平台上应用和更新维护。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明实施例中射频集成制造中工艺IP统计建模方法流程图。
图2为本发明实施例中模型结构文件中的算法结构。
图3为本发明实施例中模型参数文件中的数据结构。
图4为本发明实施例中EDA仿真中工艺IP模型工作原理。
图5为本发明实施例中针对ADS开发的具有统计分析特性的工艺IP模型。
图6为本发明实施例中ADS中使用工艺IP模型统计分析示例。
图7为本发明实施例中在ADS仿真得到的工艺IP模型的制造性能3Sigma分布S参数曲线。
具体实施方式
一种射频集成制造中工艺IP统计建模方法，包括如下步骤：
1)测量并采集测试样本在工作频段内的S参数值为样本数据集；
2)将工作频段划分为多个子频段，并计算某一S参数值在所有子频段内的均值mS；
3)根据步骤2)所得均值mS，建立分布统计模型S～F(θ,mS)，表示样本数据S参数值服从分布函数F，其中，θ为分布参数；
4)建立子频段电性能映射模型：
S＝N(fn,mS,w)
其中，N表示建模所采用的连续映射模型，S表示模型输出的电性能参数，FN表示仿真时信号流的工作频点，w是模型N中的各类系数参数；
5)根据步骤3)和步骤4)，建立工艺IP统计模型。
与现有技术的视角不同，本发明的目的是从工艺IP模型开发应用入手，提出一种可以将制造工艺水平能力进行统计建模，可快速准确地实现模型开发、集成封装及更新维护的一体化方案，特别适用于射频微波集成工艺的电性能分布特性的统计建模与仿真应用。本发明，对集成制造中工艺IP的电性能数据进行统计建模，将制造工艺水平通过标准IP库的形式真实反馈给设计者供其仿真调用，进而，使得系统级的仿真中可以涵盖工艺制造能力分析，仿真可以快速有效地验证工艺制造水平对系统性能的影响，有利于缩短设计验证周期。
上述射频集成制造中工艺IP统计建模方法，还包括模型参数编码步骤，将模型中用于表征工艺IP特性的各类建模参数，通过编码进行封装。
上述射频集成制造中工艺IP统计建模方法，还包括：根据步骤5)所得的工艺IP统计模型，生成仿真模型包。
实施例
基于制造的射频集成工艺IP统计建模及应用方法，方案总的流程如图1所示，包括工艺IP模型数据处理、算法建模和仿真模型构建等主要环节，该方案的主要步骤包括：
步骤1：获取建模样本数据集；
为有效的进行建模，针对同一种工艺IP按照常规标准制造工艺，得到M个(30个以上)测试样件，对测试样件进行电性能参数测量，测量结果包含工作频段内的S参数值；
步骤2：数据预处理；
上述步骤1获取的样本数据集，须经过数据预处理模块按典型应用频段划分出子频段，并计算各样本的S11在所有子频段内的均值(用变量mS11描述)；
步骤3：标准统计模型建立
将步骤2得到的均值作为统计变量，采用正态分布函数，按子频段分别建立以各样本的S11均值为统计变量，即mS11的分布统计模型，得到各子频段统计模型的分布参数θ，具体为均值μ和标准差σ。
建模质量评价指标采用样本均方误差和皮尔森相关系数。
当工艺IP样本数据不断积累增加，需要重新对样本集进行统计分布建模，并更新分布参数θ；
步骤4：建立子频段电性能映射模型
表1建模数据集格式
各样本的子频段均值mS11与全频段的S参数曲线进行对应，如表1，形成以频段划分的多个建模数据集，继而分别建立各子频段映射模型：
S＝N(f,mS11,w)
其中N表示建模所采用的连续映射模型，不同的子频段得到的模型N具有不同参数w，S表示模型输出的电性能参数，F表示某一工作频点，由所有子频段模型N构成一个工艺IP的全频段分布特性。
具体的，数据建模所采用的算法N以实现对样本集的精确拟合为建模评价标准，可以是三层或大于三层的多层神经网络及对应的BP(Back Propagation)训练算法。
当工艺IP样本数据不断积累增加，需要更新工艺IP模型库时，需重新建立上述映射模型N，替换原模型参数w。
步骤5：建立对应于建模算法的模型结构文件
基于步骤三和步骤四建立具有统计分布分析功能的工艺IP统计模型，算法结构如图2所示。
具体的工艺IP统计模型可调参数为：
1)典型关注频段的起始频点、截止频点；
2)在选定频段后，可设置分布统计概率；再由统计模型计算出该概率对应下的mS11。若统计模型采用正态分布律，则可直接设置Sigma(标准差)：n，mS11则等于μ+nσ，如，μ±σ、μ±2σ、μ±3σ。
根据设置的关注频段，算法自动适配模型N，继而仿真计算出S参数在频段内的分布情况。
步骤6：将所建模型编码成模型参数文件
特别的，本发明对模型中用于表征工艺IP特性的各类建模参数，通过编码进行独立封装，如图3所示。
具体编码方式是，将步骤2划分出的子频段、步骤3中建模得到的统计模型分布参数θ、按子频段分类的统计变量mS11、步骤4所建各子频段的连续映射模型N的结构、系数等参数w，用编码模块封装；为防止应用中出现模型数据错误，在模型参数文件中加入了文件校验码；最后得到模型参数文件；
当因工艺IP样本数据不断积累增加，需要更新工艺IP模型库时，仅需将新增统计样本的mS11、利用新数据建模后的统计模型分布参数θ、模型N的参数w重新进行编码封装，替换原模型参数文件。
步骤7：据EDA仿真环境应用需求，编译生成供仿真软件调用的程序接口文件，即得到仿真模型包。
具体的，工艺IP模型是具有用户可配置功能的通用统计模型结构，适用于具有相同建模方法而工艺类型不同的建模。实施例中针对ADS环境，将模型结构文件编译生成.dll文件(dynamic link library)，将模型参数文件封装为.mdl文件(model)。
模型工作原理如图4所示，配置好模型统计分析参数后，仿真引擎运行调用.dll文件，并在模型结构文件中动态载入配置的.mdl，最后结合仿真信号流中的频率信息计算出电性能S参数。所开发的ADS实例化模型和应用示例如图5和图6所示，可以设置分布参数Sigma，Freqs、FreqE分别设置关注子频段的起始频点和截止频点，FileDir和Filennet分别设置为模型参数文件所在的路径和文件名。
本发明提出的基于制造的射频集成工艺IP统计建模及应用方法，数据获取方便，可以兼容现有建模理论，可以随工艺IP数据的积累进行修正和丰富，通过对关键建模应用环节的整合以及模块化处理，有利于将制造工艺水平科学有效地反馈给设计环节，在仿真设计环节即可实现对工艺水平分布情况及其对电性能影响的分析。采用本发明提出的方法在ADS环境中建立的仿真模型如图5所示，其中为验证模型在±3Sigma边界，关注频段18GHz至24GHz的分布情况，针对射频集成中的一个垂直过渡结构建模封装，并通过参数扫描模式得到了统计的S参数曲线边界，仿真效果如图7所示。
Claims (10)
1.一种射频集成制造中工艺IP统计建模方法，其特征在于，包括如下步骤：
1)测量并采集测试样本在工作频段内的S参数值为样本数据集；
2)将工作频段划分为多个子频段，并计算某一S参数值在所有子频段内的均值mS；
3)根据步骤2)所得均值mS，建立分布统计模型S～F(θ,mS)，表示样本数据S参数值服从分布函数F，其中，θ为分布参数；
4)建立子频段电性能映射模型：
S＝N(fn,mS,w)
其中，N表示建模所采用的连续映射模型，S表示模型输出的电性能参数，FN表示仿真时信号流的工作频点，w是模型N中的各类系数参数；
5)根据步骤3)和步骤4)，建立工艺IP统计模型。
2.如权利要求1所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，还包括模型参数编码步骤，将模型中用于表征工艺IP特性的各类建模参数，通过编码进行封装。
3.如权利要求1所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，还包括：根据步骤5)所得的工艺IP统计模型，生成仿真模型包。
4.如权利要求1所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，步骤2)所述某一S参数值是指各样本之间离散较大的S参数值。
5.如权利要求1所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，步骤4)中，将各样本的子频段均值mS与全频段的S参数曲线对应，形成以频段划分的多个建模数据集，从而分别建立各子频段映射模型。
6.如权利要求5所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，所述连续映射模型N为三层或大于三层的多层神经网络及对应的BP训练算法。
7.如权利要求1所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，步骤5)中，所述工艺IP统计模型的可调参数包括所选频段的起始频点和截至频点、所选频段内的分布统计概率；根据所选频段，算法自动适配模型N，继而仿真计算出S参数在频段内的分布情况。
8.如权利要求2所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，所述模型参数编码方式为：
将步骤2)划分出的子频段、步骤3)建模得到的统计模型分布参数θ、某一S参数值在所有子频段内的均值mS、步骤4)所得的各子频段的连续映射模型N中的各类系数参数w，用编码模块封装，加入文件校验码，得模型参数文件。
9.如权利要求3所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，生成所述仿真模型包的方法为：
利用步骤5)所得的工艺IP统计模型，根据EDA仿真软件环境，增加必要的仿真信号前后处理模块，模型加载协议，再采用仿真软件兼容的程序代码编译生成定制化的调用程序接口文件，即得仿真模型包。
10.如权利要求9所述的一种射频集成制造中工艺IP统计建模方法，其特征在于，所述程序接口文件，用于仿真软件调用，具有供仿真用户进行分布参数设置和模型参数文件配置的接口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811617109.4A CN109657390A (zh) | 2018-12-28 | 2018-12-28 | 一种射频集成制造中工艺ip统计建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811617109.4A CN109657390A (zh) | 2018-12-28 | 2018-12-28 | 一种射频集成制造中工艺ip统计建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109657390A true CN109657390A (zh) | 2019-04-19 |
Family
ID=66117295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811617109.4A Pending CN109657390A (zh) | 2018-12-28 | 2018-12-28 | 一种射频集成制造中工艺ip统计建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657390A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705118A (zh) * | 2019-10-11 | 2020-01-17 | 合肥工业大学 | 工业控制系统的网络实验平台及其构建方法 |
| CN112270394A (zh) * | 2020-11-24 | 2021-01-26 | 江苏科睿坦电子科技有限公司 | 一种提高rfid电子标签使用性的方法和装置 |
| CN112861456A (zh) * | 2021-01-29 | 2021-05-28 | 中国电子科技集团公司第二十九研究所 | 工艺ip仿真模型封装及库管理方法及系统、存储介质 |
| US11368847B2 (en) | 2019-11-11 | 2022-06-21 | Institute For Information Industry | Networking behavior detector and networking behavior detection method thereof for indoor space |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040030667A1 (en) * | 2002-08-02 | 2004-02-12 | Capital One Financial Corporation | Automated systems and methods for generating statistical models |
| JP2005107878A (ja) * | 2003-09-30 | 2005-04-21 | Toshiba Corp | 半導体プロセス技術情報の提供システム、提供方法、及び購入方法 |
| US20060229753A1 (en) * | 2005-04-08 | 2006-10-12 | Caterpillar Inc. | Probabilistic modeling system for product design |
| WO2006116766A1 (en) * | 2005-04-27 | 2006-11-02 | The Regents Of The University Of California | Physics-based statistical model and simulation method of rf propagation in urban environments |
| CN101313487A (zh) * | 2005-08-17 | 2008-11-26 | T.O.P优化技术公司 | 用于无线通信系统中外环功率控制的方法和装置 |
| CN101339577A (zh) * | 2008-08-07 | 2009-01-07 | 中国电子科技集团公司第十研究所 | 基于支持向量回归机的平板裂缝天线建模方法 |
| CN101655882A (zh) * | 2009-07-24 | 2010-02-24 | 上海宏力半导体制造有限公司 | 基于统计模型最差情况的建模方法 |
| CN102521470A (zh) * | 2011-12-31 | 2012-06-27 | 中国人民解放军92232部队 | 基于xml模式的雷达仿真系统 |
| CN102595435A (zh) * | 2011-01-04 | 2012-07-18 | 中国移动通信集团公司 | 一种对等外场测试环境的构建方法和装置 |
| CN104679960A (zh) * | 2015-03-13 | 2015-06-03 | 上海集成电路研发中心有限公司 | 一种射频变容器的统计建模方法 |
| CN108345749A (zh) * | 2018-02-11 | 2018-07-31 | 中国电子科技集团公司第二十九研究所 | 射频集成工艺容差与电性能耦合特性的建模与封装方法 |
| CN108768550A (zh) * | 2018-06-21 | 2018-11-06 | 中国人民解放军国防科技大学 | 基于动态多核带宽广义回归神经网络算法的宽频段发信机非线性建模方法 |
-
2018
- 2018-12-28 CN CN201811617109.4A patent/CN109657390A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040030667A1 (en) * | 2002-08-02 | 2004-02-12 | Capital One Financial Corporation | Automated systems and methods for generating statistical models |
| JP2005107878A (ja) * | 2003-09-30 | 2005-04-21 | Toshiba Corp | 半導体プロセス技術情報の提供システム、提供方法、及び購入方法 |
| US20060229753A1 (en) * | 2005-04-08 | 2006-10-12 | Caterpillar Inc. | Probabilistic modeling system for product design |
| WO2006116766A1 (en) * | 2005-04-27 | 2006-11-02 | The Regents Of The University Of California | Physics-based statistical model and simulation method of rf propagation in urban environments |
| CN101313487A (zh) * | 2005-08-17 | 2008-11-26 | T.O.P优化技术公司 | 用于无线通信系统中外环功率控制的方法和装置 |
| CN101339577A (zh) * | 2008-08-07 | 2009-01-07 | 中国电子科技集团公司第十研究所 | 基于支持向量回归机的平板裂缝天线建模方法 |
| CN101655882A (zh) * | 2009-07-24 | 2010-02-24 | 上海宏力半导体制造有限公司 | 基于统计模型最差情况的建模方法 |
| CN102595435A (zh) * | 2011-01-04 | 2012-07-18 | 中国移动通信集团公司 | 一种对等外场测试环境的构建方法和装置 |
| CN102521470A (zh) * | 2011-12-31 | 2012-06-27 | 中国人民解放军92232部队 | 基于xml模式的雷达仿真系统 |
| CN104679960A (zh) * | 2015-03-13 | 2015-06-03 | 上海集成电路研发中心有限公司 | 一种射频变容器的统计建模方法 |
| CN108345749A (zh) * | 2018-02-11 | 2018-07-31 | 中国电子科技集团公司第二十九研究所 | 射频集成工艺容差与电性能耦合特性的建模与封装方法 |
| CN108768550A (zh) * | 2018-06-21 | 2018-11-06 | 中国人民解放军国防科技大学 | 基于动态多核带宽广义回归神经网络算法的宽频段发信机非线性建模方法 |
Non-Patent Citations (3)
| Title |
|---|
| 王凤美: "基于神经网络的射频和微波无源器件建模与仿真实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
| 甘一鸣等: "基于射频功放非线性建模的欺骗干扰识别", 《舰船电子对抗》 * |
| 闫淑霞: "基于神经网络的微波射频器件建模", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705118A (zh) * | 2019-10-11 | 2020-01-17 | 合肥工业大学 | 工业控制系统的网络实验平台及其构建方法 |
| CN110705118B (zh) * | 2019-10-11 | 2023-07-25 | 合肥工业大学 | 工业控制系统的网络实验平台及其构建方法 |
| US11368847B2 (en) | 2019-11-11 | 2022-06-21 | Institute For Information Industry | Networking behavior detector and networking behavior detection method thereof for indoor space |
| CN112270394A (zh) * | 2020-11-24 | 2021-01-26 | 江苏科睿坦电子科技有限公司 | 一种提高rfid电子标签使用性的方法和装置 |
| CN112270394B (zh) * | 2020-11-24 | 2021-07-23 | 江苏科睿坦电子科技有限公司 | 一种提高rfid电子标签使用性的方法和装置 |
| CN112861456A (zh) * | 2021-01-29 | 2021-05-28 | 中国电子科技集团公司第二十九研究所 | 工艺ip仿真模型封装及库管理方法及系统、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657390A (zh) | 一种射频集成制造中工艺ip统计建模方法 | |
| CN108345749B (zh) | 射频集成工艺容差与电性能耦合特性的建模与封装方法 | |
| US7913222B2 (en) | Automatic generation of code for component interfaces in models | |
| US6212490B1 (en) | Hybrid circuit model simulator for accurate timing and noise analysis | |
| Kunzli et al. | Combining simulation and formal methods for system-level performance analysis | |
| CN107341101A (zh) | 度量fpga软件静态质量的方法 | |
| TWI670617B (zh) | 模擬系統與方法 | |
| CN109492059A (zh) | 一种多源异构数据融合与模型修正过程管控方法 | |
| CN110187647A (zh) | 模型训练方法及系统 | |
| CN104821121B (zh) | 基于局域网和fpga的远程电路设计硬件实验系统及方法 | |
| CN105653744A (zh) | 版图布局的设计方法及装置 | |
| CN110705080B (zh) | 一种数字孪生模型精准组装方法及装置 | |
| CN101655882A (zh) | 基于统计模型最差情况的建模方法 | |
| CN106528428A (zh) | 一种软件易变性预测模型的构建方法 | |
| JP5614297B2 (ja) | 指標算出プログラム及び方法並びに設計支援装置 | |
| CN108984945A (zh) | 基于多核心联合仿真被验证设计的仿真验证平台 | |
| CN101477582B (zh) | 半导体元件的模型修正方法 | |
| Braga et al. | Performance, accuracy, power consumption and resource utilization analysis for hardware/software realized artificial neural networks | |
| CN106777523A (zh) | 一种电阻子电路噪声模型结构及其建模方法 | |
| CN101398864B (zh) | 电路板制作仿真系统及方法 | |
| CN105512381B (zh) | 时钟延迟验证方法 | |
| Ip et al. | Fuzzy regression approach to modelling transfer moulding for microchip encapsulation | |
| US20050278664A1 (en) | Predicting power consumption for a chip | |
| US8458632B2 (en) | Efficient slack projection for truncated distributions | |
| CN107729694B (zh) | 一种基于神经网络的多参数电磁场建模仿真方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |