用于光谱滤波的系统、设备及方法与流程

用于光谱滤波的系统、设备及方法
1.相关申请案的交叉参考
2.本技术案主张由c
·d·
皮兰特(chris d.pylant)等人在2021年4月13日申请的标题为“用于光谱滤波的系统、设备及方法(system,apparatus,and method for spectral filtering)”的第63/174,126号美国临时申请案的权益，所述申请案与本技术案共同转让且其全文以引用的方式并入本文中。
技术领域
3.本公开大体上涉及光谱学系统及使用方法，且更具体来说，涉及对从在半导体处理期间使用的多通道成像光谱仪记录的数据的改进光谱滤波。


背景技术：

4.半导体工艺的光学监测是一种用于控制例如蚀刻、沉积、化学机械抛光及植入等的工艺的成熟方法。光学发射光谱学(oes)及干涉终点(iep)是用于数据收集的两种基本类型的操作模式。在oes应用中，收集并分析从工艺，通常是从等离子体发射的光以识别及跟踪原子及分子物种的变化，所述变化指示被监测工艺的状态或进程。在iep应用中，光通常从外部源，例如闪光灯供应及引导到工件上。在从工件反射后，有来源的光携带呈工件的反射率的形式的信息，所述信息指示工件的状态。工件的反射率的提取及建模允许理解膜厚度及特征大小/深度/宽度以及其它性质。
附图说明
5.现在参考结合附图进行的以下描述，附图说明根据本公开的原理的实例，其中：
6.图1是用于采用oes及/或iep来监测及/或控制半导体工艺工具内的等离子体或非等离子体工艺的状态的系统的框图；
7.图2a是大体上描绘典型区域ccd传感器的功能元件的示意图；
8.图2b是图2a的区域ccd传感器的示意图，其描绘叠加在ccd像素阵列的感测部分上的一对异常信号事件及叠加在ccd的移位寄存器部分上的单个异常信号事件；
9.图3a是根据本公开的实施例的典型oes光学信号(光谱)的图表；
10.图3b是根据本公开的实施例的包含由异常信号事件的发生所产生的信号的图3a的图表的波长区的放大部分；
11.图3c是根据本公开的实施例的指示其中未发生异常信号事件的光谱的图3a的图表的波长区的放大部分；
12.图4是根据本公开的实施例的大体上描绘来自ccd装置的光谱数据的一系列时间排序集合的示意图；
13.图5是根据本公开的实施例的光谱仪及特定相关系统的框图；
14.图6是根据本公开的实施例的从ccd装置读取光谱数据并处理光谱数据以修改由异常信号事件的发生所产生的信号的方法的流程图；
15.图7是详述根据本公开的实施例的图6的方法的各个步骤的流程图；
16.图8是详述根据本公开的实施例的图6的方法的各个步骤的第二流程图；
17.图9到13是根据本公开的实施例的经处理以修改由异常信号事件的发生所产生的信号的光谱数据的实例；以及
18.图14说明根据本公开的原理的经配置以识别并处理光谱数据中的异常信号的计算装置的实例的框图。
具体实施方式
19.在以下描述中，参考构成其一部分的附图，且在附图中以说明方式展示可在其中实施本发明的特定实施例。足够详细地描述这些实施例以使所属领域的技术人员能够实践本发明，且应理解，可利用其它实施例。还应理解，可在不脱离本发明的精神及范围的情况下进行结构改变、过程改变及系统改变。因此，以下描述不应被视为限制意义的。为了清楚解释，附图中所展示的类似特征是用类似元件符号指示且如附图中的替代实施例中所展示的类似特征是用类似元件符号指示。根据附图及以下详细描述，本发明的其它特征将是显而易见的。应注意，出于说明清楚的目的，图式中的某些元件可能未按比例绘制。
20.半导体工艺朝着更快的工艺、更小的特征大小及更复杂的结构的不断发展对工艺监测技术提出极高要求。例如，需要更高的数据速率来准确地监测非常薄的层上的快得多的蚀刻速率，其中埃(几个原子层)的变化例如对于finfet及3d nand结构来说是至关重要的。在许多情况下，oes及iep方法论两者都需要更宽的光学带宽及更大的信噪比以辅助检测反射率及光学发射中任一者/两者的微小变化。随着工艺设备本身变得更复杂及昂贵，成本及封装大小也承受着持续的压力。所有这些要求寻求提高半导体工艺的光学监测的性能。无论是对oes还是对iep方法论来说，许多光学监测系统的重要组成部分都是光谱仪及它们将经接收光学数据准确地转换为电数据以用于控制及监测半导体工艺的能力。
21.因此，本文中公开通过识别表示光学数据的电数据中的异常信号来提供对光学数据的改进处理的过程、系统及设备。改进处理还可包含在模拟或数字信号域中修改异常信号或与异常信号相关联的数据以提供对光学数据的更真实表示。改进处理可用来更准确地监测半导体工艺。
22.特定关于监测及评估工艺工具内的半导体工艺的状态，图1说明利用oes及/或iep来监测及/或控制半导体工艺工具110内的等离子体或非等离子体工艺的状态的处理系统100的框图。半导体工艺工具110或简称为工艺工具110通常将晶片120及可能的工艺等离子体130围封在腔室135的典型的部分抽空容积中，所述腔室可包含各种工艺气体。工艺工具110可包含一个或多个光学接口或简称为接口140、141及142以允许在不同位置及定向处观察腔室135。接口140、141及142可包含多种类型的光学元件，例如但不限于光学滤波器、透镜、窗口、孔径、光纤等。
23.对于iep应用，光源150可直接或经由光纤电缆组合件153与接口140连接。如这种配置中所展示，接口140正交于晶片120的表面定向且通常相对于所述表面居中。来自光源150的光可呈经准直光束155的形式进入腔室135的内部容积。光束155在从晶片120反射后可再次被接口140接收。在常见应用中，接口140可为光学准直仪。在被接口140接收之后，光可经由光纤电缆组合件157传送到光谱仪160以用于检测及转换为数字信号。光可包含有来
源且经检测的光，且可包含例如从深紫外线(duv)到近红外线(nir)的波长范围。所关注波长可选自波长范围的任何子范围。对于较大的衬底或在关注对晶片不均匀性的理解的情况下，可使用与晶片120正交定向的额外光学接口(图1中未展示)。工艺工具110还可包含定位在不同位置处以用于其它监测选项的额外光学接口。
24.对于oes应用，接口142可经定向以收集来自等离子体130的光发射。接口142可简单地为观察口或可另外包含其它光学器件，例如透镜、镜及光学波长滤波器。光纤电缆组合件159可将任何经收集光引导到光谱仪160以用于检测及转换为数字信号。光谱仪160可包含用于检测及转换的ccd传感器及转换器，例如图2a及2b的ccd传感器200及转换器250。可单独地或并行使用多个接口来收集oes相关的光学信号。例如，接口141可经定位以收集来自晶片120的表面附近的发射，而接口142可经定位以观察等离子体130的主体，如图1中所展示。
25.在许多半导体处理应用中，常见的是收集oes及iep光学信号两者且这种收集为使用光谱仪160带来多个问题。通常，oes信号在时间上是连续的，而iep信号在时间上可为连续的或离散的/既连续又离散的。这些信号的混合引起许多困难，因为工艺控制经常需要检测oes及iep信号两者的微小变化且任一信号的固有变动可能会掩盖对另一信号的变化的观察。由于例如信号定时同步、校准及封装的成本、复杂度、不便，针对每一信号类型支持多个光谱仪是不利的。
26.在光谱仪160检测经接收光学信号且将所述经接收光学信号转换为模拟电信号之后，通常在光谱仪160的子系统内放大及数字化模拟电信号，且将所述模拟电信号传递到信号处理器170。信号处理器170可为例如工业pc、plc或其它系统，其采用一或多种算法来产生输出180，例如举例来说表示特定波长的强度或两个波段的比率的模拟或数字控制值。信号处理器170可替代地与光谱仪160集成在一起，而不是单独装置。信号处理器170可采用oes算法，所述oes算法分析处于(若干)预定波长的发射强度信号且确定与工艺的状态相关并可用来存取那种状态的趋势参数，例如终点检测、蚀刻深度等。对于iep应用，信号处理器170可采用分析光谱的宽带宽部分以确定膜厚度的算法。例如，参见美国专利7,049,156“用于原位监测及控制膜厚度及沟槽深度的系统及方法(system and method for in-situ monitor and control of film thickness and trench depth)”，所述专利以引用的方式并入本文中。输出180可经由通信链路185传送到工艺工具110以用于监测及/或修改工艺工具110的腔室135内发生的生产工艺。
27.图1的所展示及所描述组件为方便起见进行简化且是众所周知的。除常见功能以外，光谱仪160或信号处理器170还可经配置以根据本文中所公开的方法及/或特征来识别光谱异常信号并处理这些信号。因而，光谱仪160或信号处理器170可包含用来识别并处理光谱异常信号的算法、处理能力及/或逻辑。所述算法、处理能力及/或逻辑可呈硬件、软件、固件或其任何组合的形式。所述算法、处理能力及/或逻辑可在一个计算装置内或也可分布在多个装置，例如光谱仪160及信号处理器170上。
28.图2a是大体上描绘常规区域ccd传感器200的功能元件的示意图。传感器200通常包含有源像素区域210，所述有源像素区域可被分成个别像素的阵列，例如来自日本滨松的s7031 ccd传感器中的1024(h)
×
122(v)。为了定义及清楚起见，应注意，本文中在对光学传感器进行寻址时使用“水平”及“竖直”分别是指所论述的光学传感器的长及短物理轴。在光
谱学应用中，光学传感器的长/水平轴通常与波长色散的定向对准，而短/竖直轴与经界定光学源或经照明孔径，例如光纤或光学狭缝的成像相关联。
29.传感器200还包含邻近于像素区域210的水平移位寄存器220。通常经由将像素区域210的每一像素中的经存储电荷如由箭头230所指示那样竖直移位到水平移位寄存器220中来读取例如从光纤电缆组合件157或159积分在传感器200上的光学信号。有源像素区域210的全部或部分可以逐行方式移位。在竖直移位之后，可如由箭头240所指示那样执行水平移位。随着水平移位寄存器220的每一像素经移位(在图2a中向右)，可由转换器250将其信号内容从模拟信号转换为数字信号，例如模拟电信号转换为数字电信号。所得数字数据的后续处置及处理可在光谱仪内部或外部发生且可包含平均化、曲线拟合、阈值检测、滤波、其它数学变换。
30.在图2b中，展示图2a的区域ccd传感器200，其中一对异常信号事件260及262叠加在ccd像素阵列的感测部分上且单个异常信号事件264叠加在ccd的移位寄存器部分上。异常信号事件是导致具有小于期望数目个数据间隔的持续时间的电信号(称为异常信号)的异常、意外事件。例如，如果采样或收集速率是1000hz，那么异常信号的持续时间可近似小于1ms。因此，异常信号的持续时间可在不同应用中变动。另外，异常信号的物理或波长“宽度”可对应于与光学传感器上的物理位置相对应的像素空间中或与经内插信号相关联的波长空间中的元件，例如连续元件的数目。例如，异常信号事件260及262可延伸通过邻近行及列的多个连续像素，且异常信号事件264可延伸到同一行的多个像素中。
31.异常信号事件260、262及264产生异常信号，例如下文关联图3b所描述。异常信号事件可能与各种原因相关联，例如宇宙射线、放射性衰变、光学不稳定性/扰动及/或电不稳定性。
32.图3a、3b及3c提供异常信号事件的背景及本文中所描述的用于处理异常信号的方法。图3a、3b及3c中的每一者说明具有x轴(波长)及y轴(信号)的计数的oes信号的图表。图3a说明典型oes光学信号(光谱)320的图表300。光谱320展示分子发射(400nm附近的宽带结构)及原子发射(自始至终是窄峰)两者的典型特征。为了便于与图3b的光谱进行比较，图3c说明图3a中的光谱320的放大部分的图表340(对应于图3a中的虚线椭圆)，图3b是包含270nm波长附近的异常信号330的实例光谱的图表310。异常信号330可能容易被误识别为原子发射线且导致对oes光学信号数据的不正确处理及分析。异常信号330的某些特性可用来识别、特性化及校正异常信号330的出现。异常信号的有用特性包含但不限于出现的时间及/或空间(波长)频率、振幅、光谱宽度、信噪比、信号纵横比及持续时间。异常信号通常具有短的持续时间、窄的宽度，即，像素空间(波长空间)中的宽度、大于光谱的噪声水平的振幅及多个样本上的有限出现次数。可根据这些参数来识别、移除及/或减轻与噪声不同的异常信号。例如，阈值可用来识别具有比典型噪声更高的振幅的异常信号，且时间划定也可用来基于异常信号与非异常特征相比较通常更短的持续时间及不一致的出现频率来识别异常信号。
33.在本文中所论述的实例中，异常信号事件的持续时间被视为短于光谱数据从光学传感器(例如图2a及图2b的ccd 200)的后续获取之间的时间。对于近似1到1000hz的光谱数据获取速率，异常信号事件可被视为具有近似1000到1ms的持续时间。异常信号可在信号集合的任何部分期间出现或可延伸通过多个信号数据集合。例如，图4说明单个信号集合460
内出现的异常信号465，但是异常信号可延伸到多个连续信号集合，例如460及480、460及440或440、460及480中。光谱数据集合与异常信号事件持续时间的持续时间的协调支持使用本文中所描述的时间划定方法来处理及校正异常信号。借助此知识，可有利地划定及处置异常信号。
34.图4展示大体上描绘来自ccd装置420的光谱数据440、460及480的一系列时间排序集合的示意图400。光谱数据可为光谱图像数据(例如，2维(2-d)阵列)或可为分仓光谱数据(例如，1维(1-d)阵列)，其中光谱数据440、460及480的有序集合包含一或多元素行。例如，分仓光谱数据可对应于ccd的移位寄存器的输出。ccd装置420可为例如ccd 200。光谱数据480是最近，即，在时间t0从ccd装置420收集的数据。光谱数据460是在光谱数据480的时间之前的时间(一或多个数据获取周期)，即，在时间t-1
从ccd装置420收集。如所指示，光谱数据440是在光谱数据460的时间之前的时间(一或多个数据获取周期)，即，在时间t-2
从ccd装置420收集。光谱数据460包含来自异常信号事件的至少一个异常信号465，所述异常信号事件与光谱数据460的收集充分同时以仅发生在光谱数据460内且既不发生在光谱数据440内，也不发生在光谱数据480内。异常信号465可例如来自图2b的异常信号事件260、262、264中的一者。光谱数据440及480可例如与图3c的光谱相关联且光谱数据460可例如与图3b的光谱相关联。光谱数据440、460及480可以数字方式表示为例如无符号16位值的1024或2048元素阵列。异常信号可能存在于1-d阵列的某一数目个，例如一个、两个或五个元素，或2-d阵列的某一n
×
m数目个元素中。光谱数据440、460及480可呈数字形式存在于光学仪器，例如图1的光谱仪160的一或多个组件中。
35.图5是根据本公开的一个实施例的包含光谱仪510及特定相关系统的光学系统500的框图。光谱仪510可并入本文中所公开的系统、特征及方法以有利于测量来自半导体工艺的光学信号且可与图1的光谱仪160相关联。光谱仪510可例如经由光纤电缆组合件157或159从外部光学器件530接收光学信号，且可在积分及转换之后，将数据发送到外部系统520，例如图1的输出180，所述数据也可用来通过例如选择操作模式或控制如本文中所定义的积分定时来控制光谱仪510。光谱仪510可包含光学接口540，例如超小型组合件(sma)或套管连接器(fc)光纤连接器或其它光机械接口。例如狭缝、透镜、滤光器及光栅的进一步光学组件545可用来形成、引导及色度分离经接收光学信号且将它们引导到传感器550以用于积分及转换。传感器550可与图2的传感器200或图4的ccd装置420相关联。传感器550的低级功能可由例如fpga 560及处理器570的元件来控制。在光电转换之后，可将模拟信号引导到a/d转换器580且从电模拟信号转换为电数字信号，接着可将所述电数字信号存储在存储器590中以用于立即或以后使用及传输，例如到外部系统520(参见图1的信号处理器170)。尽管某些接口及关系由箭头来指示，但在图5中未指示所有交互及控制关系。可例如在存储器/存储装置590、fpga 560、处理器570及/或外部系统520中的一或多者内/由所述一或多者根据由图6到图13所说明的过程及实例来收集、存储及/或作用于图4的光谱数据440、460及480。光谱仪510还包含电力供应器595，所述电力供应器可为光谱仪通常包含的常规ac或dc电力供应器。
36.图6是从光学传感器，例如包含ccd传感器200或420作为实例的ccd装置收集光谱数据并处理光谱数据以识别及处理由异常信号事件的发生所产生的异常信号的方法600的流程图。过程600的一或多个步骤可对应于由软件所表示的算法，所述算法引导一或多个处
理器的操作，所述处理器例如信号处理器170或分别为图1及5的光谱仪160或光谱仪510的处理器或fpga。方法600开始于准备步骤610，其中可执行任何初步动作。所述初步动作可包含预先确定光谱数据收集速率，建立异常信号分类指标及异常信号校正参数。接下来，在步骤620中，可收集光谱数据。根据关于图7(通常为识别异常信号)及图8(通常为修改异常信号)所描述的进一步处理细节，可收集一或多个光谱数据集以建立适当过程定序。
37.接下来，在步骤630中，可分析经收集光谱数据以识别异常信号并对其进行分类，前提是经收集光谱数据中存在任何异常信号。当异常信号被识别时，在步骤640中确定处理异常信号或执行不同动作，例如什么也不做。步骤630及640的至少一部分可根据图7的过程700来执行。在步骤650中执行异常信号的处理，其中处理光谱数据。步骤650的至少一部分可例如在图8的过程800中执行。处理可包含移除异常信号、修改异常信号、减小异常信号的量值等。基于具有异常信号的光谱数据的元素的数目，什么也不做可能是适当的。因而，被识别为可能异常信号的空间/波长扩展信号可能指示非异常事件。另外，具有长持续时间的可能异常信号可能不是异常信号，而是可指示另一类型的变化，例如处理腔室中的基线偏移。因此，修改此类信号可能掩盖所述变化且抑制对非异常信号的适当识别。接下来，在步骤660中，可将光谱数据输出到另一装置或系统，例如工艺工具110或外部系统520。可对任何数目个光谱数据集合重复步骤620到660。当已处理所有经收集光谱数据时，方法600在步骤670结束。
38.图7是详述图6的方法的各个步骤的过程700的流程图。过程700的一或多个步骤可对应于由软件所表示的算法，所述算法引导一或多个处理器，例如信号处理器170或光谱仪160或光谱仪510的处理器或fpga的操作。过程700概述例如在步骤620中收集光谱数据及例如在步骤630中识别可包含异常信号的光谱数据阵列的个别元素。过程700可与其它光谱数据处理或分析，例如偏移/增益调整、辐射校正及从像素空间到波长空间的波长重新采样一起利用。过程700以在步骤705中收集光谱数据开始。在这个实例过程中，由索引a、b及c标识的光谱数据阵列与经收集光谱数据的时间排序相关联，其中c是最近收集的光谱数据，a是最早收集的光谱数据且b是在a与c中间收集的光谱数据，如关联图4中所表示的光谱数据440、460及480的一系列时间排序集合所描述。在各个实例中，在过程700起始之前的光谱数据阵列a、b及c的内容并不重要。在本文中所描述的实例中，过程700可在针对异常信号分析经收集光谱数据之前收集三个光谱数据集。在初始及后续收集期间，可根据图7中所概述的步骤来旋转/移位光谱数据及/或相关联索引(例如a、b、c)。光谱数据阵列可具有适合于从ccd装置导出的数据的适当大小(元素数目)及数据类型。例如1024或2048元素阵列取决于用于1-d分仓数据的ccd的物理配置。
39.在步骤710中，将最新收集的光谱数据定义为c。接着，在步骤720中确定最新收集的光谱数据是否是第一或第二经收集数据。如果是，那么过程700继续到步骤724，其中将光谱数据阵列a设置为光谱数据阵列b且将光谱数据阵列b设置为光谱数据阵列c。接着，在步骤728中返回光谱数据阵列b以供进一步使用，例如根据图6的步骤660进行输出，且方法700继续到步骤710。重复710、720、724及728的循环以获得三个光谱数据阵列以用于划定单个光谱数据阵列以供分析，所述单个光谱数据阵列在这个实例中是光谱数据阵列b。对于这个实例，在三个经收集光谱用于后续处理的情况下，过程700返回/输出最近的光谱(在步骤724之后与索引b相关联)直到收集到第三光谱。过程700继续到步骤730，其中将用于“超计
数”的内部计数器设置为零。超计数，本文中也被称为“宽度计数值”或简称为“宽度计数”，是用来识别异常信号并通过确定信号的空间/波长宽度来确定异常信号与非异常信号(恰当数据状态变化)之间的差值的参数，所述确定信号的空间/波长宽度通过在由步骤750提出的条件下累加光谱数据阵列的元素数目来进行。
40.此时，在过程700中，已收集并分析三个光谱数据阵列a、b及c以基于宽度计数及“阈值”来确定光谱数据阵列b是否含有异常信号，所述阈值在本文中也被称为“强度阈值(intensity threshold value)”或简称为“强度阈值(intensity threshold)”。因此，过程700使用二维识别过程，其中强度阈值及“超极限”，本文中也被称为“宽度计数极限”，用来确定信号的高度(信号计数/强度)及空间/波长宽度两者是否在异常信号的经界定范围内。如图700中所指出，对于光谱数据阵列中的所有元素重复步骤740、750及755，例如1024或2048次，其中“i”是光谱数据阵列的元素索引。
41.在步骤740中，确定光谱数据阵列a与c的平均值。可通过将元素的和乘以0.5来计算“ac_mean”，即，0.5*(ai+ci)。ac_mean可由大小与光谱数据阵列的大小(例如，1024或2048个元素)相等的阵列对象以数字方式表示。在步骤750中，部分地识别异常信号。可通过比较三个最近集合的光谱数据，例如通过计算以下量以逐元素方式来识别可能的异常信号：bi–
0.5*(ai+ci)》强度阈值，其中强度阈值是过程700的可配置参数。强度阈值通常是对应于异常信号可能高于参考值(例如，ac_mean)的光谱数据的计数数目或强度的值，且可至少关于预期异常及非异常信号的噪声水平、动态范围及其它指标来定义。强度阈值可在监测工艺或接收光谱数据之前预设。强度阈值也可基于根据主动接收的光谱数据计算指标来动态设置或调整。
42.如果在步骤750中经由阈值操作识别可能的异常信号，那么过程继续到步骤755，其中使宽度计数(在图7中表示为超计数)递增1且宽度计数指示与可能异常信号相关联的异常事件延伸到经收集数据的元素的宽度计数数目。过程700接着继续到步骤740，其中分析下一元素。如果在步骤750中未识别出可能的异常信号，那么过程700继续到步骤740，而不增加宽度计数。一旦处理光谱数据阵列的所有元素，步骤740、750及755的循环就完成且过程700继续到步骤760。
43.在步骤760中，确定宽度计数是否大于宽度计数极限。一般来说，宽度计数大于宽度计数极限指示在光谱上宽于预期异常信号且因此作为非异常信号来处理的可能异常信号。如果是，那么过程700继续到步骤764，其中将光谱数据阵列a设置为光谱数据阵列b且将光谱数据阵列b设置为光谱数据阵列c。过程700接着继续到步骤768，其中返回光谱数据阵列a。过程700接着继续到步骤710以用于获取新光谱数据阵列以供分析。
44.返回到步骤760，如果宽度计数不大于宽度计数极限，那么过程700继续到步骤770，确其中定宽度计数是否等于零。一般来说，当宽度计数等于零时指示在步骤740、750及755的阈值比较期间未检测到可能的异常信号。如果是，那么过程继续到步骤764。如果不是，那么基于过程700的二维识别过程来将步骤750中识别的可能异常信号识别为异常信号，过程700继续到步骤780并结束。
45.根据过程700，可对如此识别为具有可能异常值的光谱数据阵列元素进行计数并使其经受进一步分类准则。例如，根据过程700的可配置宽度计数参数，如果在光谱数据阵列b内识别出具有可能异常值的大量元素，那么可能的异常元素及它们的相关联值在根据
异常信号分类指标及/或异常信号校正参数将异常信号定义为“在光谱上较窄”的情况下可被重新特性化为非异常，或可存在于光谱数据阵列a、b、c的少量元素内。关于异常元素之间的数目或关系的其它准则可用于有用分类，例如它们是否连续出现在光谱数据阵列a、b、c内。准则可在光谱数据收集之前预先确定或可在运行时间操作期间经由分析经收集光谱数据来确定。
46.通常，在处理期间，可更改光谱数据阵列b以移除或调整由例如过程700识别的异常信号数据。图8说明根据本公开的原理的用于修改异常信号数据的过程800的实例的流程图。过程800的一或多个步骤可对应于由软件所表示的算法，所述算法引导一或多个处理器，例如信号处理器170或光谱仪160或光谱仪510的处理器或fpga的操作。过程800可与过程700的步骤相关联作为过程700与过程800可如何协作来识别及修改异常信号的实例。例如，在步骤820中，先前由过程700在步骤750中识别为包含异常值的光谱数据阵列b的每一元素可将其值bi改变为ac_mean，其中ac_mean＝0.5*(ai+ci)。一般来说，过程800可发生在过程700的步骤770与780之间。在图8中未展示但在图9到13的实例中表达的一个实施例中，可将以与异常值相关联的每一元素为中心的连续元素集改变为对应ac_mean值。在将数据输出到后续系统或处理之前，可根据图8中所概述的过程700的步骤来旋转/移位光谱数据及/或相关联索引(例如a、b、c)以便适应来自例如ccd装置420的装置的光谱数据的新集合。应注意，根据过程600、700及800对经收集光谱数据进行处理导致一个收集周期的信号滞后。其它处理方法论可能导致更大或更小的信号滞后情况。
47.过程700提供识别异常信号的实例且过程800提供修改异常信号的实例。在一个实施例中，仅可修改与例如步骤750中的ac_mean＝0.5*(ai+ci)相比超过强度阈值的异常信号的元素。也可修改邻近被识别为高于强度阈值的那些元素的额外元素以确保可能不高于强度阈值的异常信号的部分的适当修改。对图9到12中所呈现的实例的审阅展示可修改具有较低及较高元素索引的额外元素，无论它们的元素值如何。如此修改的邻近元素的数目可根据异常信号分类指标及/或异常信号校正参数而定。待修改的邻近元素的数目可为固定的或具有可变范围。例如，可修改具有较低及较高元素索引的1到5个元素。图10提供其中元素1554处的信号计数超过强度阈值参数且被修改的实例。另外，元素1554的每一侧上的两个元素(1552、1553及1555、1556)的信号计数被修改。在这个特定实例中，元素1552处的经修改信号计数及经接收信号计数本质上是相同的。换句话说，元素1552处的信号计数保持实际上相同，因为异常信号事件未在这个元素的信号计数值中产生显著变动。在图9到12中所见的实例中使用各种强度阈值。例如，图12提供在近似200个计数到2000个计数之间的强度阈值的实例。
48.因此，图9到13是经处理以识别及修改由异常信号事件的发生所产生的异常信号的光谱数据的实例。光谱数据可根据如本文中所论述的过程600、700及800的步骤中的一或多者来处理。在图9到12中的每一者中，光谱数据由已经由例如如图4中所展示的ccd装置收集的三个光谱数据阵列a、b及c来表示。另外，图9到12包含光谱数据阵列b的详细图像，所述光谱数据阵列b包含具有现存异常信号的原始光谱数据及由“经校正”信号迹线所表示的经校正光谱数据。在每一图9到12中，经绘制异常信号包含对应于根据按照过程700的步骤750的处理检测为高于强度阈值的异常信号的元素值的位置处的一或多个点。如光谱数据阵列b的详细图像中显而易见，所述点位于对应于所述信号的离散样本点的顶点处。
49.在图9中，已识别跨越光谱数据阵列b的四个元素(由四个点所表示)的异常信号910以供校正。异常信号910在光谱上与“真实”光谱特征920一致，所述“真实”光谱特征可被定义为具有大于几个数据间隔的持续时间的通常预期的且持久的特征(原子发射谱线、分子发射谱线、宽带发射等)。观察到异常信号910仅在数据阵列b内以短的持续时间出现，而观察到底层特征920在数据阵列a、b及c内以较长的持续时间出现。在这个实例中，异常信号910的识别及校正是在所谓的“像素空间”中完成，其中光谱数据阵列b与ccd装置的物理像素元件相关联。在这种情况下，光谱数据是来自具有2048个像素元件的装置且异常信号910在ccd装置的元件933到936中被识别。异常信号910的识别及校正也可在所谓的“波长空间”内执行，这是“像素空间”光谱数据到具有规则间隔，例如举例来说0.25或0.5nm的波长域的重新映射。“像素空间”中的异常信号数据的识别及校正可限制由于光谱信号数据内插所致的复杂性且可在图5的光谱仪500内的嵌入式处理器内以较低的操作成本来执行。
50.在图10中，已识别并校正跨越光谱数据阵列b的一个元素的异常信号1010。由于根据上文所描述的方法使用时域处理，异常信号1010容易与类似的窄“真实”光谱特征，例如1020区分开。应注意，现存处理方法(z评分、移动中值滤波等)通常跨波长域(一次一个光谱数据阵列)而非时间域操作，且因此在将异常信号1010与类似光谱形状的“真实”特征区分开时会有相当大的困难。命名的“原始”数据与“经校正”数据的比较展示除根据经建立准则识别的单个元素(由元素值位置处的点所指示)以外，还校正至少三个额外邻近元素(未由点指示)。由过程700识别的可被校正的那些元素之外的元素的数目可经由额外可调整邻近度或邻接度参数来控制(例如，在被识别为包含高于强度阈值的异常信号的元素的每一侧校正两个额外元素)。正如强度阈值及宽度计数极限，邻接度参数是可由用户输入用于识别及处理功能的参数。三个参数中的每一者可在识别及/或处理之前预先确定或可在异常信号的识别及/或处理期间动态设置/改变。
51.在图11中，已识别并校正跨越光谱数据阵列b的三个元素的异常信号1110，如由经校正数据所表示。由于根据上文所描述的方法使用时域处理，异常信号1110容易与类似的窄“真实”光谱特征，例如1120区分开。异常信号1110的不对称性不会不利地影响识别及校正。
52.在图12中，已识别并校正跨越光谱数据阵列b的五个元素的大异常信号1210。由于根据上文所描述的方法使用时域及阈值处理，异常信号1210容易与类似的窄“真实”光谱特征及光谱信号噪声区分开。异常信号数据的振幅不会不利地影响识别及校正，但会导致高于本底噪声的不太难的分类。
53.在图13中，已识别并校正跨越光谱数据阵列(其通常是光谱数据阵列b)的近似十个元素的复杂异常信号1310。异常信号1310由围封所关注光谱的部分的虚线椭圆来指示。所展示的光谱数据是来自氙闪光灯且异常信号1310可与由所述闪光灯内的电弧/放电不稳定性及/或电极溅射事件驱动的异常信号事件相关联。图表1300说明具有复杂异常信号1310的光谱数据阵列且图表1301说明其中复杂异常信号1310已被修改的光谱数据阵列。对于每一图表1300及1301，x轴是波长且y轴是强度或计数。
54.图14说明可用于本文中所公开的过程，例如识别光谱数据中的异常信号并处理异常信号的计算装置1400。计算装置1400可为光谱仪或光谱仪的一部分，例如本文中所公开的光谱仪160或510。计算装置1400可包含至少一个接口1432、存储器1434及处理器1436。接
口1432包含用来接收例如原始光谱数据及传输例如经处理光谱数据的必要硬件、软件或其组合。接口1432的一部分还可包含用于传达模拟或数字电信号的必要硬件、软件或其组合。接口1432可为根据协议，例如标准协议或专有协议(例如，接口1432可支持i2c、usb、rs232、spi或modbus)经由各种通信系统、连接、总线等进行通信的常规接口。存储器1434经配置以存储与计算装置1400相关的各种软件及数字数据方面。另外，存储器1434经配置以存储对应于引导处理器1436的操作的一或若干算法的一系列操作指令，所述操作指令在被起始时例如识别光谱数据中的异常信号并处理经识别异常信号。过程600、700及800是算法的代表性实例。所述处理可包含移除或修改异常信号数据或不同动作。存储器1434可为非暂时性计算机可读媒体(例如，快闪存储器及/或其它媒体)。
55.处理器1436经配置以引导计算装置1400的操作。因而，处理器1436包含用来与接口1432及存储器1434进行通信且执行本文中所描述的功能以识别并处理光谱数据中的异常信号的必要逻辑。上述设备、系统或方法的一部分可由各种，例如常规数字数据处理器或计算机来体现或执行，其中所述计算机经编程或存储软件指令序列的可执行程序以执行所述方法的一或多个步骤。此类程序或代码的软件指令可表示算法且呈机器可执行形式编码在非暂时性数字数据存储媒体，例如磁盘或光盘、随机存取存储器(ram)、磁性硬盘、快闪存储器及/或只读存储器(rom)上，以使各种类型的数字数据处理器或计算机能够执行本文中所描述的上述方法或功能、系统或设备中的一或多者的一个、多个或所有步骤。
56.所公开实施例的部分可涉及具有非暂时性计算机可读媒体的计算机存储产品，所述计算机存储产品在其上具有用于执行各种计算机实施操作的程序代码，所述计算机实施操作体现设备、装置的一部分或实行本文中所阐述的方法的步骤。本文中所使用的非暂时性是指除暂时性传播信号之外的所有计算机可读媒体。非暂时性计算机可读媒体的实例包含但不限于：磁性媒体，例如硬盘、软盘及磁带；光学媒体，例如cd-rom盘；磁光媒体，例如软式光盘；以及专门经配置以存储及执行程序代码的硬件装置，例如rom及ram装置。程序代码的实例包含例如由编译器产生的机器代码以及含有可由计算机使用解释器执行的高级代码的文件两者。经配置表示例如经设计、构造或编程有用于执行一或若干任务的必要逻辑、算法、处理指令及/或特征。
57.本文中所描述的光学测量系统及子系统可在不脱离其范围的情况下进行上述及其它改变。例如，尽管关联半导体晶片处理设备描述某些实例，但是可理解，本文中所描述的光学测量系统可适用于其它类型的处理设备，例如卷到卷薄膜处理、太阳能电池制造或其中可能需要高精度光学测量的任何应用。此外，尽管本文中所论述的某些实施例描述常见光分析装置，例如成像光谱仪的使用，但是应理解，可利用具有已知的相对灵敏度的多个光分析装置。此外，尽管本文中在描述本发明的方面时已使用术语“晶片”，但是应理解，可使用其它类型的工件，例如石英板、相移掩模、led衬底以及其它非半导体处理相关的衬底及工件，包含固体、气体及液体工件。
58.选择及描述本文中所描述的实例性实施例以便最好地解释本发明的原理及实际应用，且使所属领域的其它一般技术人员能够理解本发明的各个实施例及适用于特定预期用途的各种修改。本文中所描述的特定实施例绝不是为了限制本发明的范围，因为在不脱离本发明的范围及意图的情况下可在多种变体及环境中实施本发明。因此，本发明并不意在限于所展示实施例，而是符合与本文中所描述的原理及特征一致的最宽范围。
59.附图中的流程图及框图说明根据本发明的各个实施例的系统、方法及计算机程序产品的可能实施方案的架构、功能性及操作。在这点上，流程图或框图中的每一框可表示代码的模块、片段或部分，其包括用于实施(若干)经指定逻辑功能的一或多个可执行指令。还应注意，在一些替代实施方案中，框中所指出的功能可不按附图中所指出的顺序出现。例如，取决于所涉及的功能性，连续展示的两个框实际上可基本上同时执行，或所述框有时可按相反顺序执行。还将注意，框图及/或流程图说明的每一框以及框图及/或流程图说明中的框的组合可由执行经指定功能或动作的基于专用硬件的系统或专用硬件及计算机指令的组合来实施。
60.本文中所使用的术语仅用于描述特定实施例的目的且并不意在限制本发明。如本文中所使用，单数形式“一”、“一个”及“所述”意在也包含复数形式，除非上下文清楚地另有指示。将进一步理解，术语“包括(comprises)”及/或“包括(comprising)”在本说明书中使用时指定存在所陈述特征、整数、步骤、操作、元件及/或组件，但不排除存在或添加一或多个其它特征、整数、步骤、操作、元件、组件及/或其组合。
61.如所属领域的技术人员将明白，本发明可被体现为方法、系统或计算机程序产品。因此，本发明可采取完全硬件实施例、完全软件实施例(包含固件、常驻软件、微代码等)或组合本文中全部统称为“电路”或“模块”的软件及硬件方面的实施例的形式。此外，本发明可采取计算机可用存储媒体上的计算机程序产品的形式，所述计算机程序产品具有体现在所述媒体中的计算机可用程序代码。
62.可主张本公开的各个方面，包含本文中所公开的设备、系统及方法。本文中所公开的方面包含：
63.a.一种处理光谱数据的方法，其包含：(1)接收时间上分离的光谱数据样本；以及(2)基于所述时间上分离的光谱数据样本中的至少一个前导者及至少一个后续者来识别所述光谱数据样本中的中间者中的一或多个异常信号。
64.b.一种用于处理光谱数据的设备，其包含：(1)存储器，其具有对应于用于识别一或多个异常信号的算法的操作指令；以及(2)一或多个处理器，其经配置以根据所述操作指令来执行一或多个操作，所述一或多个操作包含：接收时间上分离的光谱数据样本；以及基于所述时间上分离的光谱数据样本中的至少一个前导者及至少一个后续者来识别所述光谱数据样本中的中间者中的所述一或多个异常信号。
65.c.一种用于识别异常信号的系统，其包括：(1)处理工具；以及(2)设备，其从所述处理工具内执行的半导体工艺接收光学数据且将所述光学数据转换为光谱数据，所述设备包含：(2a)存储器，其具有对应于用于识别一或多个异常信号的算法的操作指令；以及(2b)一或多个处理器，其经配置以根据所述操作指令来执行一或多个操作，所述一或多个操作包含：接收时间上分离的光谱数据样本；以及基于所述时间上分离的光谱数据样本中的至少一个前导者及至少一个后续者来识别所述光谱数据样本中的中间者中的所述一或多个异常信号。
66.d.一种存储在非暂时性计算机可读媒体上的计算机程序产品，所述计算机程序产品包含一系列操作指令，所述操作指令在被一或多个处理器起始时引导所述一或多个处理器通过执行以下操作来处理光谱数据，所述操作包含：(1)接收时间上分离的光谱数据样本；以及(2)基于所述时间上分离的光谱数据样本中的至少一个前导者及至少一个后续者
来识别所述光谱数据样本中的中间者中的一或多个异常信号。
67.方面a、b、c及d中的每一者可具有呈组合形式的以下额外要素中的一或多者：要素1：其中存在三个时间上分离的光谱数据样本且所述中间者是所述三个中中间的那个。要素2：其中所述光谱数据样本中的所述至少一个前导者及所述至少一个后续者划定所述中间者中的所述一或多个异常信号。要素3：其中所述识别包含将所述时间上分离的光谱数据样本的元素处的光谱数据的宽度计数与对应于计数数目的宽度计数极限进行比较。要素4：其中所述识别进一步包含将所述时间上分离的光谱数据样本中的所述中间者的元素与所述光谱数据样本中的所述至少一个前导者和至少一个后续者的对应元素的平均值之间的差值与强度阈值进行比较。要素5：其中所述强度阈值是预先确定的。要素6：其中所述强度阈值是动态设置的。要素7：其进一步包括当所述差值大于所述强度阈值时使所述宽度计数递增。要素8：其进一步包括处理所述一或多个经识别异常信号。要素9：其中所述处理包含修改被识别为包含异常信号的所述元素的一或多个计数值中的至少一者。要素10：其中所述处理包含基于邻接度参数来修改邻近被识别为包含所述异常信号的所述元素的额外元素的至少一或多个计数值。要素11：其中所述处理包含不修改被识别为包含异常信号的所述元素的所述一或多个计数值中的至少一者。要素12：其中所述修改是基于将所述时间上分离的光谱数据样本中的所述中间者的元素与所述光谱数据样本中的所述至少一个前导者和至少一个后续者的对应元素的平均值之间的差值与强度阈值进行比较来实行。要素13：其中用于所述方法的至少某一逻辑在嵌入式处理器、现场可编程门阵列(fpga)中、存储为代码或两者的组合。要素14：其中所述设备是光谱仪。要素15：其中所述一或多个处理器中的至少一者包括现场可编程门阵列(fpga)。