(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110962245.2 (22)申请日 2021.08.20 (65)同一申请的已公布的文献号 申请公布号 CN 113868937 A (43)申请公布日 2021.12.31 (73)专利权人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 李尔平　杨思晨　周杰峰　吴承翰　 (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 林超 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/3308(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)(56)对比文件 CN 111880003 A,2020.1 1.03 WO 201401 1510 A2,2014.01.16 US 8533136 B1,2013.09.10 H.Wang et al. .Thin Layer SOI-FETs Used for Stres s-Sensing and Its Application in Accelerometers. 《IE EE》 .2013,476 -479. 莘海维.不同设计参数对SOI 射频开关谐波 性能影响的分析研究. 《集成电路应用》 .2018, 25-28. B.K.Esfeh et al. .A SPDT RF sw itch small- and large-signal c haracteristics on TR-HR SOI substrates. 《IE EE》 .2017,1- 3. G.Gildenblat et al. .“PSP: An Advanced Surface-Potential-Based MOSFET Model for Circuit Simulati on. 《IEEE》 .2006,1979-19 93. 审查员 程顺超 (54)发明名称 基于动态空间映射的硅场效应管射频开关 谐波预测方法 (57)摘要 本发明公开了一种基于动态空间映射的硅 场效应管射频开关谐波预测方法。 建立射频开关 的非线性电容等效电路作为粗模 型； 谐波平衡仿 真获得输入信号及其输出信号， 建立时域动态神 经网络， 用谐波平衡仿真获得的信号训练获得预 测网络； 通过实际测试输入信号及其输出信号， 利用预测网络建立细模型， 利用实际测试得到的 信号训练， 用训练后的细模型实现谐波预测。 本 发明方法结合了精细模型精度高和粗模型速度 快的优点， 预测静态神经空间映射中缺失的任何 电容效应和非准静态效应， 较等效电路模型能够 准确预测谐波。 权利要求书3页 说明书6页 附图3页 CN 113868937 B 2022.08.23 CN 113868937 B 1.一种基于动态空间映射的硅场效应管射频开关谐波预测方法， 其特 征在于： 过程一、 针对绝缘体上硅场效应晶体管射频开关的非线性特性， 建立一个射频开关的 非线性电容 等效电路， 作为 粗模型； 过程二、 对粗模型进行谐波平衡仿真获得粗模型的输入信号及其对应的输出信号， 建 立粗模型的输入信号与输出信号之 间关系的时域动态神经网络， 用谐波平衡仿 真获得的粗 模型的输入信号及其对应的输出信号训练时域动态神经网络获得 预测网络； 过程三、 通过实际测试得到绝缘体上硅场效应晶体管射频开关的输入信号及其对应的 输出信号， 利用预测网络进一步建立细模型， 利用实际测试得到的绝缘体上硅场效应晶体 管射频开关的输入信号与输出信号对细模型进行训练， 利用训练后的细 模型对待测绝缘体 上硅场效应晶体管射频开关的输入信号进行处 理获得对应输出信号， 实现谐波预测； 所述过程 一， 具体为： 分析绝缘体上硅场效应晶体管射频开关的非线性特性， 在电磁仿真软件中建立了混合 等效电路模型， 然后对混合等效电路模型通过交流仿真得到硅场效应管的三种内部连接的 电压差和电流关系； 将每种内部连接均视为一个非线性电容， 均通过以下公式计算得到每种内部连接的随 两端电压差离散变化的非线性电容的电容值， 然后 将硅场效应管各种内部连接的离散电压 差和电流关系均转换为离 散电压差‑电容关系： CNon＝‑1/(2 π f*Im(Vin/I)) 其中， CNon表示非线性电容的电容值， Vin为交流仿真时的极间电压， I为交流仿真时的极 间电流， f为交流仿真时的工作频率， Im()表示取虚部； 根据非线性电容的离散电压差 ‑电容关系代入以下公式的电容与电压差函数关系表达 式拟合得到公式 中的参数C0、 a、 b、 C1， 进而获得非线性电容的连续电压 差‑电容关系： CNon＝C0tanh(aVg+b)+C1 其中， Vg为交流仿真时的直流电源电压Vg电压差， C0、 C1分别表示第一电容参数、 第二电 容参数， a、 b分别表示第一系数参数、 第二系数参数； 利用非线性电容的连续电压差 ‑电容关系设置到混合等效电路模型上构建非线性电容 等效电路， 作为 粗模型。 2.根据权利要求1所述的一种基于动态空间映射的硅场效应管射频开关谐波预测方 法， 其特征在于： 所述的非线性电容等效电路包括了多个硅场效应管， 多个硅场效应管依次 串联， 相邻两个硅场效应管之间以漏极和源极相连接， 第一个硅场效应管 的漏极经一个电 阻和交流电源P的一端 连接， 交流电源P的另一端接地， 最后一个硅场效应管的源极接地； 每 个硅场效应管的栅极经各自的一个电阻连接到电源电压Vg的正极， 电源电压Vg的负极接 地； 所有硅场效应管以相邻两个硅场效应管为一组， 进而分为多组硅场效应管组， 每组硅 场效应管中的两个硅场效应管的衬底端均经各自的一个非线性盒电容连接到第一个电阻 电容组件的两端， 同时另外两个电阻电容组件串联后并联到第一个电阻电容组件的两端， 每个电阻电容组件均由一个电阻和一个电容并联构成； 所述的非线性电容等效电路的交流 电源P的另一端引出作为输入端， 最后一个硅场效应管的源极引出作为输出端。 3.根据权利要求1所述的一种基于动态空间映射的硅场效应管射频开关谐波预测方权　利　要　求　书 1/3 页 2 CN 113868937 B 2法， 其特征在于： 所述的非线性电容等效电路中， 将 每个硅场效应管视为三个非线性盒电容 的组合， 每个硅场效应管分为栅极侧、 漏极侧、 源极侧和 衬底侧的四条子路， 四条子路的一 端连接到一起， 四条子路的另一端引出分别作为栅极、 漏极、 源极和 衬底端， 栅极所在子路 不设有非线性盒电容和电源电压， 漏极、 源极和衬底端所在子路均由一个非线性盒电容构 成。 4.根据权利要求1所述的一种基于动态空间映射的硅场效应管射频开关谐波预测方 法， 其特征在于： 所述过程二， 具体为： 确定基波频率在0.85GHz至1GHz， 步长为0.1GHz， 输入 功率为‑10dBm到50dBm， 步长为0.1dBm， 进行三阶谐波平衡仿真， 得到输入信 号和输出信 号 的三阶以内频谱 大小数据； 再通过逆傅里叶变换得到时域上的波 形数据， 时间步长1000点， 时间范围为0～2e‑12秒， 每一个基波频率的每一个输入功率点得到的时域波形数据成为一 条数据并保存， 将所有条数据构成作为时域动态神经网络的训练数据集； 创建时域动态神 经网络， 将训练数据集输入到时域动态神经网络进行训练， 获得训练后的时域动态神经网 络作为预测网络 。 5.根据权利要求1所述的一种基于动态空间映射的硅场效应管射频开关谐波预测方 法， 其特征在于： 所述的时域动态神经网络采用LSTM神经网络模型。 6.根据权利要求1所述的一种基于动态空间映射的硅场效应管射频开关谐波预测方 法， 其特征在于： 所述过程 三， 具体为： 3.1)创建另外两个结构相同且初始权重相同的时域动态神经网络， 分别为动态输入映 射网络和动态输出映射网络， 将动态输入映射网络、 预测网络和动态输出映射网络依 次级 联形成动态空间映射神经网络， 作为细模型； 以动态输入映射网络的输入作为细模型 的输 入信号， 动态输入映射网络的输出作为预测网络的输入， 预测网络的输出作为动态输出映 射网络的输入， 动态输出映射网络的输出作为细模型的输出信号； 3.2)将实际测试得到的绝缘体上硅场效应晶体管射频开关的输入信号作为细模型的 输入信号， 将实际测试得到的绝缘体上硅场效应晶体管射频开关的输出信号作为细模型的 输出信号， 输入到动态空间映射神经网络中进行训练： 3.3)利用训练后的动态空间映射神经网络对待测绝缘体上硅场效应晶体管射频开关 的输入信号进行处 理获得对应输出信号， 实现谐波预测。 7.根据权利要求6所述的一种基于动态空间映射的硅场效应管射频开关谐波预测方 法， 其特征在于： 所述3.2)具体为： 3.2.1)将动态空间映射神经网络联结好后， 输入实际测试得到的绝缘体上硅场效应晶 体管射频开关的一条时域输入数据到动态空间映射神经网络， 将整个动态空间映射神经网 络的输出与对应时域输入数据的实际输出数据进行比较， 得到均方误差； 利用均方误差通 过反向传播的梯度下降法， 找到使整个动态空间映射神经网络 向最优解靠近的那个方向， 从而改变权 重， 使得整个动态空间映射神经网络的输出 结果更接 近精确输出 结果； 3.2.2)针对每一条细模型