CN113295090A - 一种用于比对光谱的方法和装置 - Google Patents
一种用于比对光谱的方法和装置 Download PDFInfo
- Publication number
- CN113295090A CN113295090A CN202110377775.0A CN202110377775A CN113295090A CN 113295090 A CN113295090 A CN 113295090A CN 202110377775 A CN202110377775 A CN 202110377775A CN 113295090 A CN113295090 A CN 113295090A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- spectral
- trend
- related information
- spectra
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000003595 spectral effect Effects 0.000 claims abstract description 96
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 9
- 238000001831 conversion spectrum Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本申请实施例的目的是提供一种用于比对光谱的方法和装置。所述方法包括:对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息,其中,所述趋势相关信息用于指示光谱对象的光谱值随波长变化的趋势,所述多个光谱对象为具有相同波长点集合的光谱;根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定。本申请实施例具有以下优点:通过在评定光谱匹配度时将光谱值随波长变化的趋势作为参考值,提升了评定光谱匹配的准确性;根据本申请实施例,基于趋势光谱和现有技术的比对参考值,综合评定光谱匹配度,进一步提升了评定光谱匹配的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种用于比对光谱的方法和装置。
背景技术
现有技术中,半导体器件的膜厚和关键尺寸测量均需比对光谱,即将从样品采集到的光谱与理论计算的光谱比对,然后通过分析获取被测样品的参数信息。例如,设测量的光谱为S1(λi,i=1,2,3,…n),理论光谱为S2(λi,i=1,2,3,…n),现有技术通常直接计算光谱S1与S2的均方根误差(Root Mean Square Error,RMSE)或拟合度(Goodness of Fit,GOF),作为光谱比对的评定标准。其中,光谱S1与S2的RMSE的计算公式如下:
当作为光谱比对的评定标准时,RMSE越小,比对的两条光谱S1(λi)和S2(λi)越接近或相似。
然而,该方法存在不足。例如比较一条光谱S与另外若干条光谱的匹配度时,可能会出现光谱间的RMSE或GOF相同,但实际上匹配度存在优劣的情况。这种时候,仅靠原光谱间的RMSE或GOF无法评定光谱S与哪一条光谱更接近或相似,需要借助更多的手段来解决该问题。
发明内容
本申请实施例的目的是提供一种用于比对光谱的方法和装置。
本申请实施例提供了一种用于比对光谱的方法,其中,所述方法包括:
对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息,其中,所述趋势相关信息用于指示光谱对象的光谱值随波长变化的趋势,所述多个光谱对象为具有相同波长点集合的光谱;
根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定。其中,所述光谱匹配度用于表征两条光谱接近或相似的程度。
本申请实施例提供了一种用于比对光谱的装置,其中,所述装置包括:
用于对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息的装置,其中,所述趋势相关信息用于指示光谱值随波长变化的趋势,所述光谱对象为具有相同波长点集合的光谱;
用于根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定的装置。
本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如本申请实施例所述的方法。
本申请实施例提供了一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如本申请实施例所述的方法。
与现有技术相比,本发明具有以下优点:通过在评定光谱匹配度时将光谱值随波长变化的趋势作为参考值,提升了评定光谱匹配的准确性;根据本申请实施例,基于趋势光谱和现有技术的比对参考值,综合评定光谱匹配度,进一步提升了评定光谱匹配的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出了根据本申请实施例的用于比对光谱的方法流程图;
图2示出了根据本申请实施例的用于比对光谱的装置的结构示意图;
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是,当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。与此相对,当一个单元被称为“直接连接”或“直接耦合”到另一单元时,则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”,“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本申请实施例作进一步详细描述。
图1示出了根据本申请实施例的用于比对光谱的方法流程图。
参照图1,在步骤S1中,对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息。
其中,所述需要进行比对的多个光谱对象为具有相同波长点集合的光谱。
如果输入光谱的波长点集合不同,则将输入光谱转化为具有相同波长点集合的光谱,以作为需要进行比对的光谱对象。
根据一个实施例,将输入光谱转化为具有相同波长点集合的光谱的步骤包括:找到输入光谱波长点集合的区间交集W;取任一或指定某一光谱的波长点集在区间W内的点集C;通过将其它光谱的光谱值以波长点集C为基准进行插值,获得具有相同波长点集C的转化光谱。
需要说明的是,上述将输入光谱转化为具有相同波长点集合的光谱的举例仅为更好地说明本发明的技术方案,而非对本发明的限制,本领域技术人员应该理解。
其中,所述趋势相关信息用于指示光谱对象的光谱值随波长变化的趋势。
优选地,趋势相关信息包括光谱对象的趋势光谱。
其中,所述趋势光谱用于指示光谱对象的光谱点之间的相对关系。该相对关系可通过多种算式来体现,例如相减,相除,倒数计算,求导,加权,跨点操作等等。
根据一个实施例,在步骤S1中基于预定的计算规则,计算所述光谱对象的趋势光谱,作为其趋势相关信息。
其中,趋势光谱的计算方法包括但不限于以下任一种:
1)差值法;
2)比值法;
3)多点加权差值法;
4)多点加权比值法;
5)倒数差值法;
6)多点倒数加权差值法;
7)导数法;
8)多点加权导数法。
需要说明的是,本领域技术人员应熟悉,可采用多种趋势光谱的计算方法,而不仅限于以上所列举的方法,本领域技术人员可基于实际需求采用合适的方法来计算所述光谱对象的趋势光谱。
根据一个示例,光谱{s1(λ1),s2(λ2),s3(λ3),…sn(λn)}的趋势光谱可表示为:
{f(s1(λ1),s2(λ2))(g(λ1,λ2)),
f(s2(λ2),s3(λ3))(g(λ2,λ3)),
f(s3(λ3),s4(λ4))(g(λ3,λ4)),
…
f(sn-1(λn-1),sn(λn))(g(λn-1,λn))}
其中,g(λ1,λ2)的部分可忽略,则光谱{s1(λ1),s2(λ2),s3(λ3),…sn(λn)}的趋势光谱可简化表示为:
{f(s1(λ1),s2(λ2)),
f(s2(λ2),s3(λ3)),
f(s3(λ3),s4(λ4)),
…
f(sn-1(λn-1),sn(λn))}
其中,函数f(s1,s2)的计算表达式包括但不限于以下任一种:
1)f(s1,s2)=s2 s1;
2)f(s1,s2)=s2/s1;
其中,函数g(λ1,λ2)的计算表达式包括但不限于以下任一种:
1)g(λ1,λ2)=(λ1+λ2)/2;
2)g(λ1,λ2)=(λ1λ2)0.5;
3)g(λ1,λ2)=2/(1/λ1+1/λ2)。
继续参照图1进行说明,在步骤S2中,根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定。
其中,所述光谱匹配度用于表征两条光谱接近或相似的程度。
根据一个实施例,所述步骤S2包括步骤S201和步骤S202。在步骤S201中,根据各个光谱对象的趋势光谱的对应点,计算相应的第一评定值;接着,在步骤S202中,根据所述第一评定值,对所述光谱对象的光谱匹配度进行评定。
其中,所述第一评定值包括但不限于以下任一种:
1)各个光谱对象的趋势光谱之间的RMSE;
2)各个光谱对象的趋势光谱之间的MSE;
3)各个光谱对象的趋势光谱之间的GOF。
根据一个示例,假设有三个需要进行比对的光谱,分别为光谱S1、光谱S2和光谱S3,并且,光谱S1、S2和S3对应的波长点集合相同。
该三个光谱的光谱数据分别表示为:
光谱S1:
{0.25,0.22,0.15,0.07,0.03,0.02,0.11,0.13,0.21,0.26,0.29,0.32,0.33,0.31,0.27,0.2}
光谱S2:
{0.26,0.21,0.16,0.06,0.04,0.01,0.12,0.12,0.22,0.25,0.3,0.31,0.34,0.31,0.28,0.19}
光谱S3:
{0.26,0.23,0.16,0.08,0.04,0.03,0.12,0.14,0.22,0.27,0.3,0.33,0.34,0.32,0.28,0.21}
若按照现有技术的方式,计算光谱之间的RMSE作为比对评定值,来对该三个光谱对象的光谱匹配度进行评定,则通过计算得出RMSE(S1,S2)=0.1,RMSE(S1,S3)=0.1。可以看出,RMSE(S1,S2)=RMSE(S1,S3),该比对评定值不足以判断光谱S2、S3与光谱S1的匹配度孰佳。
假设该三个光谱对象的趋势光谱表示为:
{f(s1(λ1),s2(λ2)),f(s2(λ2),s3(λ3))}
并且,通过差值法,即函数f(s1,s2)=s2-s1作为示例,计算得到的该三个光谱对象的趋势光谱分别表示为:
光谱S1趋势光谱TS1:
{-0.03,-0.07,-0.08,-0.04,-0.01,0.09,0.02,0.08,0.05,0.03,0.03,0.01,-0.02,-0.04,-0.07}
光谱S2趋势光谱TS2:
{-0.05,-0.05,-0.1,-0.02,-0.03,0.11,0,0.1,0.03,0.05,0.01,0.03,-0.03,-0.03,-0.09}
光谱S3趋势光谱TS3:
{-0.03,-0.07,-0.08,-0.04,-0.01,0.09,0.02,0.08,0.05,0.03,0.03,0.01,-0.02,-0.04,-0.07}
计算该三个光谱的趋势光谱之间的RMSE作为第一评定值,得到RMSE(TS1,TS2)=0.019,RMSE(TS1,TS3)=0。由于RMSE作为比对评定值越小越好,因此按照本实施例的方法使用评定值可以判断出光谱S3与光谱S1的匹配度优于光谱S2与光谱S1的匹配度。
根据本申请实施例,通过在评定光谱匹配度时将光谱值随波长变化的趋势作为参考值,提升了评定光谱匹配的准确性。
根据一个实施例,所述步骤S2包括步骤S201,步骤S211和步骤S212。
在步骤S201中,根据各个光谱对象的趋势光谱的对应点,计算相应的第一评定值。
在步骤S211中,根据各个光谱对象对应的光谱值,计算相应的第二评定值。
在步骤S212中,根据所述第一评定值和第二评定值,对所述光谱对象的光谱匹配度进行评定。
其中,所述第二评定值包括但不限于以下任一种:
1)各个光谱对象之间的RMSE;
2)各个光谱对象之间的均方误差(Mean Square Error,MSE);
3)各个光谱对象之间的GOF。
其中,根据所述第一评定值和第二评定值,对所述光谱对象的光谱匹配度进行评定的方式包括但不限于以下任一种:
1)主次评定法;该方式优先参考第一评定值或第二评定值中的一个,若无法进行评定,则再参考另一个比对评定值的。
2)加权计算法;该方式将第一评定值和第二评定值以预定的权重计算出一个新的比对评定值,并基于该新的比对评定值对光谱对象的光谱匹配度进行评定。
根据本申请实施例,基于趋势光谱和现有技术的比对参考值,综合评定光谱匹配度,进一步提升了评定光谱匹配的准确性。
图2示出了根据本申请实施例的用于比对光谱的装置的结构示意图。
其中,所述装置包括用于对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息的装置(以下简称“获取装置1”);用于根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定的装置(以下简称“评定装置2”)。
参照图2,获取装置1对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息。
其中,所述需要进行比对的多个光谱对象为具有相同波长点集合的光谱。
如果输入光谱的波长点集合不同,则获取装置1将输入光谱转化为具有相同波长点集合的光谱,以作为需要进行比对的光谱对象。
根据一个实施例,获取装置1将输入光谱转化为具有相同波长点集合的光谱的步骤包括:找到输入光谱波长点集合的区间交集W;取任一或指定某一光谱的波长点集在区间W内的点集C;通过将其它光谱的光谱值以波长点集C为基准进行插值,获得具有相同波长点集C的转化光谱。
其中,所述趋势相关信息用于指示光谱对象的光谱值随波长变化的趋势。
优选地,趋势相关信息包括光谱对象的趋势光谱。
其中,所述趋势光谱用于指示光谱对象的光谱点之间的相对关系。该相对关系可通过多种算式来体现,例如相减,相除,倒数计算,求导,加权,跨点操作等等。
根据一个实施例,获取装置1基于预定的计算规则,计算所述光谱对象的趋势光谱,作为其趋势相关信息。
其中,趋势光谱的计算方法包括但不限于以下任一种:
1)差值法;
2)比值法;
3)多点加权差值法;
4)多点加权比值法;
5)倒数差值法;
6)多点倒数加权差值法;
7)导数法;
8)多点加权导数法。
需要说明的是,本领域技术人员应熟悉,可采用多种趋势光谱的计算方法,而不仅限于以上所列举的方法,本领域技术人员可基于实际需求采用合适的方法来计算所述光谱对象的趋势光谱。
继续参照图1进行说明,评定装置2根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定。
其中,所述光谱匹配度用于表征两条光谱接近或相似的程度。
根据一个实施例,评定装置2根据各个光谱对象的趋势光谱的对应点,计算相应的第一评定值;接着,根据所述第一评定值,对所述光谱对象的光谱匹配度进行评定。
其中,所述第一评定值包括但不限于以下任一种:
1)各个光谱对象的趋势光谱之间的RMSE;
2)各个光谱对象的趋势光谱之间的MSE;
3)各个光谱对象的趋势光谱之间的GOF。
根据本申请实施例的装置,通过在评定光谱匹配度时将光谱值随波长变化的趋势作为参考值,提升了评定光谱匹配的准确性。
根据一个实施例,评定装置2根据各个光谱对象的趋势光谱的对应点,计算相应的第一评定值。
并且,评定装置2根据各个光谱对象对应的光谱值,计算相应的第二评定值。
接着,评定装置2根据所述第一评定值和第二评定值,对所述光谱对象的光谱匹配度进行评定。
其中,所述第二评定值包括但不限于以下任一种:
1)各个光谱对象之间的RMSE;
2)各个光谱对象之间的均方误差(Mean Square Error,MSE);
3)各个光谱对象之间的GOF。
其中,根据所述第一评定值和第二评定值,对所述光谱对象的光谱匹配度进行评定的方式包括但不限于以下任一种:
1)主次评定法;该方式优先参考第一评定值或第二评定值中的一个,若无法进行评定,则再参考另一个比对评定值的。
2)加权计算法;该方式将第一评定值和第二评定值以预定的权重计算出一个新的比对评定值,并基于该新的比对评定值对光谱对象的光谱匹配度进行评定。
根据本申请实施例的装置,基于趋势光谱和现有技术的比对参考值,综合评定光谱匹配度,进一步提升了评定光谱匹配的准确性。
本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个功能或步骤的电路。
另外,本发明的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本发明的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种用于比对光谱的方法,其中,所述方法包括:
对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息,其中,所述趋势相关信息用于指示光谱对象的光谱值随波长变化的趋势,所述多个光谱对象为具有相同波长点集合的光谱;
根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定。
2.根据权利要求1所述的方法,其中,所述获取光谱对应趋势相关信息包括:
基于预定的计算规则,计算所述光谱对象的趋势光谱,作为其趋势相关信息。
3.根据权利要求1所述的方法,其中,所述对所述光谱对象的光谱匹配度进行评定包括:
根据各个光谱对象的趋势光谱的对应点,计算相应的第一评定值;
根据所述第一评定值,对所述光谱对象的光谱匹配度进行评定。
4.根据权利要求3所述的方法,其中,所述对所述光谱对象的光谱匹配度进行评定包括:
根据各个光谱对象的趋势光谱的对应点,计算相应的第一评定值;
根据各个光谱对象对应的光谱值,计算相应的第二评定值;
根据所述第一评定值和第二评定值,对所述光谱对象的光谱匹配度进行评定。
5.根据权利要求3或4所述的方法,其中,所述第一评定值和第二评定值包括以下任一种:
RMSE;
MSE;
GOF。
6.根据权利要求1所述的方法,其中,所述方法包括:
如果输入光谱的波长点集合不同,则将输入光谱转化为具有相同波长点集合的光谱,以作为需要进行比对的光谱对象。
7.一种用于比对光谱的装置,其中,所述装置包括:
用于对于需要进行比对的多个光谱对象,获取所述光谱对象对应的趋势相关信息的装置,其中,所述趋势相关信息用于指示光谱值随波长变化的趋势,所述光谱对象为具有相同波长点集合的光谱;
用于根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定的装置。
8.根据权利要求7所述的装置,其中,所述用于根据所述趋势相关信息,对所述光谱对象的光谱匹配度进行评定的装置用于:
基于预定的计算规则,计算所述光谱对象的趋势光谱,作为其趋势相关信息。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6中任一所述的方法。
10.一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377775.0A CN113295090A (zh) | 2021-04-08 | 2021-04-08 | 一种用于比对光谱的方法和装置 |
PCT/CN2022/078180 WO2022213740A1 (zh) | 2021-04-08 | 2022-02-28 | 一种用于比对光谱的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377775.0A CN113295090A (zh) | 2021-04-08 | 2021-04-08 | 一种用于比对光谱的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113295090A true CN113295090A (zh) | 2021-08-24 |
Family
ID=77319391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110377775.0A Pending CN113295090A (zh) | 2021-04-08 | 2021-04-08 | 一种用于比对光谱的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113295090A (zh) |
WO (1) | WO2022213740A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022213740A1 (zh) * | 2021-04-08 | 2022-10-13 | 睿励科学仪器(上海)有限公司 | 一种用于比对光谱的方法和装置 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6441375B1 (en) * | 2000-01-06 | 2002-08-27 | Eurotherm Gauging Systems, Inc. | Method and apparatus for automated on-line substrate independent calibration and measurement spectral analysis |
US6489624B1 (en) * | 1997-07-18 | 2002-12-03 | Nikon Corporation | Apparatus and methods for detecting thickness of a patterned layer |
US20070019205A1 (en) * | 2005-07-20 | 2007-01-25 | Whan Namkoong | Method of measuring thickness of thin layer in semiconductor device and apparatus for performing method |
US20070174014A1 (en) * | 2006-01-25 | 2007-07-26 | Vistec Semiconductor Systems Jena Gmbh | Method for matching a model spectrum to a measured spectrum |
US7460237B1 (en) * | 2007-08-02 | 2008-12-02 | Asml Netherlands B.V. | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method |
CN102183212A (zh) * | 2010-12-28 | 2011-09-14 | 睿励科学仪器(上海)有限公司 | 一种快速确定微细周期结构形貌参数的方法及设备 |
US20110275281A1 (en) * | 2010-05-05 | 2011-11-10 | Jeffrey Drue David | Dynamically Tracking Spectrum Features For Endpoint Detection |
CN103155110A (zh) * | 2010-08-06 | 2013-06-12 | 应用材料公司 | 将测量光谱匹配至参考光谱以进行原位光学监测的技术 |
CN103488751A (zh) * | 2013-09-24 | 2014-01-01 | 浙江大学 | 基于光谱曲线波形相似度的光谱匹配方法 |
US20140141694A1 (en) * | 2012-11-21 | 2014-05-22 | Applied Materials, Inc. | In-Sequence Spectrographic Sensor |
US20150198434A1 (en) * | 2014-01-14 | 2015-07-16 | Raintree Scientific Instruments (Shanghai) Corporation | Method and apparatus for measuring critical dimension of semiconductor |
CN105444666A (zh) * | 2014-05-29 | 2016-03-30 | 睿励科学仪器(上海)有限公司 | 用于光学关键尺寸测量的方法及装置 |
CN106770006A (zh) * | 2016-11-29 | 2017-05-31 | 安徽财经大学 | 一种基于近红外光谱的籽棉杂质检测方法 |
US20180059011A1 (en) * | 2016-08-26 | 2018-03-01 | Optionline LLC | Methodology for the identification of materials through methods of comparison of the spectrum of a sample against a reference library of spectra of materials |
CN108121172A (zh) * | 2017-12-13 | 2018-06-05 | 中国科学院光电技术研究所 | 一种基于白光干涉信息匹配的多层膜绝对间隙测量装置及方法 |
CN110823089A (zh) * | 2018-08-10 | 2020-02-21 | 睿励科学仪器(上海)有限公司 | 用于测量半导体器件的光学关键尺寸的方法和设备 |
CN112557332A (zh) * | 2020-12-03 | 2021-03-26 | 华东理工大学 | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149177B (zh) * | 2013-01-14 | 2014-12-17 | 天津先阳科技发展有限公司 | 压力调制近红外光谱实现生物组织检测的装置和方法 |
CN111879236B (zh) * | 2020-07-14 | 2021-09-24 | 上海精测半导体技术有限公司 | 自理论光谱库确定待测样品参数的方法及测量设备 |
CN113295090A (zh) * | 2021-04-08 | 2021-08-24 | 睿励科学仪器(上海)有限公司 | 一种用于比对光谱的方法和装置 |
-
2021
- 2021-04-08 CN CN202110377775.0A patent/CN113295090A/zh active Pending
-
2022
- 2022-02-28 WO PCT/CN2022/078180 patent/WO2022213740A1/zh active Application Filing
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6489624B1 (en) * | 1997-07-18 | 2002-12-03 | Nikon Corporation | Apparatus and methods for detecting thickness of a patterned layer |
US6441375B1 (en) * | 2000-01-06 | 2002-08-27 | Eurotherm Gauging Systems, Inc. | Method and apparatus for automated on-line substrate independent calibration and measurement spectral analysis |
US20070019205A1 (en) * | 2005-07-20 | 2007-01-25 | Whan Namkoong | Method of measuring thickness of thin layer in semiconductor device and apparatus for performing method |
US20070174014A1 (en) * | 2006-01-25 | 2007-07-26 | Vistec Semiconductor Systems Jena Gmbh | Method for matching a model spectrum to a measured spectrum |
US7460237B1 (en) * | 2007-08-02 | 2008-12-02 | Asml Netherlands B.V. | Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method |
US20110275281A1 (en) * | 2010-05-05 | 2011-11-10 | Jeffrey Drue David | Dynamically Tracking Spectrum Features For Endpoint Detection |
CN103155110A (zh) * | 2010-08-06 | 2013-06-12 | 应用材料公司 | 将测量光谱匹配至参考光谱以进行原位光学监测的技术 |
CN102183212A (zh) * | 2010-12-28 | 2011-09-14 | 睿励科学仪器(上海)有限公司 | 一种快速确定微细周期结构形貌参数的方法及设备 |
US20140141694A1 (en) * | 2012-11-21 | 2014-05-22 | Applied Materials, Inc. | In-Sequence Spectrographic Sensor |
CN103488751A (zh) * | 2013-09-24 | 2014-01-01 | 浙江大学 | 基于光谱曲线波形相似度的光谱匹配方法 |
US20150198434A1 (en) * | 2014-01-14 | 2015-07-16 | Raintree Scientific Instruments (Shanghai) Corporation | Method and apparatus for measuring critical dimension of semiconductor |
CN105444666A (zh) * | 2014-05-29 | 2016-03-30 | 睿励科学仪器(上海)有限公司 | 用于光学关键尺寸测量的方法及装置 |
US20180059011A1 (en) * | 2016-08-26 | 2018-03-01 | Optionline LLC | Methodology for the identification of materials through methods of comparison of the spectrum of a sample against a reference library of spectra of materials |
CN106770006A (zh) * | 2016-11-29 | 2017-05-31 | 安徽财经大学 | 一种基于近红外光谱的籽棉杂质检测方法 |
CN108121172A (zh) * | 2017-12-13 | 2018-06-05 | 中国科学院光电技术研究所 | 一种基于白光干涉信息匹配的多层膜绝对间隙测量装置及方法 |
CN110823089A (zh) * | 2018-08-10 | 2020-02-21 | 睿励科学仪器(上海)有限公司 | 用于测量半导体器件的光学关键尺寸的方法和设备 |
CN112557332A (zh) * | 2020-12-03 | 2021-03-26 | 华东理工大学 | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022213740A1 (zh) * | 2021-04-08 | 2022-10-13 | 睿励科学仪器(上海)有限公司 | 一种用于比对光谱的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022213740A1 (zh) | 2022-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017094170A1 (ja) | ピーク検出方法及びデータ処理装置 | |
JP6297855B2 (ja) | 動的外れ値偏り低減システム及び方法 | |
JP5375411B2 (ja) | クロマトグラフ質量分析データ解析方法及び装置 | |
US20110238606A1 (en) | Kernel regression system, method, and program | |
JP2014513805A (ja) | 試料に存在する成分を決定するための分光装置と分光法 | |
JP6290905B2 (ja) | 分光装置及び分光方法 | |
US11105855B2 (en) | Tester and method for testing a device under test and tester and method for determining a single decision function | |
CN113295090A (zh) | 一种用于比对光谱的方法和装置 | |
Munshi et al. | Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns | |
JP2001134768A (ja) | デジタル映像テクスチャー分析方法 | |
Gorjão et al. | jumpdiff: A Python library for statistical inference of jump-diffusion processes in observational or experimental data sets | |
Huang et al. | Soft-split sparse regression based random forest for predicting future clinical scores of Alzheimer’s disease | |
Timmermans et al. | Using Bagidis in nonparametric functional data analysis: predicting from curves with sharp local features | |
Sharma et al. | Computation of strains from stereo digital image correlation using principal component analysis | |
Guarin et al. | Recovering default risk from CDS spreads with a nonlinear filter | |
CN115436044A (zh) | 一种有载分接开关机械故障诊断方法、装置及电子设备 | |
Liu | Mathematical Theory of Computational Resolution Limit and Efficient Fast Algorithms for Super-Resolution | |
JP5267302B2 (ja) | 顕微鏡画像処理方法及び顕微鏡画像処理装置 | |
CN111046844B (zh) | 一种基于邻域选取约束的高光谱图像分类方法 | |
Fakhreddin | Partial least squares structural equation modelling: A nontechnical and practical guide | |
Banelli et al. | Automation of peak-tracking analysis of stepwise perturbed NMR spectra | |
David et al. | Empirical study of ensemble classifications on benchmark datasets | |
Lazariv et al. | On control charts for monitoring the variance of a time series | |
Vázquez-Padín et al. | Derivation of the asymptotic eigenvalue distribution for causal 2D-AR models under upscaling | |
Fanaee-T | Tensor completion post-correction |
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 |