基于最小二乘法量子光电探测器低温测试的仿真建模的制作方法
【技术领域】
[0001]本发明涉及光电探测器技术领域，尤其是一种基于最小二乘法量子光电探测器低温测试的仿真建模。
【背景技术】
[0002]光电子技术在高技术武器装备中的重大应用，如侦察、夜视、导航、火控、预警和监视、激光雷达、准确制导和激光武器等，大量应用在光电武器系统中的大多数光电探测器必须在低温下才能正常工作，微型低温制冷机的出现和发展与军用光电子技术的需求有着十分密切的关系。微型低温制冷机具有结构微型化、制冷量小、功耗低、制冷效率高等特点，专门适合于要求特殊制冷环境的武器装备使用。
[0003]现有技术的低温系统测试设备体积庞大，需要杜瓦等金属结构材料支撑，通过液氦或液氮制冷，使得光电探测器的低温参数测试成本高，而且测试过程复杂，不但费时、费力，而且效率低，如果实验反复测试需要消耗更多的资源。
【发明内容】
[0004]本发明的目的是针对现有技术的不足而提供的基于最小二乘法量子光电探测器低温的仿真建模，采用最小二乘算法对测试的1-V和C-V特性曲线建立低温T与I和V之间的虚拟关系，从而预测不同低温下的电特性曲线，并将预测的特性曲线与实际测试的特性曲线进行比对，能准确反映量子效应光电探测器低温特性，仿真精度高，使用方便，降低了测试成本，提高了测试效率高。
[0005]本发明的目的是这样实现的:一种基于最小二乘法量子光电探测器低温测试的仿真建模，其特点是利用最小二乘算法对光电探测器的1-V特性曲线建立低温T与I和V的仿真模型，以预测不同低温下的光电特性曲线，具体仿真建模按下述步骤进行:
(I)、光电探测器特性参数的测试
基于光电测试平台，作出光电探测器不同温度下的1-V特性曲线簇。
[0006](2)、光电探测器特性曲线的拟合
利用“Matlab”软件对上述作出的1-V特性曲线簇进行拟合，得到不同温度下f (V)=aXexp(bXV) + cXexp (dXV)的拟合方程，其中为光电流；V为光电探测器偏压；exp为指数函数；a、b、c和d为决定1-V曲线基本特性和走势的四个参数。
[0007](3)、建立低温测试的仿真建模
采用最小二乘算法对拟合的方程组进行训练，得到低温T与a、b、c和d的四个参数方程，然后由a、b、c和d四个参数与I= aXexp(bXV) + cXexp(dXV)建立温度T与I和V的仿真模型，以预测不同低温下的光电特性曲线。
[0008]本发明与现有技术相比具有不需真空设备测试低温试验，就可有效得到器件在任意低温下的IV响应，仿真精度高，使用方便，准确反映量子效应光电探测器低温特性，利用Matlab自带拟合，只需简单的编程，拟合曲线不需要分段，有效避免了对于分段点选择不正确而带来的误差，能够方便预测某低温下的1-V和C-V曲线，解决了半导体器件低温测试困难的缺陷，节省成本，可移植性强，可把预测算法用于某些工业温度测量中，做辅助预测。
【附图说明】
[0009]图1为训练和拟合确定的参数a曲线图；
图2为训练和拟合确定的参数b曲线图；
图3为训练和拟合确定的参数c曲线图；
图4为训练和拟合确定的参数d曲线图；
图5为T=5K拟合仿真预测的光电特性曲线图；
图6为Τ=5Κ实测的光电特性曲线图；
图7为Τ=90Κ拟合仿真预测的光电特性曲线图；
图8为Τ=90Κ实测的光电特性曲线图。
【具体实施方式】
[0010]下面以光电探测器的仿真建模为例，对本发明作进一步说明。
[0011]实施例1
(I)、光电探测器特性参数的测试
基于光电测试平台，采用“ Ke I thI ey ” 4200-SCS半导体特性分析仪和波长为633nm的氦氖激光器，测试量子点-量子阱光电探测器在温度分别是30K、60K、120Κ、150Κ、180Κ、210Κ、240Κ、270Κ 和 300Κ 下的 1-V 和 C-V 特性曲线。
[0012](2)、光电探测器特性曲线的拟合
利用“Matlab”软件对上述作出的1-V特性曲线簇进行拟合，得到不同温度下I=f(V)=aXexp(bXV) + c X exp (d X V)的拟合方程，其中:1为光电流；V为光电探测器偏压；exp为指数函数；a、b、c和d为决定I_V曲线基本特性和走势的四个参数。
[0013]为了使拟合后的曲线较好的和测试得到的1-V曲线相重合，采用“Matlab”软件拟合得到不同温度下的I与V之间的函数关系I=f (V)。1-V特性曲线簇拟合时将器件偏压在[-1, I]，温度分别是 30K、60k、120K、150K、180K、210K、240K、270K 和 300K 的 I=f (V)函数关系，这些关系式中a、b、c和d都是由“Matlab”自带拟合算法得出，不同温度下的拟合方程如下表示:
30K 的拟合方程:I= (7.552e-005) X exp (5.226 XV)- (0.0001387) Xexp (-1.899 X V)；
60K 的拟合方程:1=(9.195e~005) Xexp(5.112 XV)-(0.0001619) Xexp(-1.841 XV)；
120K 的拟合方程:I= (9.933e-005) X exp (5.161X V) - (0.0001762) X exp (-2.006 X V)；
150K 的拟合方程:1=(0.0001082 ) X exp (5.139 X V) - (0.0001909) X exp (-2.083 XV)；
180K 的拟合方程:1=(0.0001188 ) X exp (5.093 X V) - (0.0002034 ) X exp (-2.113 XV)；
210K 的拟合方程:1=(0.0001394) Xexp (5.019XV) + (0.0002261) Xexp( -2.137 XV)；
240K 的拟合方程:I=( 0.0001577) Xexp( 4.959 XV)+ (0.0002471 ) Xexp( _2.138XV)；
270K 的拟合方程:1=( 0.0001912) Xexp( 4.877 XV)+ (0.0002757 ) Xexp( _2.148XV)；
300Κ 的拟合方程:1=( 0.0002429) Xexp( 4.767 XV)+ (0.0003013 ) Xexp( _2.198XV)。在拟合方程组下得到上述九组具有多项式性质的a、b、c和d参数。可以看出a、b、c和d四个参数决定了 1-V曲线基本的特性和走势，如果能得到这四个参数固定值，就能得到一组1-V曲线，也就是说，可以根据一个温度T，确定一个1-V曲线。这是根据温度测得数据，要和1-V曲线建立相应的关系，必须建立T与I和V之间的关系。在真实的测试环境中以及公式中，很难将三者建立一个准确的代数表达式关系。由此利用神经网络中的最小二乘法，来建立一个虚拟的关系，可以把这种关系映射到T和四个参数之间的关系，这样就可以方便的解决了温度T和1-V曲线在物理概念和代数表达式没有联系的问题。
[0014](3)、建立低温测试的仿真建模
采用最小二乘算法对上述拟合的方程组进行训练，得到低温T与a、b、c和d的四个参数方程，然后由到a、b、c和d四个参数与f(V)= aXexp (bXV) + cXexp(dXV)建立温度T与I和V的仿真模型，以预测不同低温下的光电特性曲线。
[0015]参阅附图1，参数a与温度T对应的方程为:
a=9.543e-016T'5-7.887e_013T~4+2.538e-010T~3_3.709e_008T~2+2.581e_006T+2.525e-005o
[0016]参阅附图2，参数b与温度T对应的方程为:
b=-7.769e-012T'5-7.008e-009T'4-2.366e-006T'3+0.0003575T'2-0.02362T+5.671。
[0017]参阅附图3，参数c与温度T对应的方程为:
c=-4.357e-016T'5+4.507e-013T'4-l.75e-010T'3+2.956e-008T'2-2.476e-006T_8.686e_005o
[0018]参阅附图4，参数d与温度T对应的方程:
d=3.447e-012T'5-3.771e_009T~4+l.501e-006T~3_0.0002616T'2+0.0174T-2.223。
[0019]将拟合方程的每组数据和温度作为样本点，采用神经网络多项式拟合算法对其训练，最终得到以下关于参数a、b、c和d训练曲线和拟合参数方程，由神经网络算法得出参数方程如下，显然温度T与a、b、c和d为多项式关系，其中温度T为自变量，a、b、c和d为因变量。
[0020]参阅附图5，利用上述a、b、c和d四个参数方程计算温度T=5K，分别得到参数a=0.6109e-004 ；b=5.3486 ；c= -0.1228e_003 ；d=-l.9862，然后利用温度 T 与 I 和 V 的仿真模型:f(V)= aXexp (bXV) + c X exp (d X V)进行预测，得到T=5K拟合仿真预测的光电特性曲线。
[0021]参阅附图6，在低温系统中对光电探测器进行低温测试，得到Τ=5Κ实测的光电特性曲线。将Τ=5Κ拟合仿真预测的光电特性曲线与实测的光电特性曲线进行比对，可以看出，预测的光电特性曲线与实测的光电特性曲线基本吻合，比对表明由温度T与I和V的仿真模型，能准确反映量子效应光电探测器低温特性，仿真精度高。
[0022]参阅附图7，利用上述a、b、c和d四个参数方程计算温度T=90K，分别得到参数a=0.9602e-004 ；b=5.1301 ；c=-0.1708e_003 ；d=-l.9088，然后利用温度 T 与 I 和 V 的仿真模型:f(V)= aXexp (bXV) + c X exp (d XV)进行预测，得到T=90K拟合仿真预测的光电特性曲线。
[0023]参阅附图8，在低温系统中对光电探测器进行低温测试，得到T=90K实测的光电特性曲线。将Τ=90Κ拟合仿真预测的光电特性曲线与实测的光电特性曲线进行比对，可以看出，预测的光电特性曲线与实测的光电特性曲线基本吻合，比对表明由温度T与I和V的仿真模型，能准确反映量子效应光电探测器低温特性，仿真精度高。
[0024]在光电探测器特性参数的测试过程中，只测试了 30K?300K的温度，为了验证算法的学习能力的拓展性和准确性，将预测的特性曲线与实际测试的特性曲线进行比对，对温度T=5K和T=90K进行了验证，验证表明由I= aXexp(bXV) + c X exp (dX V)建立的仿真模型，能准确反映量子效应光电探测器低温特性，仿真精度高，使用方便，降低了测试成本，提高了测试效率高。
[0025]以上实施例只是对本发明做进一步说明，并非用以限制本发明专利，凡为本发明等效实施，均应包含于本发明专利的权利要求范围之内。
【主权项】
1.一种基于最小二乘法量子光电探测器低温测试的仿真建模，其特征在于利用最小二乘算法对光电探测器的1-V特性曲线建立低温T与I和V的仿真模型，以预测不同低温下的光电特性曲线，具体仿真建模按下述步骤进行: (I)、光电探测器特性参数的测试 基于光电测试平台，作出光电探测器不同温度下的1-V特性曲线簇； (2 )、光电探测器特性曲线的拟合 利用“Matlab”软件对上述作出的1-V特性曲线簇进行拟合，得到不同温度下f (V)=aXexp(bXV) + cXexp (dXV)的拟合方程，其中为光电流；V为光电探测器偏压；exp为指数函数；a、b、c和d为决定1-V曲线基本特性和走势的四个参数； (3 )、建立低温测试的仿真建模 采用最小二乘算法对拟合的方程组进行训练，得到低温T与a、b、c和d的四个参数方程，然后由a、b、c和d四个参数与I= aXexp(bXV) + cXexp(dXV)建立温度T与I和V的仿真模型，以预测不同低温下的光电特性曲线。
【专利摘要】本发明公开了一种基于最小二乘法量子光电探测器低温测试的仿真建模，其特点是利用神经网络算法对已测得的光电探测器电特性曲线进行学习，以预测不同低温下的电特性曲线，将预测的特性曲线与实际测试的特性曲线进行比对。本发明与现有技术相比具有不需真空设备测试低温试验，就可有效得到器件在任意低温下的I-V响应，仿真精度高，使用方便，准确反映量子效应光电探测器低温特性，降低成。
【IPC分类】G06F17/50
【公开号】CN105183977
【申请号】CN201510556548
【发明人】王伟伟, 郭方敏
【申请人】华东师范大学
【公开日】2015年12月23日
【申请日】2015年9月6日