(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211000102.4 (22)申请日 2022.08.19 (71)申请人 上海大学 地址 200444 上海市宝山区上 大路99号 (72)发明人 王陈　余文君　于瀛洁　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 郑海峰 (51)Int.Cl. G01B 11/06(2006.01) G01B 11/24(2006.01) G06F 17/10(2006.01) G06F 17/18(2006.01) G06F 30/20(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于线性回归模型的微结构台阶高度 表征方法 (57)摘要 本发明公开了一种基于线性回归模型的微 结构台阶高度表征方法， 属于微纳米计量领域。 首先生成一系列微结构仿真台阶， 获取仿真台阶 表面各个点的高度值并计算仿真台阶的高度真 值， 生成预训练样本数据集， 对线性回归模型进 行预训练。 再针对一批待测微结构样本， 取样并 测量微结构样本的台阶表面类型以及台阶高度 范围， 进而生成一系 列相同台阶表 面类型的微结 构仿真台阶， 生成二次训练样本数据集， 对预训 练的线性回归模 型进行二次训练， 利用二次训练 后的线性回归模型对其余待测微结构样本进行 台阶高度测量。 本发明可以对微结构的台阶高度 进行快速、 精确地计算， 对提高高端芯片等半导 体元器件精密制造过程中的检测效率有重要意 义。 权利要求书2页 说明书7页 附图3页 CN 115435697 A 2022.12.06 CN 115435697 A 1.一种基于线性回归 模型的微结构台阶高度表征 方法， 其特 征在于， 包括以下步骤： 1)生成一系列微结构仿真台阶， 获取仿真台阶表面各个点的高度值并计算仿真台阶的 高度真值， 生成预训练样本数据集； 2)建立线性回归模型， 利用预训练样本数据集对线性回归模型进行拟合， 得到预训练 的线性回归 模型； 3)针对一批待测微结构样本， 取样并采用光学轮廓仪对部分微结构样本的台阶高度进 行实际测量并计算台阶高度真值， 根据实测结果得到微结构样本的台阶表面类型以及台阶 高度范围； 4)根据待测微结构样本的台阶表面类型以及台阶高度范围， 生成一系列相同台阶表面 类型的微结构仿真台阶， 获取仿真台阶表面各个点的高度值并计算仿真台阶的高度真值， 生成二次训练样本数据集； 所述的二次训练样本数据集中的高度真值处于所述台阶高度范 围内； 5)利用二 次训练样本数据集对预训练的线性 回归模型进行二次训练， 利用二次训练后 的线性回归 模型对其 余待测微结构样本进行台阶高度测量。 2.根据权利要求1所述的一种基于线性回归模型的微结构台阶高度表征方法， 其特征 在于， 所述的预训练样本数据集表示 为： F0＝{(x(1),y(1)),(x(2),y(2)),...,(x(i),y(i)),...,(x(m)， y(m))} 其中， F0表示预训练样本数据集， (x(i),y(i))表示预训练样本数据集中的第i个仿真台阶 样本， x(i)表示第i个仿真台阶样本表面各个点的高度值向量， 表示第i个仿真台阶样本 表面第j个点的高度值， y(i)表示第i个仿真台阶的高度真值， m表示预训练样本数据集中的 仿真台阶样本的数量， n表示每一个台阶表面的测量 点数量， 上角标T表示 转置。 3.根据权利要求2所述的一种基于线性回归模型的微结构台阶高度表征方法， 其特征 在于， 所述的仿真台阶的高度真值采用ISO算法计算得到 。 4.根据权利要求2所述的一种基于线性回归模型的微结构台阶高度表征方法， 其特征 在于， 所述的线性回归 模型包括线性拟合 函数和误差函数， 表示 为： 其中， hθ(.)表示拟合结果， θn表示预训练的线性回归模型中第n个拟合参数， J(.)表示 误差值； 根据线性拟合 函数和误差函数计算预训练模型参数， 表示 为： ( θ0， θ1， ...， θn)＝((XTX)‑1XTy) X＝(x(1)， x(2)， ...， x(i)， ...， x(m)) y＝(y(1)， y(2)， ...， y(i)， ...， y(m)) 其中， X表示仿真台阶样本的高度值向量 集合， y表示仿真台阶样本的高度真值 集合。权　利　要　求　书 1/2 页 2 CN 115435697 A 25.根据权利要求1所述的一种基于线性回归模型的微结构台阶高度表征方法， 其特征 在于， 所述的台阶表面类型包括 正弦型台阶表面和矩形台阶表面。 6.根据权利要求2所述的一种基于线性回归模型的微结构台阶高度表征方法， 其特征 在于， 步骤5)所述的利用二次训练后的线性回归模型对其余待测微结构样 本进行台阶高度 测量， 具体为： 采用光学轮廓仪对其余待测微结构样本的台阶高度进行实际测量， 获得每一个样本的 台阶表面 n个点的高度值， 得到每一个样本对应的待测试高度值向量xtest： xtest＝(x1， x2， ...， xj， ...， xn) 将待测试高度值向量x代入二次训练后的线性回归模型， 计算得到台阶高度预测值 ypredict： 其中， xj表示待测微结构样本表面第j个点的高度值， 表示二次训练后的线性回归模 型中第j个拟合 参数。 7.根据权利要求1所述的一种基于线性回归模型的微结构台阶高度表征方法， 其特征 在于， 采用光学轮廓仪对步骤3)所述的一批待测微结构样本进行实际测量时， 保持测量参 数不变。权　利　要　求　书 2/2 页 3 CN 115435697 A 3