专利名称：一种外差干涉椭偏测量非线性误差补偿方法
技术领域：
本发明涉及一种光学精密测量领域，特别是关于一种基于神经网络的 外差干涉椭偏测量非线性误差补偿方法。
背景技术：
椭偏法是一种利用偏振光测量和研究材料表面、薄膜特性的先进光学 技术，特别适用于纳米级薄膜测量。由于具有非4妄触无损4金测、测量精度 高、可以同时测出膜厚和折射率等优点，广泛应用于微电子、材料、光学、 化学化工等诸多领域。
外差干涉椭偏测量技术综合了激光外差干涉法与椭偏测量基本原理的 优点，测量速度快、抗干扰能力强，可以用于生产过程中大批量薄膜的在
线测量。(文献1: ^Vind M.M, Hemmes K. New Ultra-fast Interferometric Ellip國 sometry System Based on Zeeman two-frequency Laser[J].Meas. Sci. Technol.1994, 5:37-46; 文献2: Chin-hua，Chien Chou.etal， Real time interferometric ellipsometry with optical heterodyne and phase lock-in techniques, Apll.Opt;文献3: K.Hemmes, M.A.Hamsrta.et al.， Evaluation of interferometric ellipsometer systems with a time resolution of one microsecond and faster, Thin solid films, 1998, 40-46: 313-314.)
一个采用塞曼激光器反射式外差千涉椭偏测量系统的具体实施方案的 结构如图l所示，横向塞曼双频激光器输出两路垂直正交的线偏振光，角 频率分别为(D。 co2，频差约为200KHz。经过偏振分光4竟(PBS1)分成测 量光束和参考光束，半波片(HWP)用来调整线偏振光的偏振方向，使入 射的垂直分量(s分量)和平行分量(p分量)强度近似相等。测量光经过 被测薄膜两次反射后，在分光镜(BS2)处与参考光束合光，其中测量光 束和参考光束中的p、 s分量分别干涉合成，由偏振分光镜(PBS2)分成 两路外差信号，光电探测器将其转换为频率约为200KHz的正弦交流电信 号。采用电路比较这两个正弦交流电信号的幅值和相位，即可得到椭偏参 数(V, A)并由计算机采集，从而推导出薄膜厚度和折射率。
激光外差干涉法虽然具有测量精度高、测量速度快、溯源性强等优点，广泛应用于纳米级精度测量,但是其固有的非线性误差严重制约了其有效
分辨率。(文献4: Deng Yuanlong, Li Xuejin, etal. Analysis of frequency mixing error on heterodyne interferometric ellipsometry[J]. Meas. Sci. Technol. 2007, Vol. 18:3339-3343;文献5: Deng Yuan-long, Chai Jin-long, Li Xue画jin, etal, Polarization mixing error in transmission ellipsometry with two acousto-optical modulators, Optical Enigneering, 2008.7， 47(7): 075601 )。优质 激光干涉仪中往往存在几个纳米的非线性误差，而在一般的激光干涉仪中 甚至达到10 20nm。非线性误差源主要包括
今偏振分光镜、A74波片、半分光镜、反射镜在内的光学器件，其性能 非理想、安装定位误差、以及环境温度的漂移引起的偏振特性变化； 今激光源偏振特性不理想及不稳定所产生的入射光束初始偏振误差； 今光电检测器件和数据采集电路所引入的相位畸变。特别是采用电子 倍频技术实现高分辨率相位测量时,倍频、混频等环节引起的测量信 号失真。
自Quenelle首次提出激光外差干涉非线性误差的概念以来,国内外学 者对激光外差干涉仪非线性误差来源及其影响进行了大量研究。Wenmei Hou等人提出双相位检测方法可消除一次谐波非线性误差；Badami等人利 用包含速率计和频谱^f义的移动系统直接测量一次谐波和二次谐波非线性误 差的大小并进行补偿；T.B.Eom等人用锁相放大器对参考信号和测量信号 的相位信号进行积分并进行椭圆拟和的方法补偿非线性误差。谭久彬等人 提出的减少非线性误差一次谐波的方法(文献6:减少外差干涉非线性误 差一次谐波分量的方法与装置，发明专利号ZL200610010189.8);美国安 捷伦公司的低非线性误差的位移测量干涉仪(文献7:低非线性误差的位 移测量干涉仪，发明专利申请号200610066827.8)。
目前的激光外差干涉测量非线性误差补偿方法具有较大的局限性，都 集中于动态位移测量系统中的非线性误差分析，而且所研究的对象均为迈 克尔逊式干涉仪结构，同时这些误差补偿方法还有以下问题 令只能补偿一种或某些类型的非线性误差；
今某些方法需要使用额外的光电误差补偿系统,会增加测量系统的复杂 性，影响工作稳定性的同时还会引入其它误差。为了克服上述现有技术的不足，本发明提供一种可以实现快速、在线 测量的基于神经网络的外差干涉椭偏测量非线性误差补偿方法。
本发明解决其技术问题所采用的技术方案是:提供一种基于神经网络的 外差干涉椭偏测量非线性误差补偿方法，其包括以下步骤A提供一系列 不同厚度的薄膜样品并采用外差干涉椭偏测量系统测量薄膜样品；B将以 上获得的椭偏参数实验数据、测量时的环境温度和入射光束的偏振态畸变、 以及椭偏参数理论数据作为学习样本，用来训练神经网络；C训练成功后 的神经网络权值控制非线性误差在线补偿。
本发明解决进一步技术问题的方案是在上述步骤A中，对于所述的 薄膜样品，从50纳米 500纳米覆盖整个测量范围。
本发明解决进一步技术问题的方案是薄膜样品的厚度间距相等。
本发明解决进一步技术问题的方案是薄膜样品的厚度间距不相等。
本发明解决进一步技术问题的方案是所述的步骤A中，环境温度测
量不确定度在o.r以内。
本发明解决进一步技术问题的方案是所述的步骤A中，测量每个薄 膜样品的同时，测量并记录环境温度和入射光束偏振态的畸变。
本发明解决进一步技术问题的方案是所述的神经网络是采用3层结 构的BP或RBF神经网络。
本发明解决进一步技术问题的方案是所述的步骤B中，椭偏参数实 验数据作为输入，椭偏参数理论数据作为输出期望值，温度和入射光束偏 振态的畸变作为非目标干扰量。
本发明解决进一步技术问题的方案是所述的步骤C中，在线补偿前， 使用没有学习过的样本数据再学习一次，细调神经网络权值参数。
相较于现有技术，本发明的外差干涉椭偏测量非线性误差补偿方法采 用神经网络补偿系统综合非线性误差，而不限于某一种或某些类型的非线 性误差；将环境温度作为神经网络的一个输入，可以有效抑制非线性误差 的漂移；观测入射光束偏振态的畸变，并作为神经网络的一个输入，可以 提高误差模型的准确度。
图1是现有技术的采用塞曼激光器外差干涉椭偏测量系统的结构示意 图。
图2是本发明的基于神经网络的外差干涉椭偏测量非线性误差补偿方法 的神经网络训练示意图。
图3是本发明的基于神经网络的外差干涉椭偏测量非线性误差补偿方法 的非线性误差在线补偿的结构示意图。
具体实施例方式
请参阅图2以及图3，本发明提供一种基于神经网络的外差干涉椭偏测 量非线性误差补偿方法，其包括以下步骤A提供一系列不同厚度的薄膜样 品并采用外差干涉椭偏测量系统测量薄膜样品；B将以上获得的椭偏参数实 验数据、测量时的环境温度和入射光束的偏振态畸变、以及椭偏参数理论 数据作为学习样本，用来训练神经网络；C训练成功后的神经网络权值控制 非线性误差在线补偿。
本发明的基于神经网络的外差干涉椭偏测量非线性误差补偿方法，根 据被测膜系结构，采用同样材料制作(或挑选) 一 系列不同厚度的薄膜样 品，从50纳米 500纳米覆盖整个测量范闺，厚度间距可以相等或不相等， 然后采用标准椭偏仪进行标定，获得这些薄膜样品的准确厚度和折射率， 从而计算出椭偏参数理论数据；再使用外差干涉椭偏测量系统分别测量这 些薄膜样品的椭偏参数，并同时测量和记录
今工作环境温度，温度测量不确定度在o.r以内。
今入射光束偏振态的畸变，即干涉仪入射线偏振光偏振方向的微小变化。 将以上获得的测量凝:据作为学习样本，用来训练神经网络，如图2所示。 采用3层结构的BP或RBF神经网络，椭偏参数实-验^:据作为输入，椭偏参数 理论数据作为输出期望值，温度和入射光束偏振态的畸变作为非目标干扰 量，利用训练成功后的神经网络权值即可构成非线性误差在线补偿系统， 如图3所示。
本发明的特征在于
1. 采用神经网络，补偿外差干涉椭偏测量系统中的非线性误差；
2. 神经网络类型可以是BP或RBF神经网络；
3. 对于每一个学习样本，测量并记录工作环境温度、入射光束偏振态的畸变，并作为训练神经网络的非目标干扰量；
4. 为了避免"遗忘效应"，采用"粗调+细调"的工作方式，即在线补偿前， 使用没有学习过的样本再学习一次，细调神经网络权值参数，可以进一 步提高误差补偿系统的泛化能力。
5. 可以使用计算机软件实现神经网络误差补偿系统，也可以采用神经网络 芯片硬件实现。
本发明的基于神经网络的外差干涉椭偏测量非线性误差补偿方法采用 神经网络补偿系统综合非线性误差，而不限于某一种或某些类型的非线性 误差；将工作环境温度作为神经网络的一个输入，可以有效抑制非线性误 差的漂移；观测入射光束偏振态的畸变，并作为神经网络的一个输入，可 以提高误差模型的准确度。
权利要求
1. 一种外差干涉椭偏测量非线性误差补偿方法，其包括以下步骤A提供一系列不同厚度的薄膜样品并采用外差干涉椭偏测量系统测量薄膜样品；B将以上获得的椭偏参数实验数据、测量时的环境温度和入射光束的偏振态畸变、以及椭偏参数理论数据作为学习样本，用来训练神经网络；C训练成功后的神经网络权值控制非线性误差在线补偿。
2. 根据权利要求1所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于在上述步骤A中，对于所述的薄膜样品，从50纳米 500纳米 覆盖整个测量范围。
3. 根据权利要求2所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于薄膜样品的厚度间距相等。
4. 根据权利要求2所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于薄膜样品的厚度间距不相等。
5. 根据权利要求1所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于所述的步骤A中，环境温度测量不确定度在0.1。以内。
6. 根据权利要求1所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于所述的步骤A中，测量每个薄膜样品的同时，测量并记录环境 温度和入射光束偏振态的畸变。
7. 根据权利要求1所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于所述的神经网络是釆用3层结构的BP或RBF神经网络。
8. 根据权利要求1所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于所述的步骤B中，椭偏参数实验数据作为输入，椭偏参数理论 数据作为输出期望值，温度和入射光束偏振态的畸变作为非目标干扰量。
9. 根据权利要求1所述的外差干涉椭偏测量非线性误差补偿方法，其 特征在于所述的步骤C中，在线补偿前，使用没有学习过的样本数据再 学习 一次，细调神经网络权值参数。
全文摘要
本发明提供一种基于神经网络的外差干涉椭偏测量非线性误差补偿方法，其包括以下步骤A.提供一系列不同厚度的薄膜样品并采用外差干涉椭偏测量系统测量薄膜样品；B.将以上获得的椭偏参数实验数据、测量时的环境温度和入射光束的偏振态畸变、以及椭偏参数理论数据作为学习样本，用来训练神经网络；C.训练成功后的神经网络权值控制非线性误差在线补偿。本发明的外差干涉椭偏测量非线性误差补偿方法采用神经网络补偿系统综合非线性误差，而不限于某一种或某些类型的非线性误差；将环境温度作为神经网络的一个输入，可以有效抑制非线性误差的漂移；观测入射光束偏振态的畸变，并作为神经网络的一个输入，可以提高非线性误差模型的准确度。
文档编号G01B11/06GK101520413SQ200910105389
公开日2009年9月2日 申请日期2009年2月18日 优先权日2009年2月18日
发明者李学金, 邓元龙 申请人:深圳大学