微电子技术飞速发展,导致芯片关键尺寸不断下降,集成电路制造工艺也在不断进步。生产工艺越复杂,硅晶片出现缺陷的概率就越大。通常半导体制造商为追求投资回报率,需要将成品率控制在一个稳定的状态。研究表明,制造工艺中造成硅晶片的缺陷是影响成品率的主要因素之一,为减少缺陷对成品率的影响,工程师需要一套在线缺陷模式分析系统辅助他们完成缺陷检测工作。本文研究工作是围绕硅晶片生产中缺陷模式分析这个基本问题展开。在缺陷分析研究检测中,研究人员关注比较多的是三种硅晶片统计图:Wafermap,Binmap,Bitmap。本文研究重点是Wafermap中缺陷模式分析的几个问题,其主要内容有:介绍了缺陷模式分析基本研究内容和研究方法,并对缺陷分布分析设计中常见问题进行分析。研究了谱聚类基本理论和算法,将谱分割理论应用到线状缺陷噪声去除中,实验中采用两个典型样例进行分析,结果表明在满足一定目标函数条件下,可以将线状缺陷周围无关的噪声缺陷去除,为进一步辨识线状缺陷打下基础。提出了一种改进的异常因子计算方法,通过对数据集中每点都找到它的k近邻点,计算出k近邻离该点的平均距离,然后在以此距离为半径的邻域内找到含有数据点的个数并求出它们的均值,将该值与当前点平均距离内点的个数的比值作为k近邻异常因子,将该因子应用到硅晶片缺陷聚类分析中,通过实验验证所提方法的准确性和有效性。研究了主曲线、多边形线算法,提出用多边形算法识别弧状缺陷想法,讨论了用拟牛顿法实现该算法的解决方案,针对硅片缺点模式分析中常出现的弧状缺陷,采用该算法进行检测分析,实验结果表明这种算法快速准确,当线段个数或最小距离平方期望值达到一定门限值后,多边形线就已经能够描述弧状缺点集的形状,随着线段个数增加,最小距离平方期望值还在不断下降,最终会收敛到Kegl主曲线。