论文部分内容阅读
功率放大器广泛应用于通信系统,其最核心的部分是功率晶体管。由于GaN高电子迁移率晶体管(HEMT)的高击穿电压和高频性能,成为无线基站及军事应用中功率放大器具有潜力的器件。因为GaN基器件的研究历史比较短,在微波领域有着强大应用潜力的GaNHEMT的大小信号建模研究成果相对较少,目前较多套用MESFET相关模型。因为HEMT与MESFET在工作原理上有所不同,再加上GaN HEMT器件自身的特有的性能,所以套用MESFET相关模型的时候,误差是在所难免的,因此开展GaN HEMT建模,尤其是毫米波频段的建模具有重要意义。本文主要从改进GaN HEMT毫米波器件模型的精确度着手展开,主要内容包括以下几点:首先,分析了小信号参数提取方法,给出了应用S参数法提取小信号等效电路本征元件和寄生元件的过程。在流片和测试的基础上,应用Aglient85190A IC-CAP软件和EEHEMT1模型对栅长为0.3um,栅宽为2×75um(2指,每指栅宽为75um)为代表的新型器件Al0.27Ga0.73N/AlN/GaN HEMT进行参数提取,包括直流和交流参数提取。建立了基于EEHEMT1的等效电路模型。其次,为了进一步提高模型的精度,采用了加拿大卡尔顿大学张教授提供的神经网络软件NeuroModelerPlus_V2.1E对建立的EEHEMT1模型进行了优化。利用神经网络空间映射(Neuro Mapping)的方法,在Aglient公司的ADS软件中,以建立的EEHEMT为粗糙模型,对电路的偏置电压用神经网络空间映射优化粗糙模型。神经网络采用三层结构,包括输入层、隐藏层和输出层。对神经网络模型反复的训练,使得拟合的仿真值与样品值误差最小。中间掩藏层(Hidden layer)神经元的个数选择与训练样品数(数据量)有关,以误差最小为宜。最后,应用神经网络直接建模方法建立了高精度的Al0.27Ga0.73N/AlN/GaN HEMT模型。神经网络建立直流模型时,以栅极电压Vgs和漏极电压Vds作为输入,漏极电流Ids为输出;神经网络交流模型时,以Vgs和Vds作为输入,以4个S参数的幅度和角度共8个参数为输出进行神经网络的训练。在ADS软件中,把建立的直流和交流模型一起嵌入到ADS软件中,建立包括直流和交流的Al0.27Ga0.73N/AlN/GaN HEMT模型,仿真和测试结果吻合很好,神经网络直接建模方法建立的模型有更高的精度,为毫米波器件建模提供了一种新的方法。