一种HEMT的I‑V特性及其高阶跨导的建模方法与流程

本发明涉及半导体器件建模领域，尤其涉及一种高电子迁移率晶体管(HEMT)的电流-电压(I-V)及其高阶跨导的建模方法。

背景技术：

在射频、微波及毫米波电路的设计中，各种场效应晶体管(FET)被广泛应用于非线性电路的实现中，如功率放大器、振荡器、混频器等^[1]。随着射频、微波电路复杂度的增加，设计周期的缩短，电路设计者往往需要借助于计算机辅助设计(CAD)对电路进行仿真和验证。在一个基于CAD的设计流程中，晶体管模型的优劣对于能否实现微波非线性电路和系统的高性能起着至关重要的作用。

HEMT作为一种非线性微波有源器件，具有高电子迁移率、高电流密度等优势，广泛应用于微波电路中。建立HEMT的非线性模型可以对电路增益、交调失真、输出功率等进行预测^[2]。精确的HEMT非线性模型需要对I-V以及其高阶跨导(至少到三阶)进行准确建模^[3]–[5]。

目前，电路设计中常用的HEMT非线性模型有很多，例如，Curtice等人提出了第一个应用于电路仿真的GaAs FET模型^[6]，之后的很多模型都是基于Curtice模型而建立的，如Statz模型^[7]，Materka模型^[8]，TOM模型^[9]等等。在1992年，Chalmers大学的I.Angelov等人提出了一种采用幂级数函数的经验公式来对HEMT进行建模^[10]。Curtice和Angelov这两大类模型对于输出漏极电流及其跨导(gm)的描述都较为精确，但是对于二阶跨导(gm2)、三阶跨导(gm3)等高阶跨导的拟合无法在可取的偏置电压(漏源电压Vds和栅源电压Vgs)区域内保证高精度。另外，Agilent公司创立的EEHEMT1商业模型^[11]也适用于HEMT，其模型公式将漏极电流进一步细化，采用分段函数来对晶体管的输入输出特征进行准确描述，但是由于分段函数的应用，该模型不具备高阶可导性，尤其是三阶可导性。

针对于现有模型的不足，和射频、微波、毫米波非线性电路对于HEMT模型中的I-V特性及其高阶跨导的精度要求，有必要提出一种准确的HEMT的I-V特性和高级跨导的建模方法。

[参考文献]

[1]T.J.Brazil,“Simulating circuits and devices,”IEEE Microwave Magazine,vol.4,pp.42–50,Mar.2003.

[2]L.S.Liu,J.G.Ma,and G.I.Ng,“Electrothermal large-signal model of III-V FETs including frequency dispersion and charge conservation,”IEEE Trans.Microwave Theory Tech.,vol.57,no.12,pp.3106–3117,Dec.2009.

[3]S.Peng,P.J.McCleer,and G.I.Haddad,“Nonlinear models for the intermodulation analysis of FET mixers,”IEEE Trans.Microwave Theory Tech.,vol.43,no.5,pp.1037–1045,May 1995.

[4]C.Fager,J.C.Pedro,N.B.De Carvalho,and H.Zirath,“Prediction of IMD in LDMOS transistor amplifiers using a new large-signal model,”IEEE Trans.Microwave Theory Tech.,vol.50,no.12,pp.2834–2842,Dec.2002.

[5]D.M.Lin,C.C.Huang,and Y.J.Chan,“A symmetrical model for microwave power AlGaAs/InGaAs pHEMTs for switch circuit applications,”IEEE Trans.Electron Devices,vol.56,no.11,pp.2838–2643,Nov.2009.

[6]W.R.Curtice,“A MESFET model for use in the design of GaAs integrated circuits,”IEEE Trans.Microwave Theory and Tech.,vol.28,no.5,pp.448–456,May.1980.

[7]H.Statz,P.Newman,I.W.Smith,R.A.Pucel,and H.A.Haus,“GaAs FET device and circuit simulation in SPICE,”IEEE Trans.Electron Devices,vol.ED-34,no.2,pp.160–166,Feb.1987.

[8]A.Materka and T.Kacprzak,“Computer calculation of large-signal GaAs FET amplifier characteristics,”IEEE Trans.Microwave Theory Tech.,vol.33,no.2,pp.129–135,Feb.1985.

[9]A.J.McCamant,G.D.McCormack,D.H.Smith,“An improved GaAs MESFET model for SPICE,”IEEE Trans.Microwave Theory Tech.,vol.38,no.6,pp.822–824,Jun.1990.

[10]I.Angelov,H.Zirath,and N.Rosman,“A new empirical nonlinear model for HEMT and MESFET devices,”IEEE Trans.Microwave Theory Tech.,vol.40,no.12,pp.2258–2266,Dec.1992.

[11]F.Kharabi,M.J.Poulton,D.Halchin,and D.Green,“A classic nonlinear FET model for GaN HEMT devices,”In:IEEE Compound Semiconductor Integrated Circuit Symposium(CSICS),pp.14–17,Oct.2007.

技术实现要素：

为了克服现有模型对于HEMT的I-V特性及其高阶跨导建模中存在的精度不高的问题，本发明的目的在于提供一种HEMT的I-V特性及其高阶跨导的建模方法，这种方法可以同时满足输出漏极电流及其一阶、二阶、三阶跨导在可取偏置下的精度要求。

为了解决上述技术问题，本发明提出的一种HEMT的I-V特性及其高阶跨导的建模方法，其中的高阶跨导包括一阶跨导、二阶跨导和三阶跨导，该建模方法包括以下步骤：

步骤一、将HEMT的I-V特性及其高阶跨导进行分段；

步骤二、在每一分段的区域中建立HEMT的I-V特性及其高阶跨导的模型；

步骤三、对相邻分段区域中模型边界处进行平滑连接。

进一步讲，步骤一中，将HEMT的I-V特性及其高阶跨导进行分段是指对于HEMT的栅源电压进行分段。

步骤二中，在各分段的区域中分别建立Curtice模型、Angelov模型、EEHEMT1模型、Statz模型、Materka模型和TOM模型，在满足相应分段的区域中栅源电压区域精度的前提下，将各段的区域中选择精度最高的一个模型作为后续处理的HEMT模型。

步骤三中，通过多层感知器结构的人工神经网络(ANN)实现对相邻分段区域中HEMT模型边界处的平滑连接，所述多层感知器结构的人工神经网络(ANN)的层数根据I-V特性非线性程度确定。

与现有技术相比，本发明的有益效果是：

本发明的有益效果在于：本发明采用分段建模的思想，可以通过控制分段数目来达到对模型精度的控制。本发明在对每一分段区域进行I-V特性及其高阶跨导的建模时，可以选择不同的HEMT模型，对于每一个模型，只需要提高所关注区域的精度，而不需要对其他区域进行考虑，降低了建模的复杂度。本发明通过分段建模与采用人工神经网络平滑区域边界的方法提高了HEMT的I-V特性及其高阶跨导(至少到三阶)模型的精度。本发明可针对于不同工艺的HEMT的I-V特性及其高阶跨导建模，适用面广，移植性强。

附图说明

图1是本发明HEMT的I-V特性及其高阶跨导建模方法的原理框图；

图2是多层感知器结构的人工神经网络的结构示意图；

图3是实施例中GaAs pHEMT的I-V特性及其高阶跨导建模方法的原理框图；

图4是本发明的实施例中提供的GaAs pHEMT的I-V建模结果与测试数据对比图；

图5是本发明的实施例中提供的GaAs pHEMT的一阶跨导建模结果与测试数据对比图；

图6是本发明的实施例中提供的GaAs pHEMT的二阶跨导建模结果与测试数据对比图；

图7是本发明的实施例中提供的GaAs pHEMT的三阶跨导建模结果与测试数据对比图。

具体实施方式

本发明提出的一种HEMT的I-V特性及其高阶跨导的建模方法，其原理框图如图1所示，本发明建模方法主要包括以下三个步骤：

步骤一、将HEMT的I-V特性及其高阶跨导进行分段，其中的高阶跨导包括：一阶跨导(gm)、二阶跨导(gm2)和三阶跨导(gm3)；将HEMT的I-V特性及其高阶跨导进行分段根据实际应用的精度要求(至少为三阶跨导)对于HEMT的栅源电压进行分段。

步骤二、在每一分段的区域中建立HEMT的I-V特性及其高阶跨导的模型，在各分段的区域中分别建立多个不同的现有HEMT模型，包括Curtice模型、Angelov模型、EEHEMT1模型、Statz模型、Materka模型和TOM模型，在不同的栅源电压区域中使用不同的上述HEMT模型，根据每个区域中HEMT模型的I-V特性及其高阶跨导的精度进行选择，在进行选择时，只需要考虑现有HEMT模型在相应分段的栅源电压区域的精度即可，在满足相应分段的区域中栅源电压区域精度的前提下，在各段的区域中选择精度最高的一个HEMT模型作为后续处理的模型。

步骤三、对相邻分段区域中模型边界处进行平滑连接，通过多层感知器结构的人工神经网络(ANN)实现对相邻分段区域中模型边界处的平滑连接，所述多层感知器结构的人工神经网络(ANN)的层数根据I-V特性非线性程度(即输入数据复杂程度)确定，该多层感知器结构的人工神经网络(ANN)的原理图如图2所示，其中，包含两种基本元素：用于处理数据的神经元和用于连接的突触。每个神经元通过激活函数处理来自其他神经元的激励，产生本神经元的输出；所述突触不但起到连接神经元的作用，并且其上均有各自的权重。该人工神经网络中，第一层为输入层，输入的数据为步骤二各分段区域中所建立的最高精度的HEMT模型的仿真输出的I-V及其高阶跨导；中间层为隐藏层，隐藏层神经元个数由输入数据数目与所要求的精度来确定(一般情况下每层隐藏层神经元个数不超过50个，否则可以增加隐藏层的层数来保证精度)；最后一层为输出层，输出数据为经过多层感知结构后计算得到的分段区域的I-V及其高阶跨导。取输出数据在相邻分段区域边界处的值作为所建立的模型在相邻分段区域边界处的建模结果，该建模结果作为连接步骤二最终确定的相邻分段区域中所建立的最高精度的HEMT模型边界处的I-V及其高阶跨导的数据。通过对所述人工神经网络进行多次训练和测试来达到对相邻分段区域边界处进行平滑连接。

综上，采用本发明建模方法建立的HEMT的I-V及其高阶跨导模型是通过每个分段区域内所选HEMT模型与相邻分段区域边界处使用人工神经网络进行的平滑连接共同描述。

结合以下具体实施例，对本发明作进一步的详细说明，本发明的保护内容不局限于以下实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。

实施例：

本实施例具体地为0.25μm栅长,2×50μm栅宽的GaAs pHEMT的I-V特性及其一阶跨导(gm)、二阶跨导(gm2)、三阶跨导(gm3)的建模方法。本实施例建立的HEMT的模型示意图如图3所示，将漏源电压分为4个区域，在每个区域选择精度最高的一个模型作为后续处理的HEMT模型，最后再通过人工神经网络将相邻分段区域进行平滑连接。该方法具体包括以下步骤：

步骤一、根据实际情况决定将栅源电压分段，本实施例测试数据的栅源电压(Vgs)范围是-1.9V～0.5V，步长为0.05V，漏源电压(Vds)范围是0V～6V，步长为0.05V。本实施例将栅源电压分为4段，分别是：区域I(-1.9V～1.4V)，区域II(-1.4V～-0.9V)，区域III(-0.9V～0.1V)，区域IV(0.1V～0.5V)。

步骤二、在步骤一所分的区域中，分别选择高精度HEMT模型，本实施例基于Curtice类模型(Curtice模型，Statz模型，Materka模型，TOM模型)和Angelov类模型的优缺点进行选择。由于Curtice类模型在Ids的截止区和饱和区较为准确，Angelov类模型在线性区较为准确，本实施例在区域I采用Materka模型，在区域II采用Statz模型，在区域III采用Angelov模型，在区域IV采用改进的Materka模型(即ADS软件中自带的Modified Materka模型)对GaAs pHEMT的I-V，一阶跨导gm，二阶跨导gm2，三阶跨导gm3进行精确建模。在具体建模过程中，使用Agilent公司的Advanced Design System(ADS)软件分别调节上述Materka、Statz、Angelov和改进的Materka模型与直流相关的参数，通过手动调节和软件优化得到每一区域内的仿真结果。

步骤三根据步骤一所分的区域，在每相邻两个区域的边界处，采用人工神经网络对其进行平滑，具体地，本实施例根据实测数据的数目，采用三层感知器结构发热人工神经网络，其中，第一层输入层的输入数据是经过步骤二每个模型在相应区域仿真出的I-V，gm，gm2，gm3的结果，第二层隐藏层的神经元数目是15个，第三层输出层的输出数据是经过人工神经网络得到的I-V特性、gm、gm2和gm3数据。该人工神经网络的训练采用拟牛顿算法，经过多次迭代计算，分别得到高精度I-V特性、gm、gm2和gm3的拟合数据，在每两个相邻区域边界处模型输出数据采用以上人工神经网络拟合的结果。

将本实施例用本发明方法建立的模型得到的结果与实际测试得到的结果相比较作为验证。以漏源电压Vds＝3V时作为参考，图4所示为实施例中提供的GaAs pHEMT的I-V建模结果与测试数据对比图，图5所示为实施例中提供的GaAs pHEMT的一阶跨导gm建模结果与测试数据对比图，图6所示为实施例中提供的GaAs pHEMT的二阶跨导gm2建模结果与测试数据对比图，图7所示为实施例中提供的GaAs pHEMT的三阶跨导gm3建模结果与测试数据对比图，图4至图7中空心圆形虚线为测试数据，实心方形实线为本实施例模型仿真结果。通过上述测试结果与模型仿真结果的对比图可知，本实施例所建的GaAspHEMT的I-V特性、gm，gm2，gm3模型具有很高的精度，进而证明本发明方法可以提供一种HEMT的I-V及其高阶跨导的模型，该模型能够保证在所取的栅源电压全区域内具有很高精度。