专利名称：一种模拟运算放大器集成电路优化方法
技术领域：
本发明涉及一种集成电路处理方法，尤其是涉及一种模拟运算放大器集成电路优
化方法。
背景技术：
随着电路设计进入深亚微米和系统级芯片(也称片上系统)(S0C， System on a Chip)时代，需要将数字电路部分和模拟电路部分集成到同一块芯片上，构成集成电路，然 而在整个集成电路设计过程中，模拟电路部分的设计是最具挑战性的。模拟电路的设计存 在设计参数多，性能指标复杂及多目标优化的问题，因而成为集成电路设计中的瓶颈。集成 电路设计过程中芯片集成度、功耗、成本和电路的工作稳定性永远是矛盾因素，芯片集成度 的提高，直接导致功耗的增加，功耗增加会降低集成电路的工作稳定性，进而需采用更复杂 的封装及冷却技术，从而增加了整个集成电路的成本。因此，在保证集成电路稳定工作的前 提下，设计低压、低功耗的微电路是很关键也是很有意义的一项工作。 模拟电路中的运算放大器是目前应用最广泛的器件，虽然不同的运算放大器结构 各不相同，但对于外部电路而言，其特性都是一样的。运算放大器一般由4个部分组成，分 别为偏置电路、输入级、中间级和输出级，其中输入级一般采用差动放大电路，其用于抑制 电源；中间级一般采用有源负载的共射负载电路，其用于提高放大倍数；输出级一般采用 互补对称输出级电路，其用于提高电路驱动负载的能力。运算放大器的主要指标有直流增 益、单位增益带宽、转换速率和功耗，在这几个指标中，通常要求直流增益、单位增益带宽及 转换速率越大越好，而功耗则越小越好，这样就要求对运算放大器进行优化，以取得性能最 佳的运算放大器。 但目前在实际工业界设计中，由于缺乏模拟电路的自动设计工具，常常需要有经 验的专家手工设计和结合模拟软件，才能满足和提高整个商用芯片的性能。国内外的研究 者在模拟CMOS (Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)单 元电路即CM0S运算放大器的设计自动化和优化方面已经做出了一定的工作，主要有两个 方面(1)、基于方程的优化设计方法；(2)、基于仿真的优化设计方法。前者在建立设计参 数_优化性能指标准确的关系基础上，主要取决于优化算法，传统的优化算法有梯度法、最 小二乘法、规划法等，但这些传统的优化算法不适合求取多参数、多目标的优化问题，且往 往容易陷于局部最优；后者只能根据经验选取设计参数，在已知设计参数的前提下进行仿 真比较，因此，得不到最佳的设计参数。
发明内容
本发明所要解决的技术问题是提供一种能够同时对多个参数进行优化，并经优化 后能够得到最佳的优化参数，能较好地满足高直流增益、单位增益带宽、转换速率和低功耗 要求，且易于移植、通用性较强的模拟运算放大器集成电路优化方法。
本发明解决上述技术问题所采用的技术方案为一种模拟运算放大器集成电路优化方法，模拟运算放大器集成电路的主要性能指标有直流增益、单位增益带宽、转换速率和 功耗，模拟运算放大器集成电路中的参数包括工艺参数和电路参数，该优化方法包括以下 步骤 ①设定待优化的模拟运算放大器集成电路主要由n'个M0S管构成，统计待优化 的模拟运算放大器集成电路中需要进行优化的参数的总个数，记为N咖，N咖=2n' +!11，其 中，2n'表示待优化的模拟运算放大器集成电路中的工艺参数的总个数，m表示待优化的模 拟运算放大器集成电路中的电路参数的总个数； ②将待优化的模拟运算放大器集成电路的直流增益、单位增益带宽、转换速率及 功耗分别记为Gp G2、 S工及P"根据直流增益Gp单位增益带宽G^转换速率S工及功耗P工与 需要进行优化的参数的关系，分别获取直流增益Gp单位增益带宽G^转换速率S工及功耗P工 与需要进行优化的参数的关系函数表达式； ③利用Q-变异免疫网络的智能优化搜索方法，首先设置一个初始抗体群，初始抗 体群中的各个抗体为由具有具体值的需进行优化的参数组成，根据待优化的模拟运算放大 器集成电路中的主要性能指标的要求，设置一个优化目标函数，并将该优化目标函数作为 抗原，将初始抗体群定义为当代抗体群；然后计算当代抗体群中的各个抗体与抗原之间的 亲和度，并根据各个抗体与抗原之间的亲和度计算当代抗体群中的各个抗体需克隆的克隆 次数，利用克隆次数对当代抗体群中的各个抗体进行克隆得到克隆抗体群；对克隆抗体群 中的各个抗体进行变异操作，得到变异抗体群；计算变异抗体群中被选择进入下一次迭代 过程的抗体的概率，根据该概率获得初步选定抗体群；通过比较初步选定抗体群中的各个 抗体与抗原的亲和度与当代抗体群中的各个相应的抗体与抗原的亲和度的大小，更新初步 选定抗体群，得到抑制抗体群；再在迭代次数到达时滞判断阈值时判断迭代过程是否处于 时滞状态，如果处于时滞状态，则随机产生若干个抗体替代抑制抗体群中与抗原的亲和度 最小的抗体，得到扩展抑制抗体群，否则，不进行处理；最后判断迭代次数是否到达最大迭 代次数，如果是，则结束迭代过程，得到最佳抗体群，计算最佳抗体群中的各个抗体与抗原 的亲和度，找出与抗原的亲和度最大的抗体，将该抗体作为最佳抗体，将最佳抗体中的各个 参数作为优化后的参数，否则，调整下一代抗体群的抗体规模，再重复迭代过程。
所述的Q-变异免疫网络的智能优化搜索方法的具体过程如下 ③-l、初始化各个需要进行优化的参数，设置一个用于表示迭代次数的变量，记为
g，迭代次数g的初始值为l，设置一个用于暂时记录迭代次数的变量，记为g*， g*的初始值 为l，设置一个用于表示最大迭代次数的变量，记为maxg，maxg G [200， 600]，设置一个用于 判断迭代过程是否处于时滞状态的时滞判断阈值，记为Lm，LmG [10,20];
③-2、首先将所有需要进行优化的参数定义为一个抗体，然后设置一个初始抗体 群，初始抗体群为一个矩阵，初始抗体群的行数为设定的初始抗体规模，初始抗体规模的值 为40 200，初始抗体群的列数为Num，初始抗体群的每行表示一个抗体，初始抗体群的行 元素为抗体中的各个需要进行优化的参数，各个不同抗体中的同一个需进行优化的参数的 具体值不一致，各个不同抗体中的同一个需进行优化的参数的具体值为设定值范围中的一 个任意值； ③-3、根据待优化的模拟运算放大器集成电路中的主要性能指标的要求，设置一 个优化目标函数，记为BestD， BestD = & (G》Xf2(G2) Xf3(S》X作为抗原，其中 <formula>formula see original document page 8</formula>
K、 V2、 V3和V4分别表示设定的预期达到的直流增益、单位增益带宽、转换速率和功耗；
③-4、将初始抗体群定义为当代抗体群，将初始抗体规模定义为当代抗体规模；
③-5、分别计算当代抗体群中的各个抗体与抗原之间的亲和度，对于当代抗体 群中的第i个抗体，将其记为ai (g)，将第i个抗体ai (g)与抗原的亲和度记为f (ai (g))， f (A (g)) = ^ (G》X f2 (G2) X f3 (S》X f4 (P》，其中，i大于等于1且小于等于当代抗体规模;
③-6、根据当代抗体群中的各个抗体与抗原之间的亲和度，分别计算当代抗体群 中的各个抗体需克隆的克隆次数，对于当代抗体群中的第i个抗体，将其需克隆的克隆次 数记为NCi(g)，NCi(g) = y XNcmaxX (norm(f(ai(g)))n)+Nc。，其中，y为
区间内的随 机数，NCm^表示允许的最大克隆次数，NCm^ G [5，20]，norm()为归一化函数，n表示幂函数 的指数，其值为2，Nc。表示克隆基数，Nc。 G [4，6];然后利用各个抗体的克隆次数对当代抗 体群中的各个抗体进行克隆，得到克隆抗体群，克隆抗体群的行数为克隆抗体规模，克隆抗 体规模为当代抗体群中所有抗体的克隆次数的和，克隆抗体群的列数为Num，将克隆抗体群 中的第j个抗体记为a' j(g) ， j大于等于1且小于等于克隆抗体规模；
③-7、对克隆抗体群中的各个抗体进行Q-变异操作，得到变异抗体群，变 异抗体群的行数为变异抗体规模，其大小与克隆抗体规模相同，变异抗体群的列数 为Num，将变异抗体群中的第j个抗体记为a/(g) ， ":(g) = fl;(g) + qxA6 + C2xAc， 其中，Cl和C2均为亲和力学习因子，Cl和C2满足条件q > 0、 c2 > 0iCl+c2 = 1，
<formula>formula see original document page 8</formula>H为[oa]区间内的
随机数，r2表示变异放大倍数，其值为1 2， r3为
区间内的随机数，norm()为归一 化函数，f(a' j(g))表示克隆抗体群中的第j个抗体a' j(g)与抗原的亲和度，n表示用 于调整f(a' j(g))的控制调整因子，其值为0.5 2，a' g(g)表示克隆抗体群中与抗原的 亲和度最大的抗体； ③-8、计算变异抗体群中被选择进入下一次迭代过程的抗体的概率，记为P，
<formula>formula see original document page 8</formula> i ，其中，f (
<formula>formula see original document page 8</formula>其中，f(a/(g))表示变异抗体群中的第j
个抗体a/(g)与抗原的亲和度，S(《(g》iV謡《xA^r1 ，N咖q表示变异抗体群中的抗体与 抗体之间的欧氏距离小于0. 01 0. 2的抗体的个数，Nq表示变异抗体群中的抗体的总个 数，其值为变异抗体规模，A为调节因子，其值为K A《3;然后针对变异抗体群中的 每个抗体生成一个[O，l]区间内的随机数，判断各个抗体对应的随机数是否小于概率P， 如果是，则将该随机数对应的抗体作为初步选定的抗体，否则，舍弃该随机数对应的抗体， 由所有初步选定的抗体组成初步选定抗体群，初步选定抗体群的行数小于变异抗体规模， 初步选定抗体群的列数为Num，设定初步选定抗体群中的第p个抗体是当代抗体群中的第 i抗体经过克隆及Q-变异得到；再通过比较初步选定抗体群中的各个抗体与抗原的亲和 度与当代抗体群中的各个相应的抗体与抗原的亲和度的大小，更新初步选定抗体群，得到 抑制抗体群，对于初步选定抗体群中的第P个抗体，将其记为a/' (g)，将其与抗原的亲和度记为f (a/' (g))，判断/("p(g》〉/(",(g))是否成立，如果成立，则保留ap*' (g)，否则，
";'(g) = ",(g); ③-9、判断(g mod Lm) = 0是否成立，如果成立，则继续执行，否则，再执行步骤 ③-12 ; ③-10、判断迭代次数为g时的抗体群中的各个抗体与抗原的亲和度中的最大亲 和度与迭代次数为g*时的抗体群中的各个抗体与抗原的亲和度中的最大亲和度之差的绝 对值是否小于设定的亲和度变化范围值，亲和度变化范围值为0. 3 0. 6，如果是，则表明 迭代过程处于时滞状态，g* = g，并继续执行，否则，g* = g，并执行步骤③-12 ;
③-11 、随机产生若干个抗体替代抑制抗体群中与抗原的亲和度最小的抗体，得到 扩展抑制抗体群，扩展抑制抗体群的行数为抑制抗体规模+随机产生的抗体的个数-1，扩 展抑制抗体群的列数为Num ; ③-12、判断迭代次数g是否等于最大迭代次数max g，如果是，则结束迭代过程，
得到最佳抗体群，该最佳抗体群为抑制抗体群或扩展抑制抗体群，计算最佳抗体群中的各
个抗体与抗原的亲和度，找出与抗原的亲和度最大的抗体，将该抗体作为最佳抗体，将最佳 抗体中的各个参数作为优化后的参数，否则，先计算g' =g+1，g = g'，然后将抑制抗体群
或扩展抑制抗体群作为下一代抗体群； ③-13、调整下一代抗体群的抗体规模，将下一代抗体群的抗体规模记为N(g+l)，
A^ + lhmax化^V^」，A^J ,其中，N⑨为当代抗体规模，Nmin为设定的最小抗体
规模，其值为10 30，符号"L」"为向上取整运算符，S为当代抗体群中的所有抗体与抗
原的亲和度之和的平均值与下一代抗体群中的所有抗体与抗原的亲和度之和的平均值之
比，S G [O，l]; ③-14、将下一代抗体群作为当代抗体群，将下一代抗体群的抗体规模作为当代抗 体规模，然后再返回步骤③_5继续执行。 所述的步骤③-1中各个需要进行优化的参数的初始值均为预先给定的设定值范 围之间的随机实数值，或为其在待优化的模拟运算放大器集成电路中的原始值，其中，所 有M0S管的沟道宽度的设定值范围为1 ii m 60 ii m，所有M0S管的沟道长度的设定值范 围为0. 1 ii m 50 ii m，补偿电容的设定值范围为0. lpF 10pF，偏置电流的设定值范围为 1 ii A 50 ii A，最大迭代次数maxg为300，时滞判断阈值Lm为15。 所述的步骤③-2中初始抗体规模的值为100，值区间是根据待优化的模拟运算放 大器集成电路确定，待优化的模拟运算放大器集成电路中的各个工艺参数和各个电路参数 均对应一个值区间。 所述的步骤③-6中最大克隆次数Ncmax为10，克隆基数Nc。 = 4。
所述的步骤③-7中Cl = 0. 5， c2 = 0. 5， r2 = 2， n = 1. 5。 所述的步骤③-8中Numq表示扩展变异抗体群中的抗体与抗体之间的欧氏距离小 于O. 1的抗体的个数，调节因子A = 1. 5。 所述的步骤③-10中设定的亲和度变化范围值为0. 5。 所述的步骤③-11中随机产生的抗体的个数也是随机的，最少为一个抗体。
所述的步骤③-13中最小抗体规模Nmin = 20。
与现有技术相比，本发明的优点在于根据待设计的模拟集成电路的原理和要求， 可以不受设计参数及优化目标个数的影响，应用Q-变异免疫网络的智能优化搜索方法自 动设计工艺参数及电路参数，能够自动在设定值范围内搜索得到满足模拟电路性能指标要 求的最佳工艺参数和电路参数，即满足高直流增益、单位增益带宽、转换速率和低功耗要 求，为高性能模拟集成电路工艺设计提供了良好的基础和依据。此外，本发明方法适用于各 类模拟电路设计，易于移植，有着广泛的适应性和较强的通用性。
图1为八管子的二级CMOS模拟运算放大器集成电路； 图2为本发明的Q-变异免疫网络的智能优化搜索方法的流程框图。
具体实施例方式
以下结合附图实施例对本发明作进一步详细描述。 图1给出了八管子的二级CMOS模拟运算放大器集成电路，其中Ml M8分别表示 8个M0S(Metal Oxide Semiconductor,半导体金属氧化物)管，M1和M2的工艺参数相同， M3和M4的工艺参数相同。Ml和M2构成P沟管输入级差分放大器；N沟管M3和M4构成基 本的恒流源，作为Ml和M2的有源负载；M5为电流源管，为第一级放大器；N沟管M7为共源 反相放大管，为第二级放大器，作为输出级；M6为其有源负载；Rs和M8构成偏置电路，为输 入级差分放大器和输出级提供工作电流；VDD表示电源的正向供电电压，Vss表示电源的反向 供电电压；Cc为米勒电容，作为频率补偿而引入。该二级CMOS模拟运算放大器集成电路的 主要性能指标有直流增益、单位增益带宽、转换速率和功耗，在这几个指标中，通常要求直 流增益、单位增益带宽及转换速率越大越好，而功耗则越小越好，这样就要求对运算放大器 进行优化，以取得性能最佳的运算放大器。 因此，本发明提出了一种模拟运算放大器集成电路优化方法，该方法只要根据待 设计的集成电路的原理和要求，可以不受设计参数及优化目标个数的影响，应用Q-变异免 疫网络的智能优化搜索方法自动设计工艺参数及电路参数，能够自动在设定值范围内获取 满足模拟电路性能指标要求的最佳工艺参数和电路参数，通用性较强。下面以图l所示的 二级CMOS模拟运算放大器集成电路为例进行优化，对该集成电路中的8个M0S管Ml M8 的沟道宽度和沟道长度及补偿电容、偏置电流等参数的大小进行优化设计，以满足高的直 流增益、单位增益带宽、转换速率以及低功耗的要求，优化的具体步骤如下
①设定待优化的模拟运算放大器集成电路主要由n'个M0S管构成，统计待优化 的模拟运算放大器集成电路中需要进行优化的参数的总个数，记为N咖，N咖=2n' +!11，其 中，2n'表示待优化的模拟运算放大器集成电路中的工艺参数的总个数，m表示待优化的模 拟运算放大器集成电路中的电路参数的总个数。在此，工艺参数主要指各个M0S管的沟道 宽度及沟道长度，而电路参数一般指补偿电容、偏置电流等，不同的集成电路其电路参数各 不相同。 图1所示的集成电路由8个M0S管构成，由于该集成电路中的Ml管和M2管的尺 寸相等及M3管和M4管的尺寸相等，即沟道宽度和沟道长度均相等，而根据该集成电路的失
10调消除要求，M7的沟道宽度可根据其他已知的管子的尺寸获得<formula>formula see original document page 11</formula>其中，W3、 W5、 We、分别为M3、 M5和M6的沟道宽度，L3、 L5、 L6和L7分别为M3、 M5、 M6和M7的 沟道长度，这样需优化的工艺参数的总个数为11个，需优化的电路参数的总个数为2个，即 补偿电容和偏置电流，需要进行优化的参数的总个数为13个。 ②将待优化的模拟运算放大器集成电路的直流增益、单位增益带宽、转换速率及 功耗分别记为Gp G2、 S工及P"根据直流增益Gp单位增益带宽G^转换速率S工及功耗P工与 需要进行优化的参数的关系，分别获取直流增益Gp单位增益带宽G^转换速率S工及功耗P工 与需要进行优化的参数的关系函数表达式。 图1所示的集成电路根据对其原理的分析，该集成电路的各个指标可表达为<formula>formula see original document page 11</formula>其中，gml和gm6分别表示Ml和M6的跨导，I5、 I6和I8 分别表示流过M5、 M6和M8的电流，A 2、 A 4及A 6分别表示M2、 M4及M6的沟道长度调制 系数，C。为补偿电容，VDD表示电源的正向供电电压，Vss表示电源的反向供电电压。上述直 流增益Gp单位增益带宽G^转换速率S工及功耗P工与需要进行优化的参数的关系函数表达
式可表示为<formula>formula see original document page 11</formula>
(nC。x):取2. 5 X 10—5安/V2，这里，n为Ml管的载流子迁移率，C。xl为Ml管的氧化层电容， (y PC。X)6取1. 25 X 10—5安/伏2，这里，y p为M6管的载流子迁移率，C。x6为M6管的氧化层 电容，Wl、 W5、 W6、 W7及W8分别为Ml、 M5、 M6、 M7及M8的沟道宽度，L5、 L6、 L7及L8分别为 Ml、 M5、 M6、 M7及M8的沟道长度；A 2、 A 4及A 6分别为M2、 M4及M6的沟道长度调制系数， 取入2 =入4 =入6 = 0.02伏-1， C。为补偿电容，Ib^为偏置电流，V。。为电源电压，其值为 +5V。 ③利用Q-变异免疫网络的智能优化搜索方法，首先设置一个初始抗体群，初始抗 体群中的各个抗体为由具有具体值的需进行优化的参数组成，根据待优化的模拟运算放大 器集成电路中的主要性能指标的要求，设置一个优化目标函数，并将该优化目标函数作为 抗原，将初始抗体群定义为当代抗体群；然后计算当代抗体群中的各个抗体与抗原之间的 亲和度，并根据各个抗体与抗原之间的亲和度计算当代抗体群中的各个抗体需克隆的克隆 次数，利用克隆次数对当代抗体群中的各个抗体进行克隆得到克隆抗体群；对克隆抗体群 中的各个抗体进行变异操作，得到变异抗体群；计算变异抗体群中被选择进入下一次迭代过程的抗体的概率，根据该概率获得初步选定抗体群；通过比较初步选定抗体群中的各个 抗体与抗原的亲和度与当代抗体群中的各个相应的抗体与抗原的亲和度的大小，更新初步 选定抗体群，得到抑制抗体群；再在迭代次数到达时滞判断阈值时判断迭代过程是否处于 时滞状态，如果处于时滞状态，则随机产生若干个抗体替代抑制抗体群中与抗原的亲和度 最小的抗体，得到扩展抑制抗体群，否则，不进行处理；最后判断迭代次数是否到达最大迭 代次数，如果是，则结束迭代过程，得到最佳抗体群，计算最佳抗体群中的各个抗体与抗原 的亲和度，找出与抗原的亲和度最大的抗体，将该抗体作为最佳抗体，将最佳抗体中的各个 参数作为优化后的参数，否则，调整下一代抗体群的抗体规模，再重复迭代过程。
在此，图2给出了 Q-变异免疫网络的智能优化搜索方法的基本流程框图，其具体 过程如下 ③_1、初始化各个需要进行优化的参数，设置一个用于表示迭代次数的变量，记为 g，迭代次数g的初始值为l，设置一个用于暂时记录迭代次数的变量，记为g*， g*的初始值 为l，设置一个用于表示最大迭代次数的变量，记为max g，max gG [200， 600]，设置一个用 于判断迭代过程是否处于时滞状态的时滞判断阈值，记为Lm， Lm G [10,20]。
在此，各个需要进行优化的参数的初始值均为预先给定的设定值范围之间的随 机实数值，或为其在待优化的模拟运算放大器集成电路中的原始值，其中，设定值范围为
<formula>formula see original document page 12</formula>c+可根据设计人需达到的
《4。,. ，
优化结果给出，在此设w「 = 1//w 、w/ = 60戶、/「 = 0.1//w 、/,+ = 50戶、r = i y a、 i+ =
50 ii A、 c— = 0. lpF、 c+ = 10pF。 在此，可将最大迭代次数max g设为300，可将时滞判断阈值Lm设为15。 ③-2、首先将所有需要进行优化的参数定义为一个抗体，然后设置一个初始抗体
群，初始抗体群为一个矩阵，初始抗体群的行数为设定的初始抗体规模，初始抗体规模的值
为40 200，初始抗体群的列数为Num，初始抗体群的每行表示一个抗体，初始抗体群的行
元素为抗体中的各个需要进行优化的参数，各个不同抗体中的同一个需进行优化的参数的
具体值不一致，各个不同抗体中的同一个需进行优化的参数的具体值为设定值范围中的一
个任意值。 在此，可将初始抗体规模的值设为100 ;值区间是根据待优化的模拟运算放大器 集成电路确定，待优化的模拟运算放大器集成电路中的各个工艺参数和各个电路参数均对 应一个值区间。 ③-3、根据待优化的模拟运算放大器集成电路中的主要性能指标的要求，即 要求高的直流增益、单位增益带宽、转换速率以及低功耗，设置一个优化目标函数，记 为BestD， BestD = f! (G》X f2 (G2) X f3 (S》X f4 (P》，将该优化目标函数作为抗原，其中，
，》=(1—^)，/2(《)=(1-^)，/必)=(1-6-^,/"i^(l-^)，VV2、V3和V4分别
表示设定的预期达到的直流增益、单位增益带宽、转换速率和功耗。
12
③-4、将初始抗体群定义为当代抗体群，将初始抗体规模定义为当代抗体规模。
③-5、分别计算当代抗体群中的各个抗体与抗原之间的亲和度，对于当代抗体 群中的第i个抗体，将其记为ai (g)，将第i个抗体ai (g)与抗原的亲和度记为f (ai (g))， f (A (g)) = ^ (G》X f2 (G2) X f3 (S》X f4 (P》，其中，i大于等于1且小于等于当代抗体规模。
③-6、根据当代抗体群中的各个抗体与抗原之间的亲和度，分别计算当代抗体群 中的各个抗体需克隆的克隆次数，对于当代抗体群中的第i个抗体，将其需克隆的克隆次 数记为NCi(g)， NCi(g) = y XNcmaxX (norm(f(ai(g)))n)+Nc。，其中，y为
区间内的 随机数，NCm^表示允许的最大克隆次数，NCm^ G [5，20]，norm()为归一化函数，n表示幂函 数的指数，其值为2，Nc。表示克隆基数，Nc。 G [4，6]，这里幂函数主要用于控制各个抗体的 克隆水平，克隆基数主要是为了鼓励亲和度较低的抗体参与克隆；然后利用各个抗体的克 隆次数对当代抗体群中的各个抗体进行克隆，得到克隆抗体群，克隆抗体群的行数为克隆 抗体规模，克隆抗体规模为当代抗体群中所有抗体的克隆次数的和，克隆抗体群的列数为 Num，将克隆抗体群中的第j个抗体记为a' j(g) ， j大于等于1且小于等于克隆抗体规模。
在此，可将最大克隆次数Nc^为10，可将克隆基数Nc。设为4。
③-7、对克隆抗体群中的各个抗体进行Q-变异操作，得到变异抗体群，变 异抗体群的行数为变异抗体规模，其大小与克隆抗体规模相同，变异抗体群的列数 为Num，将变异抗体群中的第j个抗体记为a/(g) ， ^.(g)^^;(g) + qxA6 + c2x Ac ， 其中，Cl和C2均为亲和力学习因子，Cl和C2满足条件q > 0、 c2 > 0iCl+c2 = 1，
A6"lxr2xexp(--;八譜)，A c = r3X (a' g(g)-a' j(g)) ，rl为
区间内的
随机数，r2表示变异放大倍数，其值为1 2， r3为
区间内的随机数，norm()为归一 化函数，f(a' j(g))表示克隆抗体群中的第j个抗体a' j(g)与抗原的亲和度，n表示用 于调整f(a' j(g))的控制调整因子，其值为0.5 2，a' g(g)表示克隆抗体群中与抗原的 亲和度最大的抗体。 在此，可取q = 0. 5， c2 = 0. 5， r2 = 2， n = 1. 5。 ③-8、计算变异抗体群中被选择进入下一次迭代过程的抗体的概率，记为P，
i^/(")(g))xe;c/7(^4^)x(2/("二(g))"，其中，f(a/(g))表示变异抗体群中的第j
乂 "=i
个抗体a/(g)与抗原的亲和度，S(《(g)) = M/t^x7Vgr1 ， Numq表示变异抗体群中的抗体与 抗体之间的欧氏距离小于0. 01 0. 2的抗体的个数，Nq表示变异抗体群中的抗体的总个 数，其值为变异抗体规模，A为调节因子，其值为K A《3;然后针对变异抗体群中的 每个抗体生成一个[O，l]区间内的随机数，判断各个抗体对应的随机数是否小于概率P， 如果是，则将该随机数对应的抗体作为初步选定的抗体，否则，舍弃该随机数对应的抗体， 由所有初步选定的抗体组成初步选定抗体群，初步选定抗体群的行数小于变异抗体规模， 初步选定抗体群的列数为Num，设定初步选定抗体群中的第p个抗体是当代抗体群中的第 i抗体经过克隆及Q-变异得到；再通过比较初步选定抗体群中的各个抗体与抗原的亲和 度与当代抗体群中的各个相应的抗体与抗原的亲和度的大小，更新初步选定抗体群，得到 抑制抗体群，对于初步选定抗体群中的第P个抗体，将其记为a/' (g)，将其与抗原的亲和度记为f (a/' (g))，判断/(<(g》> /(^(g))是否成立，如果成立，则保留a/' (g)，否则，
";'(g)=。,(g)° 在此，Numq表示扩展变异抗体群中的抗体与抗体之间的欧氏距离小于0. 1的抗体 的个数，调节因子A =1.5。 ③-9、判断(g mod Lm) = 0是否成立，如果成立，则继续执行，否则，再执行步骤 ③-12。 ③-10、判断迭代次数为g时的抗体群中的各个抗体与抗原的亲和度中的最大亲 和度与迭代次数为g*时的抗体群中的各个抗体与抗原的亲和度中的最大亲和度之差的绝 对值是否小于设定的亲和度变化范围值，亲和度变化范围值为0. 3 0. 6，如果是，则表明 迭代过程处于时滞状态，g* = g，并继续执行，否则，g* = g，并执行步骤③-12。
在此，设定的亲和度变化范围值为0. 5。 ③-ll、随机产生若干个抗体替代抑制抗体群中与抗原的亲和度最小的抗体，得到 扩展抑制抗体群，扩展抑制抗体群的行数为抑制抗体规模+随机产生的抗体的个数-1，扩 展抑制抗体群的列数为Num。 在此，利用随机产生的抗体来替代抑制抗体群中与抗原的亲和度最小的抗体，目
的是为了保证抗体的多样性，以提高该免疫网络的智能优化搜索方法的全局搜索能力。在
此，随机产生的抗体的个数也是随机的，最少为一个抗体，一般情况下为多个。 ③_12、判断迭代次数g是否等于最大迭代次数maxg，如果是，则结束迭代过程，得
到最佳抗体群，该最佳抗体群为抑制抗体群或扩展抑制抗体群，计算最佳抗体群中的各个
抗体与抗原的亲和度，找出与抗原的亲和度最大的抗体，将该抗体作为最佳抗体，将最佳抗
体中的各个参数作为优化后的参数，否则，先计算g' =g+1，g = g'，然后将抑制抗体群或
扩展抑制抗体群作为下一代抗体群。 ③-13、随着抗体群的迭代进化，抗体群的抗体规模将会自动调整下一 代抗体群的抗体规模，使其逐渐减小，将下一代抗体群的抗体规模记为N(g+l)，
W(g + l) = max{L^V(g)」，iVmln}，其中，N(g)为当代抗体规模，Nmin为设定的最小抗
体规模，其值为10 30，符号"L」"为向上取整运算符，S为当代抗体群中的所 有抗体与抗原的亲和度之和的平均值与下一代抗体群中的所有抗体与抗原的亲
和度之和的平均值之比，S G [O，l]。 在此，可将最小抗体规模Nmin设为20。 ③-14、将下一代抗体群作为当代抗体群，将下一代抗体群的抗体规模作为当代抗 体规模，然后再返回步骤③_5继续执行。 表1给出了图1所示的集成电路的各个需要进行优化的参数经过本发明优化方法 优化后的参数与优化前的参数的比较。 表2给出了图1所示的集成电路的各个需要进行优化的参数经过本发明优化方法
优化参数后的各性能指标与优化前的各性能指标的比较。 表1优化前后CMOS电路设计参数比较
14
设计参数优化前优化后
Wl (拜)8.215.6
LI (拜)0.61.5
W3 (urn)5.43.8
L3 (jxm)2.72.9
W5 (拜)12.216.3
L5 (|im)1.81.5
W6 (拜)22.622.8
2.92.2
W753.856.5
L7 (urn)2.62.9
W8 —)16.615.7
L8 (pm)1.81.3
Cc (pF)0.30.3
Ibias (PA)166.2 表2优化前后性能指标比较
性能指标 优化前 优化后
直流增益(db)8592功耗(pW)185128
单位增益带宽(MHZ)8.810.5
单位转换速率(V尔s)12.222.9 从表1和表2可以看出，图1所示的集成电路经本发明优化方法优化其各个工艺 参数和电路参数后，其直流增益、单位增益带宽及转换速率均得到了明显的提高，而功耗有 明显的降低。因此，应用Q-变异免疫网络的智能优化搜索方法能够对模拟电路的工艺参数 及电路参数在设定值范围内自动搜索，获得满足模拟电路性能指标要求的最佳工艺参数和 电路参数，足以说明本发明优化方法是可行且有效的。
权利要求
一种模拟运算放大器集成电路优化方法，模拟运算放大器集成电路的主要性能指标有直流增益、单位增益带宽、转换速率和功耗，模拟运算放大器集成电路中的参数包括工艺参数和电路参数，其特征在于该优化方法包括以下步骤①设定待优化的模拟运算放大器集成电路主要由n′个MOS管构成，统计待优化的模拟运算放大器集成电路中需要进行优化的参数的总个数，记为Num，Num＝2n′+m，其中，2n′表示待优化的模拟运算放大器集成电路中的工艺参数的总个数，m表示待优化的模拟运算放大器集成电路中的电路参数的总个数；②将待优化的模拟运算放大器集成电路的直流增益、单位增益带宽、转换速率及功耗分别记为G1、G2、S1及P1，根据直流增益G1、单位增益带宽G2、转换速率S1及功耗P1与需要进行优化的参数的关系，分别获取直流增益G1、单位增益带宽G2、转换速率S1及功耗P1与需要进行优化的参数的关系函数表达式；③利用Q-变异免疫网络的智能优化搜索方法，首先设置一个初始抗体群，初始抗体群中的各个抗体为由具有具体值的需进行优化的参数组成，根据待优化的模拟运算放大器集成电路中的主要性能指标的要求，设置一个优化目标函数，并将该优化目标函数作为抗原，将初始抗体群定义为当代抗体群；然后计算当代抗体群中的各个抗体与抗原之间的亲和度，并根据各个抗体与抗原之间的亲和度计算当代抗体群中的各个抗体需克隆的克隆次数，利用克隆次数对当代抗体群中的各个抗体进行克隆得到克隆抗体群；对克隆抗体群中的各个抗体进行变异操作，得到变异抗体群；计算变异抗体群中被选择进入下一次迭代过程的抗体的概率，根据该概率获得初步选定抗体群；通过比较初步选定抗体群中的各个抗体与抗原的亲和度与当代抗体群中的各个相应的抗体与抗原的亲和度的大小，更新初步选定抗体群，得到抑制抗体群；再在迭代次数到达时滞判断阈值时判断迭代过程是否处于时滞状态，如果处于时滞状态，则随机产生若干个抗体替代抑制抗体群中与抗原的亲和度最小的抗体，得到扩展抑制抗体群，否则，不进行处理；最后判断迭代次数是否到达最大迭代次数，如果是，则结束迭代过程，得到最佳抗体群，计算最佳抗体群中的各个抗体与抗原的亲和度，找出与抗原的亲和度最大的抗体，将该抗体作为最佳抗体，将最佳抗体中的各个参数作为优化后的参数，否则，调整下一代抗体群的抗体规模，再重复迭代过程。
2. 根据权利要求1所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 Q-变异免疫网络的智能优化搜索方法的具体过程如下③_1、初始化各个需要进行优化的参数，设置一个用于表示迭代次数的变量，记为g， 迭代次数g的初始值为l，设置一个用于暂时记录迭代次数的变量，记为g*， g*的初始值为 l，设置一个用于表示最大迭代次数的变量，记为maxg，maxg G [200， 600]，设置一个用于判 断迭代过程是否处于时滞状态的时滞判断阈值，记为Lm，LmG [10,20];③-2、首先将所有需要进行优化的参数定义为一个抗体，然后设置一个初始抗体群， 初始抗体群为一个矩阵，初始抗体群的行数为设定的初始抗体规模，初始抗体规模的值为 40 200，初始抗体群的列数为Num，初始抗体群的每行表示一个抗体，初始抗体群的行元 素为抗体中的各个需要进行优化的参数，各个不同抗体中的同一个需进行优化的参数的具 体值不一致，各个不同抗体中的同一个需进行优化的参数的具体值为设定值范围中的一个 任意值；③-3、根据待优化的模拟运算放大器集成电路中的主要性能指标的要求，设置一个优化目标函数，记为BestD， <formula>formula see original document page 3</formula>将该优化目 标函数作为抗原，其中<formula>formula see original document page 3</formula>，VV2、、和V4分别表示设定的预期达到的直流增益、单位增益带宽、转换 速率和功耗；③-4、将初始抗体群定义为当代抗体群，将初始抗体规模定义为当代抗体规模；③-5、分别计算当代抗体群中的各个抗体与抗原之间的亲和度，对于当代抗体群中的 第i个抗体，将其记为& (g)，将第i个抗体ai (g)与抗原的亲和度记为f (ai (g)) ，<formula>formula see original document page 3</formula>其中，i大于等于1且小于等于当代抗体规模;③-6、根据当代抗体群中的各个抗体与抗原之间的亲和度，分别计算当代抗体群中的 各个抗体需克隆的克隆次数，对于当代抗体群中的第i个抗体，将其需克隆的克隆次数记 为NCi(g)，<formula>formula see original document page 3</formula>其中，y为
区间内的随机 数，NCm^表示允许的最大克隆次数，NCm^ G [5，20]，norm()为归一化函数，n表示幂函数的 指数，其值为2，Nc。表示克隆基数，Nc。 G [4，6];然后利用各个抗体的克隆次数对当代抗体 群中的各个抗体进行克隆，得到克隆抗体群，克隆抗体群的行数为克隆抗体规模，克隆抗体 规模为当代抗体群中所有抗体的克隆次数的和，克隆抗体群的列数为Num，将克隆抗体群中 的第j个抗体记为a' j(g) ， j大于等于1且小于等于克隆抗体规模；③-7、对克隆抗体群中的各个抗体进行Q-变异操作，得到变异抗体群，变异 抗体群的行数为变异抗体规模，其大小与克隆抗体规模相同，变异抗体群的列数 为Num，将变异抗体群中的第j个抗体记为<formula>formula see original document page 3</formula>， 其中，Cl和C2均为亲和力学习因子，Cl和C2满足条件<formula>formula see original document page 3</formula>巧为[O，l]区间内的随机数，r2表示变异放大倍数，其值为1 2， r3为
区间内的随机数，norm()为归一化函 数，f(a' j(g))表示克隆抗体群中的第j个抗体a' j(g)与抗原的亲和度，n表示用于调 整f(a' j(g))的控制调整因子，其值为0.5 2，a' g(g)表示克隆抗体群中与抗原的亲和 度最大的抗体；③-8、计算变异抗体群中被选择进入下一次迭代过程的抗体的概率，记为P，<formula>formula see original document page 3</formula>其中，f(a/(g))表示变异抗体群中的第j 个抗体a/(g)与抗原的亲和度，<formula>formula see original document page 3</formula>， Numq表示变异抗体群中的抗体与抗体之间的欧氏距离小于0. 01 0. 2的抗体的个数，Nq表示变异抗体群中的抗 体的总个数，其值为变异抗体规模，A为调节因子，其值为1《A《3 ;然后针对变异抗体 群中的每个抗体生成一个[O，l]区间内的随机数，判断各个抗体对应的随机数是否小于概 率P，如果是，则将该随机数对应的抗体作为初步选定的抗体，否则，舍弃该随机数对应的抗 体，由所有初步选定的抗体组成初步选定抗体群，初步选定抗体群的行数小于变异抗体规 模，初步选定抗体群的列数为Num，设定初步选定抗体群中的第p个抗体是当代抗体群中的第i抗体经过克隆及Q-变异得到；再通过比较初步选定抗体群中的各个抗体与抗原的亲和度与当代抗体群中的各个相应的抗体与抗原的亲和度的大小，更新初步选定抗体群，得到 抑制抗体群，对于初步选定抗体群中的第P个抗体，将其记为a/' (g)，将其与抗原的亲和度记为f (ap" (g))，判断/(<(力)> /"(g))是否成立，如果成立，则保留ap" (g)，否则，";'(g) = ",(g);③-9、判断(g mod Lm) = 0是否成立，如果成立，则继续执行，否则，再执行步骤 ③-12 ;③-10、判断迭代次数为g时的抗体群中的各个抗体与抗原的亲和度中的最大亲和度 与迭代次数为g*时的抗体群中的各个抗体与抗原的亲和度中的最大亲和度之差的绝对值 是否小于设定的亲和度变化范围值，亲和度变化范围值为0. 3 0. 6，如果是，则表明迭代 过程处于时滞状态，g* = g，并继续执行，否则，g* = g，并执行步骤③-12 ;③-ll、随机产生若干个抗体替代抑制抗体群中与抗原的亲和度最小的抗体，得到扩展 抑制抗体群，扩展抑制抗体群的行数为抑制抗体规模+随机产生的抗体的个数-1，扩展抑 制抗体群的列数为Num;③-12、判断迭代次数g是否等于最大迭代次数max g，如果是，则结束迭代过程，得到 最佳抗体群，该最佳抗体群为抑制抗体群或扩展抑制抗体群，计算最佳抗体群中的各个抗 体与抗原的亲和度，找出与抗原的亲和度最大的抗体，将该抗体作为最佳抗体，将最佳抗体 中的各个参数作为优化后的参数，否则，先计算g' =g+l，g = g'，然后将抑制抗体群或扩 展抑制抗体群作为下一代抗体群；③-13、调整下一代抗体群的抗体规模，将下一代抗体群的抗体规模记为N(g+l)，iV(g + l)-max化紐(g)」，A^J ，其中，N(g)为当代抗体规模，Nmin为设定的最小抗体规模，其值为10 30，符号"L」"为向上取整运算符，S为当代抗体群中的所有抗体与抗原的亲和度之和的平均值与下一代抗体群中的所有抗体与抗原的亲和度之和的平均值之 比，S G [O，l];③-14、将下一代抗体群作为当代抗体群，将下一代抗体群的抗体规模作为当代抗体规 模，然后再返回步骤③_5继续执行。
3. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 步骤③-1中各个需要进行优化的参数的初始值均为预先给定的设定值范围之间的随机实 数值，或为其在待优化的模拟运算放大器集成电路中的原始值，其中，所有MOS管的沟道宽 度的设定值范围为1 P m 60 ii m，所有M0S管的沟道长度的设定值范围为0. 1 y m 50 y m， 补偿电容的设定值范围为O. lpF 10pF，偏置电流的设定值范围为liiA 50iiA，最大迭 代次数maxg为300，时滞判断阈值Lm为15。
4. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 步骤③-2中初始抗体规模的值为100，值区间是根据待优化的模拟运算放大器集成电路确 定，待优化的模拟运算放大器集成电路中的各个工艺参数和各个电路参数均对应一个值区 间。
5. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 步骤③_6中最大克隆次数Ncmax为10，克隆基数Nc。 = 4。
6. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的步骤③-7中Cl = 0. 5， c2 = 0. 5， r2 = 2， n = 1. 5。
7. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 步骤③-8中Numq表示扩展变异抗体群中的抗体与抗体之间的欧氏距离小于O. 1的抗体的 个数，调节因子A =1.5。
8. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 步骤③-10中设定的亲和度变化范围值为0. 5。
9. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述的 步骤③-11中随机产生的抗体的个数也是随机的，最少为一个抗体。
10. 根据权利要求2所述的一种模拟运算放大器集成电路优化方法，其特征在于所述 的步骤③-13中最小抗体规模Nmin = 20。
全文摘要
本发明公开了一种模拟运算放大器集成电路优化方法，优点在于根据待设计的模拟集成电路的原理和要求，可以不受设计参数及优化目标个数的影响，应用Q-变异免疫网络的智能优化搜索方法自动设计工艺参数及电路参数，能够自动在设定值范围内搜索得到满足模拟电路性能指标要求的最佳工艺参数和电路参数，即满足高直流增益、单位增益带宽、转换速率和低功耗要求，为高性能模拟集成电路工艺设计提供了良好的基础和依据。此外，本发明方法适用于各类模拟电路设计，易于移植，有着广泛的适应性和较强的通用性。
文档编号G06F17/50GK101714176SQ20091015716
公开日2010年5月26日 申请日期2009年12月21日 优先权日2009年12月21日
发明者俞海珍, 史旭华 申请人:宁波大学