一、用模拟退火算法从S参数提取HFET小信号等效电路模型参数（论文文献综述）
曹阳[1]（2020）在《硅基CMOS工艺微波MOSFET器件建模及参数提取技术研究》文中指出CMOS技术的不断发展和新应用的迫切需求,结合低成本、低功耗以及高集成度等优势使其成为微波集成电路的重要选择。CMOS技术在微波集成电路以及系统中的应用与器件的准确建模和参数提取密切相关。同时,CMOS工艺特征尺寸的不断缩小为集成半导体器件集约模型的研究与开发带来了巨大挑战。目前普遍应用的MOSFET器件模型在微波频段内存在表征不全面、模型精度不够高等缺点,而且模型参数提取的准确性依然存在不足。基于上述问题,本文主要针对深亚微米CMOS工艺展开器件S参数在片测试、建模和参数提取等相关技术研究。主要工作如下:首先,设计不同尺寸的MOSFET及带有地屏蔽的共面波导等传输线结构,并流片测试。为了获取准确的建模数据,评估了简化的分布式四端口网络去嵌入方法,并与开路-短路法进行了比较。创新提出了一种电磁仿真辅助去嵌入技术,为微波无源器件提供建模参考。同时,验证了开路-短路去嵌入法的频率适用范围,为后续建模提参打下良好的基础。第二,建立了完整的微波MOSFET小信号等效电路模型。通过增加一个串联RC电路分支,更好地模拟了栅极和漏极间的高频耦合寄生效应。为了提高多参数优化效率,开发了一种新的遗传算法可对MOSFET模型中所有参数进行同步优化,缩短了处理时间,并且对进一步改进参数的提取方法具有指导意义。第三,基于器件的物理机理,提出了一种针对关态MOSFET小信号模型的多参数扫描参数提取方法,无需高频或低频近似,通过单个或多个参数扫描结合线性回归技术可准确提取关键寄生参数。此外,研究了一种将有理函数非线性拟合应用于上述关态MOSFET小信号模型的参数提取方法,践行了一种具有一般性的宽频带参数直接提取策略。这两种参数提取技术弥补了目前等效电路中因物理参数近似提取所产生的不足,并相互验证、互相补充。通过对上海华力微电子有限公司射频CMOS工艺一系列不同尺寸和偏置条件的NMOS晶体管进行测试与实验验证,证明了模型与参数提取方法的准确性和有效性。总之,本论文针对CMOS工艺微波器件建模和参数提取提出的去嵌入方法、模型及参数的直接提取技术,有效解决了目前微波器件片上测试去嵌入问题,改善了微波MOSFET模型的完整性,突破了现有参数提取技术中存在的近似和优化效率较低的局限性,可广泛适用于建立微波MOSFET集约模型,对深亚微米CMOS工艺的改进和微波集成电路设计优化具有重要的实际意义。
蔡抒言[2]（2020）在《微波GaN HEMT功率器件物理基大信号模型研究》文中指出为了满足通讯系统日益增长的性能指标,亟需研发更加强大的微波功率器件。用GaN材料制作的高电子迁移率晶体管（HEMT）,因其高频率、高功率、高效率等特性,被广泛应用于微波电路之中。而半导体器件模型向下承接器件的工艺生产,可提高工艺水平,向上承接器件的电路设计,可缩短设计周期,是整个半导体产业链中不可或缺的关键部分,所以针对GaN HEMT器件建立准确的模型是非常有意义的。目前,针对GaN HEMT的经验基模型已经有许多报道,但经验基模型包含大量经验参数,且缺乏物理意义,不能指导器件设计。因此需要建立物理基大信号模型,建立器件微波特性与物理参数的直接联系。本文研究内容包括:基于区域划分的GaN HEMT物理基大信号模型研究:以小信号等效电路建模为起点,基于区域划分大信号模型理论,对栅长为0.25μm,栅宽10?125μm的微波GaN HEMT功率器件,建立了物理基大信号模型,并建立了一套完整的微波GaN HEMT物理基模型参数提取流程。对比仿真与实测结果,物理基大信号模型的误差控制在15%以内,证明了基于区域划分的物理基大信号模型具有高精度,并有良好的工程应用性。具有缩放效应的GaN HEMT物理基大信号模型研究:以小功率单胞器件的区域划分模型为基础,基于集总参数和多胞并联的缩放建模理论,对栅长为0.25μm的GaN HEMT多胞器件,建立了缩放模型,进一步提升了区域划分物理基模型的工程应用性。为了进一步验证模型的精度,本文还将多胞大信号模型应用于一款S波段的功率放大器中,利用缩放模型得到的电路仿真结果与器件实物的指标要求相比,具有12%的模型误差,说明了具有缩放效应的GaN HEMT物理基大信号模型具有很高的精度,可用于电路设计与分析。
黄安东[3]（2019）在《射频和微波高功率氮化镓基晶体管集约建模研究》文中研究表明氮化镓是第三代先进半导体材料,兼具宽禁带、高热容量、高热传导系数、低电阻率、高电子迁移率等特性。半导体工艺制程的终极目标是芯片设计,而好的集约模型则是芯片设计和半导体工艺之间的桥梁。本论文聚焦于射频高功率氮化镓基晶体管集约建模研究,主要的创新工作可以概括如下:1.基于优化算法的氮化镓小信号等效电路参数提取方法:提出了内部Y参数和外部Y参数误差损失函数。传统优化方法一般使用本征参数对频率的方差作为参考误差,缺陷是受测试不确定性和噪声的影响很大,而本论文提出的内部和外部Y参数误差函数有效地解决了这个问题。另外使用外部Y参数作为误差参考面是根据π型网络结构所设计的,相比于传统的S参数误差,其计算损失函数时更加高效。论文还创新性地使用人工智能蜂群算法作为优化算子,为保证结果具有物理意义,利用校准结构件和零偏置场效应管提取法为参数提供上下边界。这一方法的优点在于,当物理提取法失效或者等效电路发生改变时,该方法也可以继续使用,是现有寄生参数提取方法的一个重要补充。2.基于降维技术的半导体器件大信号经验模型:该模型方法的核心把经验公式和泰勒级数进行了有机地融合,强非线性的维度用传统的经验公式来表征,而对于高维函数的弱非线性维度则使用泰勒级数进行展开。比如,对于氮化镓电流源的端口电压维度用经验公式表征,而陷阱和自热的维度则用泰勒级数来表达,最终的模型是一个完全解析的公式,仿真的收敛性以及模型的外插得到了保证。论文给出了严谨的理论,并且提供详细的一步一步的操作,可以实现程序全自动化提取。这种降维方法属于一般性的数学方法,适用于各种半导体器件的建模,我们使用了三个不同工艺的氮化镓晶体管的建模作为例子。为了进一步验证其一般性,还额外对一个LDMOS进行了建模。该方法曾经被是德科技（Keysight）邀约集成到商业建模软件IC-CAP中,具有较好的学术和商业价值。3.基于全连接人工神经网络技术的氮化镓晶体管大信号模型:该模型融合了动态的陷阱和自热效应,模型主要内容为电流源和电荷源两大部分。我们对氮化镓器件的陷阱导致的滞后效应进行了深入分析,甄别出了脉冲电流中的陷阱状态量,并且提出了三个子电路来模拟陷阱中心对电子的捕捉、发射,以及热扩散动态过程,这三个子电路和全连接神经网络构成了完整的电流源模型。还提出了一种积分神经网络,该网络能够直接由非线性电容训练得到电荷,并且把电热效应融入到了模型中,相比传统的非线性电容模型,电荷模型极大地改善了模型的收敛性和鲁棒性,提高了大型电路仿真的速度。最后展示了能讯半导体提供的氮化镓器件建模案例,融入了陷阱和电热效应后,模型能够准确预测静态电流、S参数和射频功率特性,验证了该模型的有效性和准确性。4.基于降维神经网络技术的半导体器件大信号模型:提出一种降维神经网络架构,该架构把泰勒级数融合到全连接神经网络中。该方法对高维映射函数的某些强非线性维度（如端口电压）使用神经网络表征,而其他的维度（如陷阱、温度）则用泰勒级数来表征。这种混合架构能够极大地减少网络训练所需的数据量,比如两个数据点用神经网路训练肯定过拟合,但是使用线性回归（一阶泰勒展开）却能得到鲁棒性很高的模型。该方法能够把一个高维度的神经网络用为几个低维度的神经网络的线性组合来逼近,与降维经验模型的思想非常类似。我们采用能讯公司提供的氮化镓晶体管对降维神经网络技术进行验证,结果表明,该方法仅使用较少的建模数据,便可以准确捕捉氮化镓器件的陷阱和温度效应,且避免了过拟合现象。为了验证该技术的通用性,我们还给出了华虹提供的LDMOS器件热建模案例。降维神经网络框架具有数学意义上的普适性,将来可以用于各种类型的半导体器件甚至是系统级别的建模。
汪昌思[4]（2016）在《微波毫米波GaN HEMT大信号模型研究》文中研究说明氮化镓（GaN）高电子迁移率晶体管（HEMT）以其高频、大功率、高效率等特性优势,成为近年来国内外半导体器件方面研究的热点。GaN HEMT的大信号（或非线性）特性及其模型的研究,在优化器件工艺及结构、指导电路设计和提高电路性能等方面具有重要的指导作用。传统Si及GaAs基场效应晶体管模型及其建模方法,难以精确表征GaN HEMT器件的一些特殊物理特性,如陷阱、自热、谐波和环境温度等特性。精确的微波毫米波GaN HEMT大信号模型对提高器件性能、缩短电路及系统的研发周期、提高成品率、降低成本及推动其大规模系统集成与应用等方面具有重要意义。随着GaN HEMT器件特征尺寸进一步缩小、工作频率和输出功率的提升,以及对电路设计成品率的进一步需求等因素的影响,开展微波毫米波GaN HEMT建模研究对GaN器件和电路的发展有着重要意义。因此,本文针对国产GaN HEMT工艺线,围绕器件工作机理,采用经验基等效电路建模方法,系统地研究了微波毫米波GaN HEMT大信号模型的建模技术。主要研究内容包括:1.超宽带GaN HEMT小信号等效电路模型研究。针对微波毫米波GaN HEMT器件的寄生特性,在传统的晶体管小信号等效电路模型拓扑基础上,增加了栅漏间寄生电阻Rpgd和栅极及漏极端的T型寄生电感,建立了改进的宽带等效电路模型结构,改善了频率低端及高端范围内的小信号S参数拟合精度。在模型元件参数直接提取法基础上,采用了一种基于偏置相关的多维目标误差函数的参数优化方法,克服了传统优化法陷入局部最小值及单一偏置点下优化得出参数值无物理意义的缺点。建立的小信号模型应用于三种不同结构GaN HEMT器件的小信号S参数预测结果表明,在40 GHz宽频带范围内,模型具有较好的精度和通用性。2.微波毫米波GaN HEMT大信号电热模型研究。针对器件材料的非线性热导率特性,采用有限元热仿真方法,建立了以功耗为函数的非线性热子电路模型。针对GaN HEMT非对称跨导等特性,在传统Angelov经验基大信号模型基础上,改进和修正了非线性漏源电流模型和非线性栅电容模型对栅电压的依赖特性,采用了脉冲动态I-V测试技术对GaN HEMT的陷阱效应进行表征,建立了包含自热和陷阱效应的大信号电热模型。与传统大信号模型相比,该大信号模型对DC I-V、输出功率和效率等性能具有更高的预测精度。并基于该建模方法,对不同场板结构的GaN HEMT进行了建模和大信号输出特性分析,进一步验证了模型的准确性和建模方法的有效性。3.高低温GaN HEMT大信号热电模型研究。GaN HEMT常应用于高低温环境的电路与系统中,其电性能不仅受自热效应影响,还随环境温度的变化而改变。本文针对高低温环境电热效应,基于器件电热效应的物理机理及热传递理论,利用有限元热稳态和瞬态仿真方法,分析了自热效应和环境温度对GaN HEMT沟道温度的影响,提取了等效的沟道热阻和热容参数,建立了以环境温度为函数的双热子电路模型,在-55到175 oC环境温度下对沟道温度具有更精确的预测结果。并根据该高低温电热特性,改进了非线性漏源电流和栅电容公式。测试和仿真结果对比表明,该大信号电热模型对高低温环境的小信号S参数、大信号基波、二次谐波和三次谐波输出功率及效率等特性具有较高的预测精度。4.GaN HEMT大信号缩放模型研究。大信号模型的可缩放性是对大尺寸器件建模的重要手段,针对多指器件的热耦合效应和复杂的寄生特性,本文以中等栅宽尺寸的经验基大信号模型为参考,根据GaN HEMT器件栅指数和单位栅宽的物理几何特点,提出了基于器件尺寸大小的热子电路模型和分区域结构的大信号模型缩放规则,建立了完整的大信号缩放模型。与不同栅指数和单位栅宽的GaN HEMT在片测试结果验证表明,该大信号缩放模型能准确地预测基波及高次谐波的负载牵引阻抗特性,以及不同匹配状态下的基波及高次谐波输出功率和效率等特性,并且在大功率高效率功放单片电路（MMIC）中的预测结果精度较高。为大栅宽和高效率功率放大器MMIC设计与优化提供了准确的大信号可缩放模型,同时为大栅宽器件及其模型研究提供了一定的指导作用。
于智龙[5]（2013）在《基于自放电技术的电动车用锂动力电池SOC预测算法研究》文中提出磷酸铁锂动力电池由于其比能量大、循环寿命长、安全性好、自放电率小以及可以快速充电等特点,被作为新能源汽车的主要动力来源之一,得到非常广泛的应用。锂动力电池的荷电状态（State of Charge,简称SOC）是衡量电池剩余电量的一个关键的指标,但是电池组的应用环境复杂、电池组的劣化程度不一致导致电池组的SOC估算精确度无法满足实际应用的需要。因此,能够体现电池劣化程度的锂动力电池SOC估算方法已经成为电池组监测在线性能的关键技术之一。本文就锂动力电池自放电电流、交流内阻、劣化程度以及工作温度等因素对于SOC估算的影响,扩展卡尔曼滤波（EKF）、强跟踪容积卡尔曼滤波（SCKF-STF） SOC估算策略、电池等效电路模型的不确定性的问题进行了针对性研究,主要包括如下几个方面的工作：在分析锂动力电池组SOC影响因素的基础上,对体现锂动力电池电化学特性的自放电电流、交流内阻、充放电深度以及寿命等因素与SOC之间的关系进行了全面细致的分析,在进行大量的实验的基础上,采用能够反映锂动力电池电化学特征的等效电路模型作为SOC估算模型,提出了基于自放电电流、温度和劣化程度三种因素修正模型的方法。针对由于自放电等因素造成的容量衰减而导致SOC估算精确度不足的问题,对现有的SOC估算方法进行了分析,提出了基于模型修正的扩展卡尔曼滤波（EKF）算法的SOC估算策略。该策略修正了电池由于搁置、老化、工作温度等条件对与SOC估算的影响,给出了EKF估算SOC算法的实现,并进行了常温、低温以及搁置实验。实验结果表明：基于模型修正的EKF的估算方法能够满足SOC估算的精度要求,且对于电池的劣化程度、电池自放电率及工作温度的适应能力大大提高。针对低温下电池组实际放电要求以及电池等效电路模型在低温下的不确定性的问题,进行实验研究,根据实验数据分析模型不确定性所带来的影响,提出一种基于强跟踪容积卡尔曼滤波（SCKF-STF）算法的SOC估算策略,并对低温下电池电压低于常温下放电截止电压时的SOC估算进行了实验验证,通过对比EKF算法表明,SCKF-STF算法能够有效的解决由于等效电路模型不确定性所带来的SOC估算误差,消除模型不确定性所带来的影响。针对锂动力电池成组后电池寿命和性能下降问题,研究了锂动力电池成组技术,以及电池电化学特性对于电池成组后电池寿命的影响,在考虑电池物理特性和电化学特性的基础上提出了一种基于模糊C均值聚类（FCM）的支持向量机（SVM）的电池分类方法,并对抽样电池的寿命进行了测试,实验结果表明,该分类方法得到的同一类别电池具有较好的容量衰减一致性以及电化学一致性。针对实际工作条件下锂动力电池组SOC估算精度不高、实时性较差的问题,根据电池管理系统（Battery Management System,简称BMS）的特点,将BMS采样的最小点定义为基本电池单元,研究了电池组基本电池单元的充放电特性,建立了基本电池单元的数学模型,并采用SCKF-STF算法对基本电池单元的SOC进行了模拟工况实验。实验结果表明：在电池组充放电操作变换频繁时,SOC估算策略能够满足电动车用锂动力电池组SOC估算的精确度要求,并在此基础上开发了一套基于CAN总线的电池管理系统,给出了HEV锂动力电池组管理系统的总体功能和软硬件设计方案。
陈雪成,周爱民,高建军[6]（2013）在《用改进的差分进化算法提取HEMT小信号模型的参数》文中认为高电子迁移率晶体管（HEMT）以其噪声低和频带宽等特点在微波毫米波领域得到了广泛的应用,本文在传统优化方法的基础上,对差分进化算法进行了改进,并基于该算法对HEMT小信号等效电路模型进行了模型参数提取。实验结果表明,2×20μm GaAs HEMT器件S参数模拟结果和测试结果在40 GHz频率范围内吻合很好,误差在2%以内。
陈雪成[7]（2013）在《基于优化算法的半导体器件参数提取和S参数的自动化测试》文中指出半导体器件模型对电路的设计精度有很大的影响,尤其是对超大规模的集成电路,所以要有准确的器件模型。在确定半导体器件模型之后,还要有合适的参数提取方法。参数提取方法归纳为两类：一类是直接分析法；另一类是优化方法。直接提取法虽然步骤简单,取值唯一,但提取的参数值通常还需要进一步优化。传统的基于梯度或是微分的优化方法有诸多缺点：只有合适的初始值才能求出部分参数,目标函数含有无法解出的极点和冗余的参量,容易陷入局部极小值。而智能优化算法的优点是简单、平稳、便于实现,更重要的是对初值不敏感。优化的目的是找到最佳的参数组合,使之符合器件的特性。为了能够找到这样一组优质解,需要一种提取算法,其全局误差最小。近几十年来,应用算法提取半导体器件模型的参数一直是研究的热点和重点。本文以高电子迁移率晶体管（HEMT）器件为例,首先对遗传算法,粒子群算法,模拟退火算法和差分进化算法进行了研究,并对差分进化算法进行了改进。然后基于上述算法进行模型参数提取,主要研究工作包括以下四个部分：1)用仿真数据与优化的数据相比较,结果显示误差都在可允许的范围内；2)用优化算法提取了高电子迁移率晶体管的小信号模型参数,模拟的S参数和测试的S参数可以很好的吻合；频率可以达到40GHz；3)改进了差分进化算法,其收敛速度比标准的差分进化算法快。4)编写了S参数的自动化测量软件,通过控制软件,可以直接将测试数据保存在PC机内,加快了测试进度。
姜霞[8]（2011）在《AlGaN/GaNHEMT模型研究及MMIC功率放大器设计》文中进行了进一步梳理随着无线通讯技术和航空航天技术的飞速发展,对具有更高频率和更大输出功率的高性能半导体器件的需求日益增加。传统的Si和GaAs基半导体微波功率晶体管由于受材料参数的限制已经接近性能的极限,而以GaN和SiC等宽禁带半导体材料为衬底的器件,能够满足系统对高工作频率、高输出功率和高工作温度的要求,成为近年来研究的热点。而MMIC由于具有增益、噪声、功率等良好的特性,成为微波与毫米波单片集成电路和超高速数字集成电路领域最具竞争力的有源器件之一。本文围绕AlGaN/GaN HEMT模型及MMIC设计开展研究工作,具体研究内容包括如下几个方面:1、根据AlGaN/GaN HEMT器件结构,对AlGaN/GaN HEMT器件特性进行了分析,讨论了温度的升高对低场迁移率及阈值电压的影响,研究了一种用于分析AlGaN/GaN HEMT I-V特性的模型。模型考虑了极化、材料热导率、电子迁移率、薄层载流子浓度、饱和电子漂移速度及导带断续随温度变化的特性,及对器件造成的影响,并将模拟结果与实验值进行对比,两者符合较好,证明了该模型的正确性,可以应用于SiC和蓝宝石两种不同衬底AlGaN/GaN HEMT器件的模拟。2、研究了GaN MMIC有源和无源元器件模型,系统地推导了HEMT小信号等效电路中寄生电阻、寄生电感、寄生电容和本征参数的提取方法。讨论了几种常见AlGaN/GaN HEMT器件大信号直流I-V特性和大信号电容模型,并以EEHEMT1模型为基础,采用在片测试技术,结合窄脉冲测试方法,利用IC-CAP软件提取出AlGaN/GaN HEMT非线性参数,并与实验值进行比较,证明提取的大信号模型具有很好的精度。3、研究了HEMT MMIC宽带功率放大器的特点和主要性能指标,采用分布式放大器和电抗匹配相结合的方法,设计并制备了两级MMIC功率放大器。采用低通匹配网络设计,使放大器输入输出为50?阻抗匹配,在频率为8GHZ～12GHz范围内,输出功率大于17W,功率增益大于18dB,最大输出功率为25W,功率附加效率PAE达到29.9%。通过和实测值的比较,功率放大器满足设计要求,达到了预期目的。
解兰,於洪标[9]（2008）在《基于遗传算法的场效应管模型参数的提取》文中研究说明建立一个精确的微波场效应管的等效电路模型对于微波场效应管电路的非线性分析,模拟和优化设计是十分重要的。本文提出了一种新的提取场效应管的等效电路模型参数的方法——混合遗传算法。混合遗传算法将遗传算法和模拟退火法有机地结合,发挥了两者的优点。文中给出了应用混合遗传算法提取场效应管NE32584的等效电路模型参数的实例,得到了具有很高精度的模型参数。
吴强[10]（2008）在《HBT模型参数提取方法及InP基单片集成器件的研究》文中提出本论文工作是围绕本论文工作是围绕国家重点基础研究发展计划（973计划）项目（No.2003CB314901）、国家高科技研究发展计划（863计划）项目（No.2003AA31g050、No.2006AA03Z416和No.2007AA03Z418）、国家自然科学基金项目（No.60576018,No.90601002）、国际科技合作重点项目计划项目（No.2006DFB11110）展开的。当前,随着通信技术的迅速发展、终端客户的迅猛增加及对带宽需求的不断增大,光纤通信正向着智能化、集成化、低成本和高可靠性的新一代光纤通信演进。光电集成电路较之分立的光电组件具有尺寸小、光电连接产生的寄生效应低、成本低、性能优越和可靠性高等诸多优点,满足了光通信进一步发展的要求,因此成为全世界光通信和光电子领域所共同关注的研究热点和重大课题。InP基异质结双极晶体管（HBT）是长波长光电集成电路中必不可少的关键器件之一,在微波等领域具有极其广阔的应用前景。因此深入系统地研究InP基HBT器件的建模和应用具有极其重要的意义。在任晓敏教授的精心指导下,本论文针对InP基HBT的建模方法,特别是大信号模型的建立,及在单片集成光接收前端器件的制备方面展开了深入细致的研究。取得的主要研究成果如下:1.从材料物理特性出发,分析了HBT的物理结构、性能参数。推导出各个参数的表达式,研究了在不同条件下,InP基HBT主要物理参数的变化情况。基于以上分析,提出了InP基HBT设计的优化方案。2.参与研制了InP基HBT,测试了分立器件的直流与高频特性。其中2um工艺的InP基HBT,测得开启电压为0.35V、直流增益达到80倍、截至频率约为40GHz。3.研究了HBT小信号模型参数的提取方法,采用一种联合提取器件小信号模型参数的新方法。提取步骤为:基于寄生参数与器件工作状态无关的特点,利用强正偏和强反偏下的S参数和线性回归分析提取出了器件的寄生参数;通过矩阵运算去除晶体管寄生部分对S参数的影响,并利用电路网络拓扑变换与线性回归分析提取出了器件的本征参数;以提取出的模型参数作为初始值,利用自适应优化算法进一步确定出与实际测量结果更加符合的模型参数,减少了在提取过程中由于数据拟合导致的误差。经比较,模型S参数的仿真结果与器件实测结果符合地很好。4.对HBT大信号模型参数的提取方法进行了深入细致的研究,根据大信号模型30个常用参数的不同物理特性,将其分成C-V参数、电阻参数、厄利电压参数、直流输出参数、输入阻抗参数和传输时延参数。依据每类参数的不同特点,分别设计出参数提取方法并构建测试平台。经比较,提取出的大信号模型在直流、交流方面均能准确地表征器件的实际特性。5.利用建立的HBT模型设计了多种形式的前端放大电路。对电路进行直流及高频特性的仿真,根据仿真结果对电路形式进行优化与对比,选择出性能优异、结构相对简单的电路形式,为单片集成光接收机前端的制备提供支持。6.参与研制了PIN+HBT形式的单片集成光接收前端。探测器台面面积为22×22um2、HBT采用3um工艺、放大电路采用跨阻负反馈单极共射结构。当探测器加2.5V反向偏压,电路加2V偏压时,测得集成前端的3dB带宽达到3GHz。
二、用模拟退火算法从S参数提取HFET小信号等效电路模型参数（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用模拟退火算法从S参数提取HFET小信号等效电路模型参数（论文提纲范文）
（1）硅基CMOS工艺微波MOSFET器件建模及参数提取技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 MOSFET模型分类及发展 |
| 1.2.1 MOSFET模型分类 |
| 1.2.2 MOSFET模型发展历程 |
| 1.3 国内外研究现状及本文研究意义 |
| 1.4 论文的研究背景及主要工作内容 |
| 第2章 CMOS工艺微波器件建模基础 |
| 2.1 MOSFET高频表征 |
| 2.1.1 非准静态效应 |
| 2.1.2 栅极电阻 |
| 2.1.3 源极及漏极电阻 |
| 2.1.4 衬底寄生 |
| 2.1.5 其他寄生效应 |
| 2.2 片上测试系统 |
| 2.2.1 S参数 |
| 2.2.2 校准技术 |
| 2.2.3 集总去嵌入技术 |
| 2.2.4 分布去嵌入理论 |
| 2.3 参数提取方法及优化 |
| 2.3.1 模型参数提取方法 |
| 2.3.2 参数优化技术 |
| 2.4 本文研究重点 |
| 2.5 本章小节 |
| 第3章 片上测试及去嵌入技术研究 |
| 3.1 测试方案与系统校准 |
| 3.2 MOSFET片上去嵌入技术研究 |
| 3.2.1 去嵌入结构 |
| 3.2.2 去嵌入流程 |
| 3.2.3 实验结果与讨论 |
| 3.3 微波无源器件去嵌入研究 |
| 3.3.1 无源器件集总去嵌入 |
| 3.3.2 无源器件的四端口网络去嵌入方法评估 |
| 3.3.3 电磁仿真辅助去嵌入技术 |
| 3.4 本章小结 |
| 第4章 MOSFET等效电路建模及参数提取优化 |
| 4.1 完整的MOSFET小信号等效电路模型 |
| 4.2 模型参数的解析提取 |
| 4.2.1 非本征寄生参数提取 |
| 4.2.2 本征参数的直接提取 |
| 4.2.3 参数提取结果与实验验证 |
| 4.3 模型参数的优化 |
| 4.3.1 优化方法介绍 |
| 4.3.2 遗传算法的原理 |
| 4.3.3 遗传算法的实现 |
| 4.3.4 遗传算法在MOSFET参数优化中的应用 |
| 4.4 本章小结 |
| 第5章 参数提取方法研究 |
| 5.1 问题提出 |
| 5.2 多参数扫描参数提取技术 |
| 5.2.1 MPS参数提取理论 |
| 5.2.2 结果与讨论 |
| 5.3 有理函数拟合参数提取技术 |
| 5.3.1 解析的有理函数参数提取 |
| 5.3.2 结果与讨论 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文主要工作 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（2）微波GaN HEMT功率器件物理基大信号模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 器件方面 |
| 1.2.2 物理基大信号模型方面 |
| 1.3 本论文的结构安排 |
| 第二章 微波GaN HEMT基本原理与模型分类 |
| 2.1 GaN材料特性 |
| 2.2 GaN HEMT器件结构与工作原理 |
| 2.2.1 GaN HEMT器件结构 |
| 2.2.2 GaN HEMT工作原理 |
| 2.3 GaN HEMT器件的色散特性 |
| 2.3.1 自热效应 |
| 2.3.2 陷阱效应 |
| 2.4 GaN HEMT模型分类及建模方法 |
| 2.5 本章小结 |
| 第三章 基于区域划分的GaN HEMT物理基大信号模型研究 |
| 3.1 引言 |
| 3.2 小信号等效电路模型 |
| 3.2.1 模型拓扑 |
| 3.2.2 小信号测试与去嵌方法 |
| 3.2.3 模型参数提取 |
| 3.2.4 小信号模型验证 |
| 3.3 物理基大信号模型参数提取研究 |
| 3.3.1 区域划分模型基本理论 |
| 3.3.2 物理基IV模型 |
| 3.3.3 自热效应建模 |
| 3.3.4 陷阱效应建模 |
| 3.3.5 非线性栅电容模型参数提取 |
| 3.3.6 非线性栅电流模型参数提取 |
| 3.3.7 模型验证 |
| 3.4 本章小结 |
| 第四章 具有缩放效应的GaN HEMT物理基大信号模型研究 |
| 4.1 引言 |
| 4.2 集总参数缩放模型 |
| 4.2.1 建模方法 |
| 4.2.2 模型验证 |
| 4.3 多胞并联缩放模型 |
| 4.3.1 多胞器件测试 |
| 4.3.2 建模方法 |
| 4.3.3 模型验证 |
| 4.3.4 电路设计验证 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（3）射频和微波高功率氮化镓基晶体管集约建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Root查找表模型 |
| 1.2.2 Angelov经验模型 |
| 1.2.3 EEHEMT经验模型 |
| 1.2.4 DynaFET神经网络模型 |
| 1.2.5 ASM-HEMT物理模型 |
| 1.2.6 MVSG-CMC物理模型 |
| 1.3 主要内容与章节安排 |
| 2 小信号等效电路参数提取 |
| 2.1 引言 |
| 2.2 HEMT器件小信号等效模型 |
| 2.3 去嵌与嵌入技术 |
| 2.3.1 去嵌技术 |
| 2.3.2 嵌入技术 |
| 2.4 本征参数提取 |
| 2.5 优化法提取寄生参数 |
| 2.5.1 利用结构件提取寄生电容电感初值 |
| 2.5.2 利用零偏置S参数提取寄生电阻初值 |
| 2.5.3 基于人工蜂群算法的HEMT小信号参数提取 |
| 2.5.4 小信号参数提取误差分析和建模结果 |
| 2.5.5 寄生参数温度相关性建模 |
| 2.6 本章小节 |
| 3 基于降维技术的氮化镓器件大信号经验模型 |
| 3.1 引言 |
| 3.2 氮化镓器件自热和陷阱效应物理机理 |
| 3.2.1 二维电子气的形成 |
| 3.2.2 自热效应 |
| 3.2.3 陷阱效应 |
| 3.3 HEMT大信号经验模型概要 |
| 3.4 多变量泰勒展开理论 |
| 3.4.1 单变量方程的泰勒展开理论 |
| 3.4.2 双变量方程的泰勒展开理论 |
| 3.4.3 多变量方程的泰勒展开理论 |
| 3.5 基于部分维度泰勒展开的降维理论 |
| 3.6 能讯1.05毫米栅宽氮化镓晶体管大信号模型案 |
| 3.6.1 电流源的栅极、漏极陷阱和自热效应建模 |
| 3.6.2 热电阻提取流程 |
| 3.6.3 不同温度和陷阱状态下的脉冲Ⅰ-Ⅴ模型验证 |
| 3.6.4 非线性电容的建模 |
| 3.6.5 大信号模型验证 |
| 3.7 能讯0.8毫米栅宽氮化镓晶体管大信号模型案例 |
| 3.7.1 电流源的漏极陷阱和自热效应建模 |
| 3.7.2 不同温度和陷阱状态下的脉冲Ⅰ-Ⅴ模型验证 |
| 3.7.3 非线性电容和栅极二极管建模 |
| 3.7.4 大信号模型验证 |
| 3.8 能讯0.7毫米栅宽氮化镓晶体管大信号模型案例 |
| 3.8.1 电流源的漏极陷阱和温度效应建模 |
| 3.8.2 不同温度和陷阱状态下的Ⅰ-Ⅴ模型验证 |
| 3.9 爱立信LDMOS电流源模型案例 |
| 3.10 超定线性方程求解 |
| 3.10.1 超定方程代数解法 |
| 3.10.2 超定方程的矩阵解法 |
| 3.11 本章小节 |
| 4 基于全连接神经网络技术的氮化镓器件大信号模型 |
| 4.1 引言 |
| 4.2 神经网络原理及训练介绍 |
| 4.2.1 神经网络的原理 |
| 4.2.2 神经网络的误差传播 |
| 4.2.3 神经网络优化算法介绍 |
| 4.3 基于全连接前馈神经网络的氮化镓晶体管模型 |
| 4.3.1 电流源神经网络模型 |
| 4.3.2 电荷源神经网络模型 |
| 4.3.3 大信号模型验证 |
| 4.4 大信号子电路分析 |
| 4.4.1 平均电压子电路 |
| 4.4.2 栅极陷阱包络子电路 |
| 4.4.3 漏极陷阱包络子电路 |
| 4.4.4 热子电路 |
| 4.5 本章小结 |
| 5 基于降维神经神网络的半导体器件模型 |
| 5.1 引言 |
| 5.2 降维神经网络理论 |
| 5.3 基于降维神经网络的氮化镓晶体管电流源模型 |
| 5.3.1 氮化镓晶体管电流源的降维神经网络架构 |
| 5.3.2 氮化镓晶体管电流源的降维神经网络训练 |
| 5.3.3 基于降维神经网络氮化镓晶体管电流源模型验证 |
| 5.3.4 全连接神经网络和降维神经网络对比 |
| 5.4 基于降维神经网络的LDMOS场效应管电流源模型 |
| 5.4.1 LDMOS场效应管电流源的降维神经网络架构 |
| 5.4.2 LDMOS场效应管电流源的降维神经网络训练 |
| 5.4.3 基于降维神经网络LDMOS场效应管电流源模型验证 |
| 5.5 本章小节 |
| 6 结束语 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）微波毫米波GaN HEMT大信号模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 GAN HEMT国内外研究现状 |
| 1.2.1 器件方面 |
| 1.2.2 模型方面 |
| 1.3 本论文的研究内容和结构安排 |
| 第二章 GAN HEMT基本理论及模型概述 |
| 2.1 引言 |
| 2.2 GAN材料特性 |
| 2.3 GAN HEMT工作原理 |
| 2.3.1 器件结构 |
| 2.3.2 工作原理 |
| 2.4 GAN HEMT色散特性 |
| 2.4.1 自热效应 |
| 2.4.2 陷阱效应 |
| 2.5 GAN HEMT模型基础 |
| 2.5.1 模型分类及建模方法 |
| 2.5.2 模型准确性 |
| 2.6 本章小结 |
| 第三章 微波毫米波GAN HEMT小信号模型研究 |
| 3.1 引言 |
| 3.2 改进的小信号等效电路模型拓扑 |
| 3.3 参数提取 |
| 3.3.1 小信号测量与去嵌 |
| 3.3.2 寄生参数提取 |
| 3.3.3 本征参数提取 |
| 3.3.4 模型优化 |
| 3.4 模型验证 |
| 3.4.1 提取的初值验证 |
| 3.4.2 优化后验证 |
| 3.5 本章小结 |
| 第四章 微波毫米波GAN HEMT大信号模型研究 |
| 4.1 引言 |
| 4.2 GAN HEMT热传递理论 |
| 4.3 基于非线性热子电路的GAN HEMT大信号模型研究 |
| 4.3.1 模型拓扑及建模流程 |
| 4.3.2 改进的漏源电流Ids模型 |
| 4.3.3 自热效应研究 |
| 4.3.4 陷阱效应研究 |
| 4.3.5 改进的非线性栅电容模型 |
| 4.3.6 非线性栅电流模型 |
| 4.4 大信号模型分析与验证 |
| 4.4.1 模型在仿真软件的嵌入 |
| 4.4.2 毫米波GaN HEMT大信号模型分析与验证 |
| 4.4.3 微波场板GaN HEMT大信号模型分析与验证 |
| 4.5 高低温GAN HEMT电热大信号模型研究 |
| 4.5.1 高低温GaN HEMT大信号模型拓扑及建模流程 |
| 4.5.2 温度依赖的非线性漏源电流Ids模型 |
| 4.5.3 高低温热仿真分析 |
| 4.5.4 非线性栅电容模型 |
| 4.6 高低温GAN HEMT电热大信号模型验证 |
| 4.6.1 大信号模型的小信号验证 |
| 4.6.2 大信号特性验证 |
| 4.7 本章小结 |
| 第五章 GAN HEMT大信号缩放模型研究 |
| 5.1 引言 |
| 5.2 缩放模型的建模方法 |
| 5.3 基于GAN HEMT器件尺寸的热子电路 |
| 5.4 大信号模型缩放规则 |
| 5.5 大信号缩放模型的在片测试验证 |
| 5.5.1 直流特性验证 |
| 5.5.2 小信号特性验证 |
| 5.5.3 大信号负载牵引结果验证 |
| 5.6 大信号缩放模型在功放电路中验证 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（5）基于自放电技术的电动车用锂动力电池SOC预测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| English Catalog |
| 1 绪论 |
| 1.1 课题的来源及意义 |
| 1.2 锂动力电池研究进展 |
| 1.2.1 电池等效电路模型研究进展 |
| 1.2.2 锂动力电池分类方法研究进展 |
| 1.3 动力电池性能测试与预估研究现状 |
| 1.3.1 锂动力电池内阻国内外研究现状 |
| 1.3.2 电池SOC估算国内外研究现状 |
| 1.3.3 自放电率测量国内外现状 |
| 1.4 本文主要研究内容 |
| 2 锂动力电池性能测试与状态预测研究 |
| 2.1 实验条件及方案 |
| 2.1.1 实验设备 |
| 2.1.2 实验方案设计 |
| 2.2 锂动力电池性能测试与实验分析 |
| 2.2.1 开路电压与SOC关系实验 |
| 2.2.2 电池劣化程度实验 |
| 2.2.3 温度影响实验 |
| 2.2.4 自放电电流测量实验 |
| 2.2.5 倍率放电实验 |
| 2.2.6 直流内阻测量实验 |
| 2.3 锂动力电池数学模型 |
| 2.3.1 内阻模型 |
| 2.3.2 锂动力电池阻抗模型 |
| 2.3.3 复合的电化学模型 |
| 2.4 本章小结 |
| 3 基于模型修正的锂动力电池SOC估算 |
| 3.1 锂动力电池数学模型 |
| 3.1.1 安时法修正方案 |
| 3.1.2 等效电路模型状态空间方程 |
| 3.2 基于扩展卡尔曼滤波的锂动力电池模型观测器 |
| 3.3 基于EKF的电池SOC估算实验 |
| 3.3.1 模拟工况实验 |
| 3.3.2 电池搁置实验 |
| 3.4 电池SOC估算模型修正 |
| 3.4.1 自放电电流修正模型 |
| 3.4.2 温度修正模型 |
| 3.4.3 劣化程度修正模型 |
| 3.5 基于模型修正的扩展卡尔曼滤波SOC估算 |
| 3.5.1 基于模型修正的扩展卡尔曼滤波SOC估算 |
| 3.5.2 实验验证 |
| 3.6 本章小结 |
| 4 基于SCKF-STF算法的锂动力电池SOC估算 |
| 4.1 强跟踪滤波理论 |
| 4.1.1 强跟踪滤波的引入 |
| 4.1.2 正交性原理 |
| 4.1.3 次优渐消因子的确定 |
| 4.2 强跟踪SCKF算法 |
| 4.2.1 容积卡尔曼滤波算法 |
| 4.2.2 SCKF-STF算法 |
| 4.3 基于SCKF-STF的锂动力电池SOC估算 |
| 4.4 仿真结果与实验分析 |
| 4.4.1 常温下SOC估算实验 |
| 4.4.2 低温下SOC估算实验 |
| 4.5 本章小结 |
| 5 锂离子动力电池组SOC估算 |
| 5.1 锂动力电池成组技术 |
| 5.1.1 锂动力电池组可靠性分析 |
| 5.1.2 电池成组技术分析 |
| 5.2 基于FCM聚类支持向量机的电池分类方法 |
| 5.2.1 分类支持向量机 |
| 5.2.2 模糊C均值聚类 |
| 5.2.3 电池分类模型建立 |
| 5.2.4 分类实验验证 |
| 5.3 锂动力电池组合模型 |
| 5.3.1 基本电池单元性能测试 |
| 5.3.2 基本电池单元模型状态空间方程 |
| 5.4 锂动力电池组SOC估算 |
| 5.4.1 基本电池单元SOC估算 |
| 5.4.2 实验验证 |
| 5.5 本章小结 |
| 6 锂动力电池管理系统 |
| 6.1 电池管理系统结构设计 |
| 6.1.1 电池管理系统设计要求 |
| 6.1.2 总体结构设计 |
| 6.2 电池管理系统硬件设计 |
| 6.3 电池管理系统软件设计 |
| 6.3.1 BECU模块的软件设计 |
| 6.3.2 BMU模块软件设计 |
| 6.4 BMS工程应用 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（6）用改进的差分进化算法提取HEMT小信号模型的参数（论文提纲范文）
| 1 小信号等效电路模型 |
| 2 改进的差分进化算法的 |
| 3 小信号参数提取 |
| 4 算法验证与结果 |
| 5 结论 |
（7）基于优化算法的半导体器件参数提取和S参数的自动化测试（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.3 优化算法的研究意义 |
| 1.4 论文的主要工作和组织结构 |
| 第二章 优化算法综述 |
| 2.1 遗传算法 |
| 2.1.1 遗传算法的基本理论 |
| 2.1.2 遗传算法的特点 |
| 2.2 模拟退火算法 |
| 2.2.1 模拟退火算法的基本理论 |
| 2.2.2 模拟退火算法的特点 |
| 2.3 粒子群优化算法 |
| 2.3.1 粒子群优化算法的基本理论 |
| 2.3.2 粒子群优化算法的特点 |
| 2.4 差分进化算法 |
| 2.4.1 差分进化算法的基本理论 |
| 2.4.2 差分进化算法的特点 |
| 2.5 差分进化算法的改进 |
| 2.5.1 改进算法的策略 |
| 2.5.2 改进差分进化算法的效果测试 |
| 2.6 本章小结 |
| 第三章 基于优化算法的半导体器件参数提取 |
| 3.1 HEMT器件 |
| 3.1.1 HMET器件简介 |
| 3.1.2 HEMT器件的基本结构 |
| 3.1.3 HEMT的工作原理 |
| 3.2 HEMT器件小信号模型 |
| 3.3 基于仿真数据的参数提取 |
| 3.4 基于实验数据的参数提取 |
| 3.5 本章小结 |
| 第四章 S参数自动化测试的实现 |
| 4.1 硬件平台搭建 |
| 4.2 软件平台搭建 |
| 4.2.1 软件流程 |
| 4.2.2 程序设计 |
| 4.2.3 程序实现 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 附录 |
| 攻读硕士期间发表论文 |
| 参考文献 |
| 致谢 |
（8）AlGaN/GaNHEMT模型研究及MMIC功率放大器设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| §1-1 研究背景 |
| 1-1-1 GaN 材料的兴起 |
| 1-1-2 GaN 基电子器件 |
| 1-1-3 AlGaN/GaN HEMT |
| 1-1-4 器件模型 |
| 1-1-5 需要解决的问题 |
| §1-2 微波单片集成电路 |
| 1-2-1 微波单片集成电路 MMIC |
| 1-2-2 功率放大器 |
| 1-2-3 国内外研究动态 |
| 1-2-4 MMIC 的应用 |
| §1-3 本论文主要研究内容 |
| 第二章 AlGaN/GaN HEMT 的基本理论 |
| §2-1 GaN 材料的晶体结构 |
| §2-2 GaN 材料的制备 |
| 2-2-1 异质外延衬底的选择 |
| 2-2-2 缓冲层 |
| 2-2-3 异质外延材料的生长技术 |
| §2-3 AlGaN/GaN HEMT 的工作原理 |
| 2-3-1 AlGaN/GaN 异质结极化效应 |
| 2-3-2 AlGaN/GaN 异质结2DEG |
| 2-3-3 器件结构 |
| 2-3-4 极化电荷 |
| 2-3-5 阈值电压 |
| 2-3-6 跨导 |
| §2-4 自热效应 |
| 2-4-1 器件模型 |
| 2-4-2 和温度相关的参数计算 |
| 2-4-3 电流-电压特性 |
| 2-4-4 结果与分析 |
| §2-5 小结 |
| 第三章 MMIC元器件模型 |
| §3-1 有源器件模型 |
| 3-1-1 GaN HEMT 器件参数 |
| 3-1-2 GaN 有源器件建模系统 |
| §3-2 小信号模型参数的提取和应用 |
| 3-2-1 小信号等效电路模型 |
| 3-2-2 寄生参量提取方法 |
| 3-2-3 本征参量提取方法 |
| §3-3 大信号模型 |
| 3-3-1 EEHEMT1 模型 |
| 3-3-2 大信号I-V 特性模型 |
| 3-3-3 栅电容模型 |
| §3-4 窄脉冲测试提取非线性模型 |
| 3-4-1 非线性模型提取步骤 |
| 3-4-2 提取的非线性模型结果 |
| 3-4-3 模型结果验证 |
| §3-5 无源器件模型 |
| 3-5-1 MIM 电容 |
| 3-5-2 平面电阻 |
| 3-5-3 通孔 |
| §3-6 小节 |
| 第四章 功率放大器设计原理 |
| §4-1 MMIC 功率放大器主要技术指标 |
| 4-1-1 工作频带和增益带宽积 |
| 4-1-2 增益和增益平坦度 |
| 4-1-3 输出功率和动态范围 |
| 4-1-4 端口驻波比和反射损耗 |
| 4-1-5 交调失真 |
| 4-1-6 工作频率 |
| §4-2 MMIC 功率放大器的基本原理 |
| 4-2-1 放大器的工作状态 |
| 4-2-2 阻抗匹配 |
| 4-2-3 获得最佳阻抗方法 |
| 4-2-4 稳定性 |
| 4-2-5 可靠性 |
| §4-3 功率放大器的设计方法 |
| 4-3-1 分布式放大器原理 |
| 4-3-2 有耗匹配式放大器结构 |
| §4-4 小节 |
| 第五章 GaN MMIC功率放大器设计 |
| §5-1 设计流程 |
| §5-2 功率放大器设计 |
| 5-2-1 GaN HEMT元件模型 |
| 5-2-2 拓扑结构 |
| 5-2-3 匹配网络设计 |
| 5-2-4 匹配网络的类型 |
| 5-2-5 计算最佳阻抗 |
| 5-2-6 优化仿真 |
| §5-3 GaN MMIC的制备与测试分析 |
| 5-3-1 GaN HEMT外延材料 |
| 5-3-2 器件结构设计与研制 |
| 5-3-3 GaN MMIC的研制 |
| 5-3-4 测试分析 |
| §5-4 小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的相关科研成果 |
（10）HBT模型参数提取方法及InP基单片集成器件的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 HBT发展概况 |
| 1.2 HBT建模方法简介 |
| 1.3 单片OEIC光接收机的发展现状 |
| 1.4 InP基PIN+HBT单片集成光接收前端的研究意义 |
| 1.5 论文结构安排 |
| 参考文献 |
| 第二章 HBT器件概述 |
| 2.1 HBT与BJT的比较 |
| 2.2 HBT与FET的比较 |
| 2.3 HBT的电流构成 |
| 2.4 HBT器件的常用材料体系 |
| 2.5 HBT器件的主要电学参数 |
| 2.6 HBT的优越性总结 |
| 参考文献 |
| 第三章 HBT器件的电学参数分析 |
| 3.1 半导体材料物理基础 |
| 3.2 InGaAs与InP材料的迁移率随掺杂浓度的变化关系 |
| 3.3 HBT相关电学参数的理论计算 |
| 3.4 HBT的频率性能分析 |
| 3.4.1 结构参量对HBT频率性能的影响 |
| 3.4.2 偏置电压对HBT频率性能的影响 |
| 3.4.3 掺杂浓度对HBT频率性能的影响 |
| 3.5 HBT的优化设计 |
| 参考文献 |
| 第四章 HBT器件的制备与测试 |
| 4.1 InP基HBT的制备 |
| 4.1.1 版图设计 |
| 4.1.2 外延结构 |
| 4.1.3 采用堆叠型外延片制备的HBT |
| 4.1.4 共享型外延片结构 |
| 4.2 InP基HBT的实验制备工艺流程 |
| 4.3 制备工艺研究及难点 |
| 4.3.1 欧姆接触 |
| 4.3.2 金属电极的剥离 |
| 4.3.3 选择性腐蚀液的研究 |
| 4.3.4 聚酰亚胺平坦化工艺 |
| 4.4 分立HBT的测试 |
| 4.4.1 直流特性测试 |
| 4.4.2 高频特性测试 |
| 第五章 HBT小信号模型的研究与参数提取 |
| 5.1 小信号模型简述 |
| 5.2 模型参数的提取 |
| 5.2.1 寄生电阻、电感的提取 |
| 5.2.2 寄生电容的提取 |
| 5.2.3 寄生效应的去除 |
| 5.2.4 本征参数的提取 |
| 5.2.5 模型参数的优化与结果 |
| 参考文献 |
| 第六章 HBT大信号模型的研究与参数提取 |
| 6.1 大信号模型简述 |
| 6.2 GP大信号模型的参数与特性方程 |
| 6.3 模型参数的提取 |
| 6.3.1 C-V参数的提取 |
| 6.3.2 电阻的提取 |
| 6.3.3 Early电压的提取 |
| 6.3.4 正向输出参数的提取 |
| 6.3.5 反向输出参数的提取 |
| 6.3.6 交流S参数的解寄生技术 |
| 6.3.7 输入阻抗参数的提取 |
| 6.3.8 传输时延参数的提取 |
| 6.4 提取结果 |
| 参考文献 |
| 第七章 单片集成光接收前端电路的分析与设计 |
| 7.1 单片集成光接收前端的设计要求 |
| 7.2 晶体管放大电路的三种组态 |
| 7.3 放大电路的负反馈形式 |
| 7.4 单片集成光接收前端电路的设计 |
| 7.4.1 单级共射放大电路 |
| 7.4.2 单级共射加输出缓冲放大电路 |
| 7.4.3 跨阻负反馈单级共射放大电路 |
| 7.4.4 共基共射负反馈二级放大电路 |
| 7.4.5 共基共射负反馈双输出缓冲放大电路 |
| 参考文献 |
| 第八章 单片集成光接收前端的制备与测试 |
| 8.1 PIN+HBT单片集成光接收前端的外延结构 |
| 8.2 PIN+HBT单片集成光接收前端的版图 |
| 8.3 PIN+HBT单片集成光接收前端的制备与测试 |
| 8.4 单片集成光接收前端的制备步骤 |
| 附录1 常用半导体材料参数 |
| 附录2 散射参数与其它参数之间的转化 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
四、用模拟退火算法从S参数提取HFET小信号等效电路模型参数（论文参考文献）
- [1]硅基CMOS工艺微波MOSFET器件建模及参数提取技术研究[D]. 曹阳. 天津大学, 2020(01)
- [2]微波GaN HEMT功率器件物理基大信号模型研究[D]. 蔡抒言. 电子科技大学, 2020(07)
- [3]射频和微波高功率氮化镓基晶体管集约建模研究[D]. 黄安东. 南京理工大学, 2019(06)
- [4]微波毫米波GaN HEMT大信号模型研究[D]. 汪昌思. 电子科技大学, 2016(02)
- [5]基于自放电技术的电动车用锂动力电池SOC预测算法研究[D]. 于智龙. 东北林业大学, 2013(02)
- [6]用改进的差分进化算法提取HEMT小信号模型的参数[J]. 陈雪成,周爱民,高建军. 电子器件, 2013(03)
- [7]基于优化算法的半导体器件参数提取和S参数的自动化测试[D]. 陈雪成. 华东师范大学, 2013(S2)
- [8]AlGaN/GaNHEMT模型研究及MMIC功率放大器设计[D]. 姜霞. 河北工业大学, 2011(04)
- [9]基于遗传算法的场效应管模型参数的提取[J]. 解兰,於洪标. 微波学报, 2008(S1)
- [10]HBT模型参数提取方法及InP基单片集成器件的研究[D]. 吴强. 北京邮电大学, 2008(11)