CN111222567B - 氮化物密度的相似性分析方法和设备 - Google Patents
氮化物密度的相似性分析方法和设备 Download PDFInfo
- Publication number
- CN111222567B CN111222567B CN202010005756.0A CN202010005756A CN111222567B CN 111222567 B CN111222567 B CN 111222567B CN 202010005756 A CN202010005756 A CN 202010005756A CN 111222567 B CN111222567 B CN 111222567B
- Authority
- CN
- China
- Prior art keywords
- density
- charge trapping
- trapping layer
- nitride
- point
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Non-Volatile Memory (AREA)
- Semiconductor Memories (AREA)
Abstract
本发明提供一种氮化物密度的相似性分析方法和设备。该方法包括:分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。和现有技术通过人为观察方式得到大概相似度的方法相比,提高了相似度的准确性。
Description
技术领域
本发明设备存储领域,尤其涉及一种氮化物密度的相似性分析方法和设备。
背景技术
三维快闪存储器通过把内存颗粒堆叠在一起可解决二维快闪存储器或者平面快闪存储器带来的限制。三维快闪存储器的半导体结构中包括多个垂直贯穿堆叠层的沟道孔,ONO结构11就设置于该沟道孔中。ONO结构11包括电荷捕获层,通常电荷捕获层的材料为氮化物,由于电荷捕获层中氮化物的密度分布是影响存储器存储质量的重要因素,因此,无论是在产品的研发阶段还是量产阶段,都要对电荷捕获层的氮化物密度做相似性分析,以确保产品质量。比如,将新产品的样本和黄金样本做相似性分析,若相似度大于预设值,则认为新产品质量过关,上述黄金样本为氮化物密度分布较为理想的样本。
现有技术中,在得到两个样本的电子能量损失谱的基础上,首先,通过人为方式找出两个样本的电荷捕获层,然后,通过人为方式绘制出两个电荷捕获层的密度分布图,最后,通过人为观察方式比较两个密度分布图的差别,进而得到一个大概的相似度。该方法主要通过人为方式实现相似度的确定,准确度低。
发明内容
本发明提供一种氮化物密度的相似性分析方法和设备,用于解决现有技术确定的氮化物密度相似度的准确度低的问题。
第一方面,本发明提供一种氮化物密度的相似性分析方法,包括:
分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;
根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。
可选的,所述分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层,包括:
分别对第一图谱和第二图谱进行二值化处理、去噪处理和过滤处理,得到所述第一电荷捕获层和所述第二电荷捕获层。
可选的,所述根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度,包括:
根据所述第一电荷捕获层中各点的氮化物密度,确定各密度值对应的第一归一化频率分布图;
根据所述第一归一化频率分布图,确定各密度值对应的第一累计频数分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定各密度值对应的第二归一化频率分布图;
根据所述第二归一化频率分布图,确定各密度值对应的第二累计频数分布图;
根据所述第一累计频数分布图和所述第二累计频数分布图,确定目标密度值,所述目标密度值和所述各密度值中除所述目标密度值以外的密度值相比,所述目标密度值的第一累计频数和第二累计频数的差值最大;
将所述目标密度值的第一累计频数和第二累计频数的差值确定为所述氮化物密度相似度。
可选的,所述根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度,包括:
根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图;
根据所述第一平均密度分布图和所述第二平均密度分布图,确定所述氮化物密度相似度。
可选的,所述根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图,包括:
根据所述第一电荷捕获层中各点的氮化物密度,获取从所述第一电荷捕获层的第一中心点指向所述第一图谱不同方向上,距离所述第一中心点不同长度的第一分布图;
对所述第一分布图取平均处理,得到所述第一平均密度分布图。
可选的,所述根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图,包括:
根据所述第二电荷捕获层中各点的氮化物密度,获取从所述第二电荷捕获层的第二中心点指向所述第二图谱不同方向上,距离所述第二中心点不同长度的第二分布图;
对所述第二分布图取平均处理,得到所述第二平均密度分布图。
可选的,所述根据所述第一平均密度分布图和所述第二平均密度分布图,确定所述氮化物密度相似度,包括:
采用如下公式确定所述氮化物密度相似度:
其中,SSM(S1,S2)表示所述氮化物密度相似度,表示所述第一平均密度分布图和所述第二平均密度分布图的最大公共相似域的长度,Cdepth表示长度标准化参数,Cdensity表示密度标准化参数,Cdomain区域间隔长度标准化参数,Am(S1,S2)表示第一平均密度分布图和第二平均密度分布图在/>区域所围成的面积。
可选的,所述根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度,包括:
根据所述第一电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层沿第一方向的第三密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定所述第二电荷捕获层沿第二方向的第四密度分布图;
根据所述第三密度分布图和所述第四密度分布图,确定所述氮化物密度相似度。
第二方面,本发明提供一种氮化物密度的相似性分析装置,包括:
预处理模块,用于分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;
确定模块,用于根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。
可选的,所述预处理模块,具体用于:
分别对第一图谱和第二图谱进行二值化处理、去噪处理和过滤处理,得到所述第一电荷捕获层和所述第二电荷捕获层。
可选的,所述确定模块,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,确定各密度值对应的第一归一化频率分布图;
根据所述第一归一化频率分布图,确定各密度值对应的第一累计频数分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定各密度值对应的第二归一化频率分布图;
根据所述第二归一化频率分布图,确定各密度值对应的第二累计频数分布图;
根据所述第一累计频数分布图和所述第二累计频数分布图,确定目标密度值,所述目标密度值和所述各密度值中除所述目标密度值以外的密度值相比,所述目标密度值的第一累计频数和第二累计频数的差值最大;
将所述目标密度值的第一累计频数和第二累计频数的差值确定为所述氮化物密度相似度。
可选的,所述确定模块,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图;
根据所述第一平均密度分布图和所述第二平均密度分布图,确定所述氮化物密度相似度。
可选的,所述确定模块,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,获取从所述第一电荷捕获层的第一中心点指向所述第一图谱不同方向上,距离所述第一中心点不同长度的第一分布图;
对所述第一分布图取平均处理,得到所述第一平均密度分布图。
可选的,所述确定模块,具体用于:
根据所述第二电荷捕获层中各点的氮化物密度,获取从所述第二电荷捕获层的第二中心点指向所述第二图谱不同方向上,距离所述第二中心点不同长度的第二分布图;
对所述第二分布图取平均处理,得到所述第二平均密度分布图。
可选的,所述确定模块,具体用于:
采用如下公式确定所述氮化物密度相似度:
其中,SSM(S1,S2)表示所述氮化物密度相似度,表示所述第一平均密度分布图和所述第二平均密度分布图的最大公共相似域的长度,Cdepth表示长度标准化参数,Cdensity表示密度标准化参数,Cdomain区域间隔长度标准化参数,Am(S1,S2)表示第一平均密度分布图和第二平均密度分布图在/>区域所围成的面积。
可选的,所述确定模块,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层沿第一方向的第三密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定所述第二电荷捕获层沿第二方向的第四密度分布图;
根据所述第三密度分布图和所述第四密度分布图,确定所述氮化物密度相似度。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述氮化物密度的相似性分析方法。
第四方面,本发明提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来实现上述氮化物密度的相似性分析方法。
本发明提供的氮化物密度的相似性分析方法和设备,首先,对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;然后,根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。和现有技术通过人为观察方式得到大概相似度的方法相比,提高了相似度的准确性。
附图说明
图1为本发明提供的一种存储单元的立体结构示意图;
图2为本发明提供的氮化物密度的相似性分析方法的实施例一的流程示意图;
图3为本发明提供的二值化处理后的图谱示意图;
图4为本发明提供的去噪处理后的图谱示意图;
图5为本发明提供的过滤处理后的图谱示意图;
图6为本发明提供的第一图谱的示意图;
图7为本发明提供的第一归一化频率分布图;
图8为本发明提供的第一累计频数分布图;
图9为本发明提供的第一累计频数分布和第二累计频数分布汇总图;
图10为本发明提供的第一电荷捕获层方向分割图;
图11为本发明提供的图10所示所有方向的第一密度分布汇总图;
图12为本发明提供的第一平均密度分布图;
图13为本发明提供的第一平均密度分布和第二平均密度分布汇总图;
图14为本发明提供的第一方向示意图;
图15为本发明提供的第二方向示意图;
图16为本发明提供的氮化物密度的相似性分析装置的结构示意图;
图17为本发明提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明提供的一种存储单元的立体结构示意图。图1所示存储单元包括字线10,垂直贯穿字线10的沟道结构,沟道结构径向从外到内依次包括:ONO结构11、多晶硅通道12以及氧化物填充层13。其中,ONO结构11包括:阻挡层111和电荷捕获层112。阻挡层111对应图1所示ONO结构11径向最外层,电荷捕获层112对应靠近多晶硅通道12的两层。阻挡层111的示例性材料为氧化硅。电荷捕获层112的示例性材料为氮化硅以及氮氧化硅等氮化物。电荷捕获层112中氮化物的密度分布是影响存储器存储质量的重要因素,因此,无论是在产品的研发阶段还是量产阶段,都要对新产品样本的电荷捕获层112的氮化物密度做相似性分析,以确保新产品质量。通常,将新产品的样本和黄金样本做相似性分析,若相似度大于预设值,则认为新产品质量过关,上述黄金样本为氮化物密度分布较为理想的样本。
一般的,测试人员在对两个样本的电荷捕获层112做氮化物密度相似性分析时,先获取两个样本的电子能量损失谱,然后,通过人为方式找出两个电子能量损失谱中的电荷捕获层112,然后,通过人为方式绘制出两个电荷捕获层112的密度分布图,最后,通过人为观察方式比较两个密度分布图的差别,进而得到一个大概的相似度。这种方法主要依靠测试人员的主观经验得到两个样本的氮化物密度相似度,显然,准确度并不高,而且不能保证重现性。
为了解决上述技术问题,本发明提供一种氮化物密度的相似性分析方法和设备,允许测试人员在得到两个样本的电子能量损失谱的基础上,将两个样本的电子能量损失谱上传到该设备上,该设备便可通过执行本发明的方法,直接输出两个样本的电荷捕获层,无需测试人员人为去寻找电荷捕获层,提高了电荷捕获层的定位准确度。进一步的,该设备在确定出两个样本的电荷捕获层的基础上,通过本发明提供的计算公式可计算出两个电荷捕获层的氮化物密度相似度,和上述工作人员通过人为观察方式得到大概相似度的方法相比,提高了相似度的准确性。
图2为本发明提供的氮化物密度的相似性分析方法的实施例一的流程示意图。本实施例的方法可应用于图1所示结构的样本的相似性分析。本实施例提供的氮化物密度的相似性分析方法,包括:
S301、分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层。
一种可能的实现方式中,第一图谱可为图1所示结构的新产品样本的图谱,第二图谱可为黄金样本的图谱,该黄金样本为电荷捕获层的氮化物密度分布较理想的且结构为如图1所示结构的样本。
一种可能的实现方式中,第一图谱和第二图谱的类型可以为电子能量损失谱。
一种可能的实现方式中,上述预处理的过程包括:分别对第一图谱和第二图谱进行二值化处理、去噪处理和过滤处理,得到第一电荷捕获层和第二电荷捕获层。
下面以第一图谱为例,结合附图对上述二值化处理、去噪处理和过滤处理的过程进行描述:
假设第一图谱为电子能量损失谱,对该电子能量损失谱做二值化处理,得到图3所示图谱,由于图3所示图谱存在噪声,ONO结构11在图3所示图谱中未充分突显,因此可对图3所示图谱做去噪处理,得到图4所示图谱,图4所示图谱和图3所示图谱相比,ONO结构11得到突显,但是ONO结构11包含的各层的边界不明显,因此可以对图4所示图谱做过滤处理,具体的,可以确定一个阈值半径,比如图4中虚线圈所示,将该虚线圈以外的图谱内容删除,得到图5所示过滤后的图谱。图5中白色环形圈所在的区域为第一电荷捕获层对应的区域,根据白色环形圈的坐标信息,在第一图谱上定位得到第一电荷捕获层。
同样的,对第二图谱做上述相似的处理,可确定出第二图谱的第二电荷捕获层。
上述二值化处理和去噪处理可结合现有技术提供的通用方式进行,本发明在此不再赘述。
S302、根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。
针对本步骤,本实施例提供以下可实现的方式:
在一种可能的实现方式中,S302包括:
步骤A、根据所述第一电荷捕获层中各点的氮化物密度,确定各密度值对应的第一归一化频率分布图。
图6为第一图谱的示意图。参见图6所示,根据图5所示白色环形圈的坐标信息,在图6所示第一图谱上定位得到第一电荷捕获层为实线1和实线2围成的环形区域,根据实线1和实线2围成的环形区域中的各个点的氮化物密度,对氮化物密度进行归一化处理,得到第一归一化频率分布图。归一化的过程可参见现有技术,本实施例在此不再赘述。图7为对图6所示第一电荷捕获层的氮化物密度进行归一化后得到的第一归一化频率分布图。第一归一化频率分布图的含义为:第一电荷捕获层的氮化物密度为特定数值的可能性大小,比如:图7中密度值为50%时对应的频率值为0.02,则表示第一电荷捕获层的氮化物密度为50%的概率为0.02。
步骤B、根据所述第一归一化频率分布图,确定各密度值对应的第一累计频数分布图。
具体的,针对特定密度值,将小于等于该密度值的各个密度值的频率相加,得到该密度值的累计频数。对每个密度值做相同的处理,得到各密度值对应的累计频数,根据各密度值对应的累计频数可绘制得到图8所示第一累计频数分布图。
步骤C、根据所述第二电荷捕获层中各点的氮化物密度,确定各密度值对应的第二归一化频率分布图。
本步骤可参见步骤A中第一归一化频率分布图的获取过程,在此不再赘述。
步骤D、根据所述第二归一化频率分布图,确定各密度值对应的第二累计频数分布图。
本步骤可参见步骤B中第一累计频数分布图的获取过程,在此不再赘述。
步骤E、根据所述第一累计频数分布图和所述第二累计频数分布图,确定目标密度值,所述目标密度值和所述各密度值中除所述目标密度值以外的密度值相比,所述目标密度值的第一累计频数和第二累计频数的差值最大。
参见图9所示,可将第一累计频数分布图和第二累计频数分布图绘制在一起,然后定位第一累计频数和第二累计频数差值最大时对应的目标密度值,例如图9中示意的五角星对应的密度值。
步骤F、将所述目标密度值的第一累计频数和第二累计频数的差值确定为所述氮化物密度相似度。
继续参见图9所示,假设五角星对应的密度值为57%,该密度值的第一累计频数为0.80,该密度值的第二累计频数为0.90,则第一电荷捕获层和第二电荷捕获层的氮化物密度相似度为|0.90-0.80|=0.10。
在另一种可能的实现方式中,S302包括:
步骤A、根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图。
该步骤的可实现方式可以包括:
步骤A1、根据所述第一电荷捕获层中各点的氮化物密度,获取从所述第一电荷捕获层的第一中心点指向所述第一图谱不同方向上,距离所述第一中心点不同长度的第一分布图。
具体的,参见图10所示,以图6所示第一图谱的中心为中心点,确定若干条不同指向的射线,例如图10所示八个指向的射线,针对每条射线,获取第一电荷捕获层中距离中心点不同长度处的密度值,根据该密度值绘制得到对应方向的第一密度分布图,同理绘制得到所有方向的第一密度分布图。
步骤A2、对所述第一分布图取平均处理,得到所述第一平均密度分布图。
得到所有方向的第一密度分布图后,将所有方向的第一密度分布图绘制在一起便可得到图11所示分布图集合,对所有方向的第一密度分布图集合取平均处理,即可得到图12中白线示意的第一平均密度分布图。
步骤B、根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图。
该步骤的可实现方式可以包括:
步骤B1、根据所述第二电荷捕获层中各点的氮化物密度,获取从所述第二电荷捕获层的第二中心点指向所述第二图谱不同方向上,距离所述第二中心点不同长度的第二分布图
步骤B2、对所述第二分布图取平均处理,得到所述第二平均密度分布图。
步骤B1-步骤B2的实现方式可参见步骤A1-步骤A2。本实施例在此不再赘述。
步骤C、根据所述第一平均密度分布图和所述第二平均密度分布图,确定所述氮化物密度相似度。
具体的,如图13所示,将第一平均密度分布图和第二平均密度分布图绘制在一起后,采用如下公式确定氮化物密度相似度:
其中,SSM(S1,S2)表示所述氮化物密度相似度,表示所述第一平均密度分布图和所述第二平均密度分布图的最大公共相似域的横坐标长度,Cdepth表示长度标准化参数,Cdensity表示密度标准化参数,Cdomain区域间隔长度标准化参数,Am(S1,S2)表示图13所示两个密度分布图在/>区域所围成的面积。
在又一种可能的实现方式中,S302包括:
步骤A、根据所述第一电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层沿第一方向的第三密度分布图。
步骤B、根据所述第二电荷捕获层中各点的氮化物密度,确定所述第二电荷捕获层沿第二方向的第四密度分布图。
需要说明的是:第一方向和第二方向可以相同,也可以不同。比如:第一方向选择80度,第二方向选择180度。再如,第一方向选择80度,第二方向也选择80度。测试人员可以根据实际情况灵活选择。
具体的,参见图14所示,假设,第一方向选择的是96度,根据步骤A获得第一电荷捕获层沿这一方向的第三密度分布图。第三密度分布图的含义是:第一电荷捕获层中沿96度方向,距离中心点不同长度的密度分布。参见图15所示,第二方向选择144度,根据步骤B获得第二电荷捕获层沿这一方向的第四密度分布图。第四密度分布图的含义是:第二电荷捕获层中沿144度方向,距离中心点不同长度的密度分布。
步骤C、根据所述第三密度分布图和所述第四密度分布图,确定所述氮化物密度相似度。
可选的,将第三平均密度分布图和第四平均密度分布图绘制在一起后,可采用图13对应的计算公式确定氮化物密度相似度。
上文提供了三种确定氮化物密度相似度的实现方式,其中,可将第一种实现方式称为0-D相似度分析示例,第二种实现方式称为1-D相似度分析示例,第三种实现方式称为2-D相似度分析示例,测试人员可以选择上述三种实现方式中任意一种、两种或者三种方式来计算相似度,进而结合各种方式计算的相似度综合分析样本的质量。
本实施例提供的氮化物密度的相似性分析方法,首先,对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;然后,根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。和现有技术通过人为观察方式得到大概相似度的方法相比,提高了相似度的准确性。
图16为本发明提供的氮化物密度的相似性分析装置的结构示意图。如图16所示,本发明提供的氮化物密度的相似性分析装置,包括:
预处理模块1601,用于分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;
确定模块1602,用于根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。
可选的,所述预处理模块1601,具体用于:
分别对第一图谱和第二图谱进行二值化处理、去噪处理和过滤处理,得到所述第一电荷捕获层和所述第二电荷捕获层。
可选的,所述确定模块1602,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,确定各密度值对应的第一归一化频率分布图;
根据所述第一归一化频率分布图,确定各密度值对应的第一累计频数分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定各密度值对应的第二归一化频率分布图;
根据所述第二归一化频率分布图,确定各密度值对应的第二累计频数分布图;
根据所述第一累计频数分布图和所述第二累计频数分布图,确定目标密度值,所述目标密度值和所述各密度值中除所述目标密度值以外的密度值相比,所述目标密度值的第一累计频数和第二累计频数的差值最大;
将所述目标密度值的第一累计频数和第二累计频数的差值确定为所述氮化物密度相似度。
可选的,所述确定模块1602,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图;
根据所述第一平均密度分布图和所述第二平均密度分布图,确定所述氮化物密度相似度。
可选的,所述确定模块1602,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,获取从所述第一电荷捕获层的第一中心点指向所述第一图谱不同方向上,距离所述第一中心点不同长度的第一分布图;
对所述第一分布图取平均处理,得到所述第一平均密度分布图。
可选的,所述确定模块1602,具体用于:
根据所述第二电荷捕获层中各点的氮化物密度,获取从所述第二电荷捕获层的第二中心点指向所述第二图谱不同方向上,距离所述第二中心点不同长度的第二分布图;
对所述第二分布图取平均处理,得到所述第二平均密度分布图。
可选的,所述确定模块1602,具体用于:
采用如下公式确定所述氮化物密度相似度:
其中,SSM(S1,S2)表示所述氮化物密度相似度,表示所述第一平均密度分布图和所述第二平均密度分布图的最大公共相似域的长度,Cdepth表示长度标准化参数,Cdensity表示密度标准化参数,Cdomain区域间隔长度标准化参数,Am(S1,S2)表示第一平均密度分布图和第二平均密度分布图在/>区域所围成的面积。
可选的,所述确定模块1602,具体用于:
根据所述第一电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层沿第一方向的第三密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定所述第二电荷捕获层沿第二方向的第四密度分布图;
根据所述第三密度分布图和所述第四密度分布图,确定所述氮化物密度相似度。
本实施例提供的氮化物密度的相似性分析装置,可用于执行上述任一方法实施例中的步骤,其实现原理和技术效果类似,在此不再赘述。
图17为本发明提供的电子设备的硬件结构示意图。如图17所示,本实施例的电子设备可以包括:
存储器1701,用于存储程序指令。
处理器1702,用于在所述程序指令被执行时实现上述任一实施例描述的氮化物密度的相似性分析方法,具体实现原理可参见上述实施例,本实施例此处不再赘述。
本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例描述的氮化物密度的相似性分析方法。
本发明还提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行上述任一实施例描述的氮化物密度的相似性分析方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应理解,本发明所描述的处理器可以是中央处理单元(英文:Central ProcessingUnit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital SignalProcessor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.一种氮化物密度的相似性分析方法,其特征在于,包括:
分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;
根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。
2.根据权利要求1所述的方法,其特征在于,所述分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层,包括:
分别对第一图谱和第二图谱进行二值化处理、去噪处理和过滤处理,得到所述第一电荷捕获层和所述第二电荷捕获层。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度,包括:
根据所述第一电荷捕获层中各点的氮化物密度,确定各密度值对应的第一归一化频率分布图;
根据所述第一归一化频率分布图,确定各密度值对应的第一累计频数分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定各密度值对应的第二归一化频率分布图;
根据所述第二归一化频率分布图,确定各密度值对应的第二累计频数分布图;
根据所述第一累计频数分布图和所述第二累计频数分布图,确定目标密度值,所述目标密度值和所述各密度值中除所述目标密度值以外的密度值相比,所述目标密度值的第一累计频数和第二累计频数的差值最大;
将所述目标密度值的第一累计频数和第二累计频数的差值确定为所述氮化物密度相似度。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度,包括:
根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图;
根据所述第一平均密度分布图和所述第二平均密度分布图,确定所述氮化物密度相似度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一电荷捕获层中各点的氮化物密度,获取所述第一电荷捕获层对应的第一平均密度分布图,包括:
根据所述第一电荷捕获层中各点的氮化物密度,获取从所述第一电荷捕获层的第一中心点指向所述第一图谱不同方向上,距离所述第一中心点不同长度的第一分布图;
对所述第一分布图取平均处理,得到所述第一平均密度分布图。
6.根据权利要求4所述的方法,其特征在于,所述根据所述第二电荷捕获层中各点的氮化物密度,获取所述第二电荷捕获层对应的第二平均密度分布图,包括:
根据所述第二电荷捕获层中各点的氮化物密度,获取从所述第二电荷捕获层的第二中心点指向所述第二图谱不同方向上,距离所述第二中心点不同长度的第二分布图;
对所述第二分布图取平均处理,得到所述第二平均密度分布图。
8.根据权利要求2所述的方法,其特征在于,所述根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度,包括:
根据所述第一电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层沿第一方向的第三密度分布图;
根据所述第二电荷捕获层中各点的氮化物密度,确定所述第二电荷捕获层沿第二方向的第四密度分布图;
根据所述第三密度分布图和所述第四密度分布图,确定所述氮化物密度相似度。
9.一种氮化物密度的相似性分析装置,其特征在于,包括:
预处理模块,用于分别对第一图谱和第二图谱进行预处理,得到所述第一图谱的第一电荷捕获层和所述第二图谱的第二电荷捕获层;
确定模块,用于根据所述第一电荷捕获层中各点的氮化物密度和所述第二电荷捕获层中各点的氮化物密度,确定所述第一电荷捕获层和所述第二电荷捕获层的氮化物密度相似度。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法。
11.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005756.0A CN111222567B (zh) | 2020-01-03 | 2020-01-03 | 氮化物密度的相似性分析方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005756.0A CN111222567B (zh) | 2020-01-03 | 2020-01-03 | 氮化物密度的相似性分析方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222567A CN111222567A (zh) | 2020-06-02 |
CN111222567B true CN111222567B (zh) | 2023-06-23 |
Family
ID=70826730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010005756.0A Active CN111222567B (zh) | 2020-01-03 | 2020-01-03 | 氮化物密度的相似性分析方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222567B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818991B (zh) * | 2021-02-18 | 2024-04-09 | 长江存储科技有限责任公司 | 图像处理方法及图像处理装置、电子设备、可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09330970A (ja) * | 1996-06-10 | 1997-12-22 | Hitachi Ltd | 半導体素子の製造方法 |
JPH10162143A (ja) * | 1996-12-04 | 1998-06-19 | Omron Corp | 類似度算出装置 |
DE10051505A1 (de) * | 2000-10-17 | 2002-05-08 | Astrium Gmbh | Verfahren und Vorrichtung zum Erzeugen von 3D-Entfernungsbildern |
CN101159292A (zh) * | 2006-10-04 | 2008-04-09 | 三星电子株式会社 | 电荷陷阱存储器装置 |
CN102543214A (zh) * | 2010-12-17 | 2012-07-04 | 上海华虹Nec电子有限公司 | Sonos存储器工艺中在线监控ono膜质量的方法 |
CN107456237A (zh) * | 2016-06-02 | 2017-12-12 | 西门子医疗有限公司 | 基于借助于迭代优化方法的单能ct扫描来确定材料属性值的空间分布 |
CN111209949A (zh) * | 2020-01-02 | 2020-05-29 | 长江存储科技有限责任公司 | 样本密度分布的相似判定方法、装置、电子设备及存储介质 |
CN114822676A (zh) * | 2022-04-24 | 2022-07-29 | 长江存储科技有限责任公司 | 测量装置的校准方法、用于校准的标准样品及其制备方法 |
CN115394365A (zh) * | 2022-08-31 | 2022-11-25 | 深圳晶泰科技有限公司 | 晶体结构相似度计算方法、筛选方法、装置及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6724949B1 (en) * | 1999-04-14 | 2004-04-20 | Fuji Photo Film Co., Ltd. | Image reading apparatus and image reading method |
US9621749B2 (en) * | 2005-06-02 | 2017-04-11 | Invention Science Fund I, Llc | Capturing selected image objects |
-
2020
- 2020-01-03 CN CN202010005756.0A patent/CN111222567B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09330970A (ja) * | 1996-06-10 | 1997-12-22 | Hitachi Ltd | 半導体素子の製造方法 |
JPH10162143A (ja) * | 1996-12-04 | 1998-06-19 | Omron Corp | 類似度算出装置 |
DE10051505A1 (de) * | 2000-10-17 | 2002-05-08 | Astrium Gmbh | Verfahren und Vorrichtung zum Erzeugen von 3D-Entfernungsbildern |
CN101159292A (zh) * | 2006-10-04 | 2008-04-09 | 三星电子株式会社 | 电荷陷阱存储器装置 |
CN102543214A (zh) * | 2010-12-17 | 2012-07-04 | 上海华虹Nec电子有限公司 | Sonos存储器工艺中在线监控ono膜质量的方法 |
CN107456237A (zh) * | 2016-06-02 | 2017-12-12 | 西门子医疗有限公司 | 基于借助于迭代优化方法的单能ct扫描来确定材料属性值的空间分布 |
CN111209949A (zh) * | 2020-01-02 | 2020-05-29 | 长江存储科技有限责任公司 | 样本密度分布的相似判定方法、装置、电子设备及存储介质 |
CN114822676A (zh) * | 2022-04-24 | 2022-07-29 | 长江存储科技有限责任公司 | 测量装置的校准方法、用于校准的标准样品及其制备方法 |
CN115394365A (zh) * | 2022-08-31 | 2022-11-25 | 深圳晶泰科技有限公司 | 晶体结构相似度计算方法、筛选方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
GdO存储层中氧含量及掺氮对MONOS存储器特性的影响;李育强;《固体电子学研究与进展》;第第33卷卷(第第1期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111222567A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11430131B2 (en) | Foreground segmentation and nucleus ranking for scoring dual ISH images | |
CA2920492C (en) | Systems and methods for adaptive histopathology image unmixing | |
US8255172B2 (en) | Wafer defect detection system and method | |
CN117078671B (zh) | 一种甲状腺超声影像智能分析系统 | |
CN107169497A (zh) | 一种基于基因影像学的肿瘤影像标记物提取方法 | |
CN107886113B (zh) | 一种基于卡方检验的电磁频谱噪声提取和滤波方法 | |
CN111222567B (zh) | 氮化物密度的相似性分析方法和设备 | |
CN101625302B (zh) | 制备透射电子显微镜样品的方法 | |
CN109146803B (zh) | 基于多角度图像的sar图像辐射分辨率提升方法及装置 | |
CN116363020A (zh) | 一种肺癌影像智能识别增强系统 | |
Lassen | Automatic high‐precision measurements of the location and width of Kikuchi bands in electron backscatter diffraction patterns | |
CN113288214B (zh) | 超声多普勒频谱数据的处理方法、设备及可读存储介质 | |
CN110826565A (zh) | 基于跨连接的卷积神经网络齿痕舌象分类方法及系统 | |
CN116958182B (zh) | 基于图像数据的混凝土裂缝快速检测方法 | |
CN109946413A (zh) | 脉冲式数据非依赖性采集质谱检测蛋白质组的方法 | |
US20090010486A1 (en) | Modifying Software To Cope With Changing Machinery | |
CN109859218B (zh) | 病理图关键区域确定方法、装置、电子设备及存储介质 | |
JP5463534B2 (ja) | イオノグラム電離圏エコーの自動偏波分離、及び自動読取方法 | |
CN115311532A (zh) | 一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法 | |
CN118211058B (zh) | 基于拉曼光谱信号特征峰提取的数据处理方法 | |
JP2005114589A (ja) | レーダ画像処理装置 | |
CN113256514B (zh) | 等离子体产物模式识别方法、系统、计算机设备、终端 | |
CN117437634B (zh) | 一种尿沉渣检测影像有形部分的识别分割方法 | |
CN112801205B (zh) | 岩石纹层结构的获取方法及装置 | |
CN114693975A (zh) | 用于深度学习的光谱区域联合识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |