【技術實現步驟摘要】
本專利技術屬于mom電容建模仿真，具體地說是一種基于卷積神經網絡的mom電容建模方法。
技術介紹
1、隨著射頻、微波集成電路技術的不斷發展，新工藝、新材料的電子器件不斷涌現。mom（metal-oxide-metal）電容是集成電路設計中常用的一種無源元件，它由兩層金屬板和夾在中間的絕緣介質構成。mom電容因其具有低成本、高q值、集成度高的優點，被廣泛地運用于各種高精度、性能好的射頻、微波集成電路中。因此，建立能夠表征mom電容特性的模型對mom電容的仿真與實際應用都具有重要意義。
2、常規的mom電容模型往往建模周期和模型精度是相互矛盾的，建模精度較低，不能滿足器件的建模要求，如何縮短建模周期，提高mom電容模型的精度一直是目前射頻、微波領域研究的重點和熱點之一。
技術實現思路
1、本專利技術的目的，是要提供一種基于卷積神經網絡的mom電容建模方法，以縮短建模周期，提高mom電容模型對電容性能參數的預測精度。
2、本專利技術為實現上述目的，所采用的技術方法如下：
3、一種基于卷積神經網絡的mom電容建模方法，包括依次進行的以下步驟：
4、s1、通過電磁仿真軟件獲取多組mom電容的結構參數值和仿真頻率值，以及對應的性能參數值，作為樣本數據；
5、s2、對樣本數據進行歸一化處理，得到歸一化后的樣本數據；
6、s3、構建卷積神經網絡模型，卷積神經網絡模型包括依次連接的輸入層、卷積層、批歸一化層、激活函數層和全連接層
7、s4、將歸一化后樣本數據中的結構參數值和仿真頻率值作為卷積神經網絡模型的輸入，將歸一化后樣本數據中的性能參數值作為卷積神經網絡模型的輸出，對卷積神經網絡模型進行訓練，得到訓練好的卷積神經網絡模型；
8、s5、將待測mom電容的結構參數值和仿真頻率值進行歸一化后，輸入至訓練好的卷積神經網絡模型，輸出相應的歸一化后的性能參數值，再對歸一化后的性能參數值進行反歸一化，得到待測mom電容性能參數的預測值。
9、作為限定：mom電容的結構參數包括插指長度、插指寬度和插指間距，性能參數包括電容量和品質因數。
10、作為進一步限定：卷積神經網絡模型的輸入層的寬度和高度均設置為1，通道數設置為4個；卷積層的卷積核的個數設置為9個，卷積核的尺寸為1×1×4，padding=0，步長=1，卷積核的初始權重和偏置采用隨機生成的方式生成；批歸一化層的batch?size設置為128；激活函數層采用的激活函數為leaky?relu函數；全連接層的神經元個數為2個，全連接層作為卷積神經網絡模型輸出層。
11、作為再進一步限定：步驟s4中卷積神經網絡模型的訓練方法采用adam優化算法對卷積神經網絡模型進行迭代優化，得到訓練好的卷積神經網絡模型。
12、本專利技術由于采用了上述方案，與現有技術相比，所取得的有益效果是：
13、本專利技術提供的一種基于卷積神經網絡的mom電容建模方法，通過構建mom電容的卷積神經網絡模型，利用神經網絡的學習能力，對mom電容的結構參數和性能參數之間的關系進行學習，能夠快速預測出待測mom電容的性能參數，縮短了建模周期，并且通過大量樣本數據的訓練和學習，提高了mom電容模型對mom電容性能參數的預測精度；對樣本數據進行歸一化處理，能夠加快mom電容的卷積神經網絡模型的收斂速度，提高了卷積神經網絡模型的魯棒性，進一步提高了預測精度；通過在卷積神經網絡模型中加入批歸一化層，加快了卷積神經網絡模型的訓練和收斂速度，改善了梯度傳播，提高了模型的泛化能力，進一步提高了預測精度。
14、本專利技術適用于mom電容性能參數的預測。
本文檔來自技高網...【技術保護點】
1.一種基于卷積神經網絡的MOM電容建模方法，其特征在于，包括依次進行的以下步驟：
2.根據權利要求1所述的一種基于卷積神經網絡的MOM電容建模方法，其特征在于，MOM電容的結構參數包括插指長度、插指寬度和插指間距，性能參數包括電容量和品質因數。
3.根據權利要求2所述的一種基于卷積神經網絡的MOM電容建模方法，其特征在于，卷積神經網絡模型的輸入層的寬度和高度均設置為1，通道數設置為4個；卷積層的卷積核的個數設置為9個，卷積核的尺寸為1×1×4，padding=0，步長=1，卷積核的初始權重和偏置采用隨機生成的方式生成；批歸一化層的Batch?size設置為128；激活函數層采用的激活函數為Leaky?ReLU函數；全連接層的神經元個數為2個，全連接層作為卷積神經網絡模型輸出層。
4.根據權利要求1-3中任意一項所述的一種基于卷積神經網絡的MOM電容建模方法，其特征在于，步驟S4中卷積神經網絡模型的訓練方法采用Adam優化算法對卷積神經網絡模型進行迭代優化，得到訓練好的卷積神經網絡模型。
【技術特征摘要】
1.一種基于卷積神經網絡的mom電容建模方法，其特征在于，包括依次進行的以下步驟：
2.根據權利要求1所述的一種基于卷積神經網絡的mom電容建模方法，其特征在于，mom電容的結構參數包括插指長度、插指寬度和插指間距，性能參數包括電容量和品質因數。
3.根據權利要求2所述的一種基于卷積神經網絡的mom電容建模方法，其特征在于，卷積神經網絡模型的輸入層的寬度和高度均設置為1，通道數設置為4個；卷積層的卷積核的個數設置為9個，卷積核的尺寸為1×1...
【專利技術屬性】
技術研發人員：林杰，王紹權，徐永祥，劉世康，趙子星，王熠宏，張佑虎，陳嘉杰，嚴曉虎，李偉功，
申請(專利權)人：三微電子科技蘇州有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。