声明
摘要
1绪论
1．1课题背景和研究意义
1．2国内外研究现状
1．2．1Root查找表模型
1．2．2Angelov经验模型
1．2．3EEHEMT经验模型
1．2．4DynaFET神经网络模型
1．2．5ASM-HEMT物理模型
1．2．6MVSG-CMC物理模型
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
5．4．1LDMOS场效应管电流源的降维神经网络架构
5．4．2LDMOS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
南京理工大学;
