CN112733477B - 一种基于误差函数精度补偿的GaN HEMT建模方法 - Google Patents

Abstract

本发明公开了一种基于误差函数精度补偿的GaN HEMT建模修正方法，包括：获取原始经验基模型的所有第一参数值；根据固定值改变第一参数值得到第二参数值；根据第二参数值和第二参数值对应的第一参数值得到若干敏感参数；根据敏感参数得到不同栅压下的敏感参数的参数值；根据栅压和栅压下的敏感参数的参数值得到第一经验基模型；根据第一经验基模型的第二拟合值和实测值得到误差的拟合值；根据误差的拟合值和预设误差阈值得到第二经验基模型。本发明提供了一种针对经验基模型的准确性修正方法，主要提升经验基模型对器件直流的拟合精度，进一步提升经验基模型的大信号拟合精度，并且提升电路设计的效率和准确性。

Description

一种基于误差函数精度补偿的GaN HEMT建模方法

技术领域

本发明属于射频功率半导体有源器件技术领域，具体涉及一种基于误差函数精度补偿的GaN HEMT建模方法。

背景技术

电子信息产业对于我国的经济发展来说至关重要，微电子技术则是该产业的重中之重。氮化镓(GaN)作为第三代宽禁带半导体材料的代表，具有禁带宽度较宽、高电子饱和速度、高击穿电压等特性，在航天、雷达、通讯中得到了广泛应用。由于各个领域的应用，推动了GaN HEMT(High Electron Mobility Transistor，高电子迁移率晶体管)工程化应用的进程。

随着GaN HEMT工程化应用的发展，GaN HEMT MMIC(Monolithic MicrowaveIntegrated Circuit，单片微波集成电路)的发展也极为迅速，同时也推动了器件建模的发展。经验基模型作为紧凑模型的一种，最为广泛应用于电路设计之中。通过电路元件对器件的物理结构进行模拟，并通过表达式表征器件的I-V(电流-电压)以及电容的非线性特性，因为其准确的拟合结果以及较块的仿真速度，该类模型能够很好的应用于电路设计，近些年也得到了较好的发展。

但是，目前的GaN HEMT经验基模型的准确程度还有待提高。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于误差函数精度补偿的GaN HEMT建模方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于误差函数精度补偿的GaN HEMT建模修正方法，其特征在于，包括：

获取原始经验基模型的所有第一参数值；

选取一所述第一参数值，根据固定值改变所述第一参数值得到第二参数值；

根据所述第二参数值和所述第二参数值对应的所述第一参数值得到若干敏感参数；

基于梯度优化算法，根据所述敏感参数得到不同栅压下的所述敏感参数的参数值；

基于第一多项式拟合公式，根据所述栅压和所述栅压下的所述敏感参数的参数值得到第一经验基模型；

基于第二多项式拟合公式，根据所述第一经验基模型的第二拟合值和实测值得到误差的拟合值；

根据所述误差的拟合值和预设误差阈值得到第二经验基模型。

在本发明的一个实施例中，基于参数值敏感性分析公式，根据所述第二参数值和所述第二参数值对应的所述第一参数值得到若干敏感参数，包括：

根据所述原始经验基模型和所述第二参数值得到第一拟合值；

根据所述第一拟合值和原拟合值得到若干敏感参数。

在本发明的一个实施例中，根据所述原始经验基模型和所述第二参数值得到第一拟合值，包括：

将所述第二参数值输入至所述原始经验基模型得到第一拟合值。

在本发明的一个实施例中，根据所述第一拟合值和原拟合值得到若干敏感参数，包括：

将每个所述偏置下的所述第一拟合值和所述原拟合值求差，得到每个所述偏置下的误差；

根据每个所述偏置下的误差得到所述第一参数值的改变带来的第一变化量；

根据所述第一变化量得到若干敏感参数。

在本发明的一个实施例中，根据每个所述偏置下的误差得到所述第一参数值的改变带来的第一变化量，包括：

将每个偏置下的误差取绝对值，计算所有所述偏置下的误差的绝对值之和，得到所述第一变化量。

在本发明的一个实施例中，根据所述第一拟合值和原拟合值得到若干敏感参数，包括：

基于参数值敏感性分析公式，根据所述第一参数值、所述固定值、所述第一参数值对应的原拟合值、所述第一拟合值得到若干敏感参数。

在本发明的一个实施例中，所述参数值敏感性分析公式为：

ε＝[f(x+Δx)-f(x)]/(Δx/x)

其中，ε为参数敏感值，x为第一参数值、Δx为固定值，f(x)为第一参数值对应的原拟合值，f(x+Δx)为第二参数值对应的第一拟合值。

在本发明的一个实施例中，所述第一多项式拟合公式为：

其中，N的取值为2～5，A_n为系数，V_gs为栅压，Parameter为敏感参数。

在本发明的一个实施例中，基于第二多项式拟合公式，根据所述第一经验基模型的第二拟合值和实测值得到误差的拟合值，包括：

根据所述第一经验基模型得到各个偏置下的第二拟合值；

根据各个偏置下的所述第二拟合值和各个偏置下的实测值得到对应的误差值；

基于所述第二多项式拟合公式，根据所述误差值拟合得到所述误差的拟合值。

在本发明的一个实施例中，所述第二多项式拟合公式为：

其中，error为误差的拟合值，k₃₁、k₃₂、k₃₃、k₃₄、k₂₁、k₂₂、k₂₃、k₁₁、k₁₂、k₀₁为系数，V_gs为栅压，V_ds为漏压。

本发明的有益效果：

本发明提供了一种针对经验基模型的准确性修正方法，主要提升经验基模型对器件直流的拟合精度，进一步提升经验基模型的大信号拟合精度，并且提升电路设计的效率和准确性。并且该方法可以针对任何GaN HEMT经验基模型进行改进，能够有效提升模型的准确程度。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种基于误差函数精度补偿的GaN HEMT建模方法的流程示意图；

图2是本发明实施例提供的另一种基于误差函数精度补偿的GaN HEMT建模方法的流程示意图；

图3是本发明实施例提供的一种误差的拟合值的示意图；

图4是本发明实施例提供的一种权函数的曲线示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1和图2，图1是本发明实施例提供的一种基于误差函数精度补偿的GaNHEMT建模方法的流程示意图，图2是本发明实施例提供的另一种基于误差函数精度补偿的GaN HEMT建模方法的流程示意图。本实施例提供一种基于误差函数精度补偿的GaN HEMT建模方法，该GaN HEMT建模方法包括步骤1至步骤7，其中：

步骤1、获取原始经验基模型的所有第一参数值。

具体地，原始经验基模型为初步建立好的GaN HEMT经验基模型，根据该原始经验基模型便可以得到所有参数的参数值(即第一参数值)，此时的第一参数值均为固定的值，

也就是说，对初始建立好的经验基模型的参数进行调节，在拟合结果达到要求时的模型即为原始经验基模型，该原始经验基模型的参数的初始值即为第一参数值。

进一步地，本实施例所使用的经验基模型为未考虑自热效应的Angelov模型。

步骤2、选取一第一参数值，根据固定值改变第一参数值得到第二参数值。

也就是说，对于所有的第一参数值，当改变某一第一参数值时，其余的第一参数值不变，将所选取的改变以固定值，改变固定值之后的第一参数值即为第二参数值，其中，x为第一参数值，Δx为固定值，(x+Δx)为第二参数值。

步骤3、根据第二参数值和第二参数值对应的第一参数值得到若干敏感参数。

在一个具体地实施例中，步骤3具体可包括步骤3.1～步骤3.2，其中：

步骤3.1、根据原始经验基模型和第二参数值得到第一拟合值。

具体地，将第二参数值输入至原始经验基模型，其它参数值为未变化的第一参数值，原始经验基模型则可以对应输出第一拟合值，第一拟合值为Ids数值，原始经验基模型计算Ids数值的公式为：

I_ds＝I_PK0×(1+tanh(ψ_p))×tanh(α_p×V_ds)

×(1+λ×V_ds+L_SB0×exp(Ebd×(V_dg-V_tr)))

ψ_p＝sinh[P_1m×(V_gs-V_pk)+P_2m×(V_gs-V_pk)²+P_3m×(V_gs-V_pk)³]

V_pk＝V_pks-DV_pks+DV_pks×tanh(α_s×V_ds)-K_bgate×V_bgate-V_sb2×(V_dg-V_bdrain)²

α_p＝α_R+α_s×(1+tanh(ψ_p))

其中，I_PK0表示最大跨导所对应的电流值，V_ds表示漏压，α_p和α_r表示饱和区参数，λ表示沟道长度调制参数，L_SB0表示软击穿模型参数，Ebd表示软击穿的拟合参数，V_dg表示漏极和栅极之间的电压差，V_tr表示击穿电压，V_gs表示栅压，P_1m、P_2m和P_3m表示沟道电流的多项式系数，V_pk表示最大跨导栅极电压，V_pks表示最大跨导栅极电压，DV_pks表示跨导最大值对应的栅极电压的变化量，α_s表示饱和区参数，V_bgate表示栅极击穿电压，V_bdrain表示漏极击穿电压，V_sb2表示击穿模型参数。

步骤3.2、根据第一拟合值和原拟合值得到若干敏感参数。

在本实施例中，敏感参数的确定方式可以有两种，其中，第一种敏感参数的确定方式为：

根据第一拟合值和原拟合值得到若干敏感参数，包括：

步骤3.21、将每个偏置下的第一拟合值和原拟合值求差，得到每个偏置下的误差；

步骤3.22、根据每个偏置下的误差得到第一参数值的改变带来的第一变化量；

步骤3.23、根据第一变化量得到若干敏感参数。

具体地，在每个偏置(每个栅压、漏压)，第二参数值均会对应一个第一拟合值，第二参数值未改变之前的第一参数值也会对应一个原拟合值(Ids数值)，两者的差值即为误差。之后，将每个偏置下的误差取绝对值，再计算所有偏置下的误差的绝对值之和，既可得到每个参数改变所带来的模型的变化量，即第一变化量。然后较大的第一变化量所对应的参数的敏感性就较高，因此可以根据所得到的第一变化量从大到小的顺序选取若干个值最大的第一变化量，例如选取2～5个。则该2～5个第一变化量所对应的参数即为敏感参数。

在本实施例中，第二种敏感参数的确定方式为：

根据第一拟合值和原拟合值得到若干敏感参数，包括：

基于参数值敏感性分析公式，根据第一参数值、固定值、第一参数值对应的原拟合值、第一拟合值得到若干敏感参数。

具体地，通过第一种敏感参数的确定方式堆每个参数进行分析，最终就可以得到每个参数的参数值在变化固定值时，所引起的变化量。但是，考虑到每个参数的取值不同，所以变化固定值进行参数敏感性分析，准确性较低，因此为了实现参数的归一化，使得敏感参数的评估更加准确，本实施例通过参数值敏感性分析公式对参数的敏感性进行分析，其中，参数值敏感性分析公式为：

ε＝[f(x+Δx)-f(x)]/(Δx/x)

其中，ε为参数敏感值，x为第一参数值、Δx为固定值，f(x)为第一参数值对应的原拟合值，f(x+Δx)为第二参数值对应的第一拟合值。

因此，通过上述方式，可以计算得到每个参数对应的参数敏感值，则可以参数敏感值取值最大的若干参数作为敏感参数，例如，选取2～5个参数作为敏感参数，优选地，选取参数敏感值最大的三个参数作为敏感参数，如对于本实施例的Angelov模型来说，敏感参数分别为Ipk、α和λ。

步骤4、基于梯度优化算法，根据敏感参数得到不同栅压下的敏感参数的参数值。

具体地，在本实施例中，将步骤3所确定的敏感参数设置为变量，本实施例首先设定一栅压和一组漏压，从而可以得到一拟合曲线，然后针对该栅压和该组漏压可以得到其实际测量的曲线，因此本实施例通过梯度优化算法，通过调整敏感参数，对拟合曲线和实际测量的曲线进行拟合，当其拟合误差小于第一阈值时，此时对应的敏感参数的参数值即为该栅压对应的敏感参数的参数值，由此方法可以得到多个不同栅压下的敏感参数的参数值，其中，第一阈值例如为1/1000。在本实施例中，为了降低拟合的难度，仅在不同栅压下对测试的曲线进行拟合，在拟合误差小于第一阈值时，得到敏感参数的参数值。

例如，针对每个栅压时，对参数值进行优化，最终得到各个栅压下的敏感参数的参数值。对于Ipk来说，在栅极电压分别为-2V、-1V、0V、1V以及2V时，Ipk的值分别为3e-6、3.8e-3、0.1、0.15以及0.18；对于α来说，在栅极电压分别为-2V、-1V、0V、1V以及2V时，α的值分别为5.82、5.47、5.40、5.34以及5.33；对于λ来说，在栅极电压分别为-2V、-1V、0V、1V以及2V时，λ的值分别为1.44、1.04、0.013、-0.003以及-0.007。

步骤5、基于第一多项式拟合公式，根据栅压和栅压下的敏感参数的参数值得到第一经验基模型。

其中，N的取值为2～5，A_n为系数，V_gs为栅压，Parameter为敏感参数。

具体地，通过步骤4对每个栅压可以对应得到敏感参数的参数值，因此通过不同的栅压及对应的参数值，可以确定A_n的值，因此在A_n和V_gs均确定后，通过第一多项式拟合公式便可以计算得到不同V_gs对应的敏感参数的参数值，此时所对应的经验基模型即为第一经验基模型。

例如，针对I_pk、α和λ这三个参数来说，将N取值为4，能够实现栅压在-2V到2V之间较好的拟合。

步骤6、基于第二多项式拟合公式，根据第一经验基模型的第二拟合值和实测值得到误差的拟合值。

在一个具体地实施例中，步骤6具体可包括步骤6.1～步骤6.3，其中：

步骤6.1、根据第一经验基模型得到各个偏置下的第二拟合值。

具体地，在第一经验基模型确定的情况下，便可以确定不同偏置下的Ids数值(第二拟合值)。

步骤6.2、根据各个偏置下的第二拟合值和各个偏置下的实测值得到对应的误差值。

具体地，实测值为不同偏置条件下的实际测量值，因此将每个偏置下所得到的第二拟合值和实测值进行求差处理，便可以得到各个偏置下的误差值。

步骤6.3、基于第二多项式拟合公式，根据误差值拟合得到误差的拟合值。

具体地，利用第二多项式拟合公式进行拟合使得误差的拟合值接近误差值，且该误差的拟合值的范围优选地为0.8～1.2，从而在0.8～1.2中选择最接近误差值的值作为最终的误差的拟合值。其中，第二多项式拟合公式为：

其中，error为误差的拟合值，k₃₁、k₃₂、k₃₃、k₃₄、k₂₁、k₂₂、k₂₃、k₁₁、k₁₂、k₀₁为系数，V_gs为栅压，V_ds为漏压。

例如，请参见图3，图3为不同栅压下的误差的拟合值。

步骤7、根据误差的拟合值和预设误差阈值得到第二经验基模型。

具体地，本实施例为了提高所建立的经验基模型的精度，还需要对第二多项式拟合公式进行修正，对第二多项式拟合公式拟合不准确的地方，将权值降为0，即将预设值大于或者等于预设误差阈值的地方，将误差的拟合值乘以0，对于拟合准确的地方，权值升为1，即将预设值小于预设误差阈值的地方，将误差的拟合值乘以1，预设误差阈值为0.1，则：

预设值为：∑|误差值-误差的拟合值|/∑|误差值|

因此，当∑|误差值-误差的拟合值|/∑|误差值|<0.1时，将误差的拟合值乘以1，当∑|误差值-误差的拟合值|/∑|误差值|≥0.1时，将误差的拟合值乘以0。

该方法主要对第二多项式拟合公式进行修正，对第二多项式拟合公式拟合不准确的地方，将权值降为0，对于第二多项式拟合公式拟合准确的地方，权值升为1。针对该实施例中的第二多项式拟合公式拟合，可以看出，当漏极电压小于5V时，拟合结果较理想，当漏极电压大于5V时，拟合精度较差。所以本实施例可以通过权函数对误差函数进行修正。其中：权函数的表达形式为：

weight＝1-1/(1+exp((-(V_ds-V_p))/k))

其中，weight为权函数，V_p表示拐点的位置，k表示拐点处斜率的大小。例如，请参见图4，图4为权函数的曲线示意图。

1.本发明可以对任何经验基模型的准确性进行提高，该方法能够有效提升模型的拟合精度。

2.本发明分别通过敏感参数和第二多项式拟合公式的引入对模型精度进行提升，通过幂函数对敏感参数和误差进行拟合，通过高阶可导的公式，在提高精度的同时，也不会影响模型的收敛性。

在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者数据点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者数据点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于误差函数精度补偿的GaN HEMT建模修正方法，其特征在于，包括：

获取原始经验基模型的所有第一参数值；

选取一所述第一参数值，根据固定值改变所述第一参数值得到第二参数值；

根据所述第二参数值和所述第二参数值对应的所述第一参数值得到若干敏感参数，具体包括：将所述第二参数值输入至所述原始经验基模型得到第一拟合值；将每个所述偏置下的所述第一拟合值和所述原拟合值求差，得到每个所述偏置下的误差；根据每个所述偏置下的误差得到所述第一参数值的改变带来的第一变化量；根据所述第一变化量得到若干敏感参数；

基于梯度优化算法，根据所述敏感参数得到不同栅压下的所述敏感参数的参数值；

基于第一多项式拟合公式，根据所述栅压和所述栅压下的所述敏感参数的参数值得到第一经验基模型；

基于第二多项式拟合公式，根据所述第一经验基模型的第二拟合值和实测值得到误差的拟合值，具体包括：根据所述第一经验基模型得到各个偏置下的第二拟合值；根据各个偏置下的所述第二拟合值和各个偏置下的实测值得到对应的误差值；基于所述第二多项式拟合公式，根据所述误差值拟合得到所述误差的拟合值，所述第二多项式拟合公式为：

其中，error为误差的拟合值，k₃₁、k₃₂、k₃₃、k₃₄、k₂₁、k₂₂、k₂₃、k₁₁、k₁₂、k₀₁为系数，V_gs为栅压，V_ds为漏压；

根据所述误差的拟合值和预设误差阈值得到第二经验基模型。

2.根据权利要求1所述的GaN HEMT建模方法，其特征在于，根据每个所述偏置下的误差得到所述第一参数值的改变带来的第一变化量，包括：

将每个偏置下的误差取绝对值，计算所有所述偏置下的误差的绝对值之和，得到所述第一变化量。

3.根据权利要求1所述的GaN HEMT建模方法，其特征在于，根据所述第一拟合值和原拟合值得到若干敏感参数，包括：

基于参数值敏感性分析公式，根据所述第一参数值、所述固定值、所述第一参数值对应的原拟合值、所述第一拟合值得到若干敏感参数。

4.根据权利要求1所述的GaN HEMT建模方法，其特征在于，所述参数值敏感性分析公式为：

ε＝[f(x+Δx)-f(x)]/(Δx/x)

其中，ε为参数敏感值，x为第一参数值、Δx为固定值，f(x)为第一参数值对应的原拟合值，f(x+Δx)为第二参数值对应的第一拟合值。

5.根据权利要求1所述的GaN HEMT建模方法，其特征在于，所述第一多项式拟合公式为：

其中，N的取值为2～5，A_n为系数，V_gs为栅压，Parameter为敏感参数。