[发明专利]一种基于人工神经网络的S参数去嵌入法

说明书

一种基于人工神经网络的S参数去嵌入法，首次应用人工神经网络，去除射频功率放大器中晶体管外围匹配网络影响，进而获取晶体管的S参数；该发明可有效提取射频功率放大器中晶体管S参数，为由射频大信号导致性能退化的晶体管的可靠性建模提供有效的实验数据。

技术领域

本发明涉及射频晶体管S参数提取领域，尤其涉及一种基于人工神经网络的S参数去嵌入法。

背景技术

近年来，晶体管射频可靠性问题得到广泛关注，S参数是提取晶体管射频模型的必要参数，为了将晶体管应用于射频领域，必须测试晶体管的S参数。可通过升高晶体管偏置电压加速晶体管性能退化，测试退化后晶体管的S参数，以指导建立晶体管射频可靠性模型[1]。除此之外，射频大信号也会加速晶体管的性能退化，且会引入直流偏置条件下未发生的退化机制[2],[3]，因此，建立晶体管射频可靠性模型时，必须考虑射频大信号影响。为了给晶体管输入射频大信号，需要在晶体管的输入和输出端添加匹配网络[3]，这将导致测试的S参数不是晶体管本身的S参数。

为了得到晶体管本身的S参数，需要对测试得到的S参数做去嵌入处理。传统的方法是将输入和输出匹配网络作为夹具，设计校准件（最常用的是TRL校准件），去除夹具影响。以TRL校准件为例，需要设计4个校准件，而且每个校准件都要含有匹配网络，由于匹配网络面积较大，这种校准件极其浪费加工面积，而且，该校准件只针对一种匹配网络使用，更换匹配网络后，需重新设计校准件。

【参考文献】

[1] Zarate-Rincon F, García-García D, Vega-González V H, et al.Characterization of hot-carrier-induced RF-MOSFET degradation at differentbulk biasing conditions from S-parameters[J]. IEEE Transactions on MicrowaveTheory and Techniques, 2016, 64(1): 125-132.

[2] Yuan J S, Yen H D, Chen S, et al. Experimental verification of RFstress effect on cascode class-E PA performance and reliability[J]. IEEETransactions on Device and Materials Reliability, 2012, 12(2): 369-375.

[3] Chini A, Di Lecce V, Fantini F, et al. Analysis of GaN HEMT failuremechanisms during DC and large-signal RF operation[J]. IEEE Transactions onElectron Devices, 2012, 59(5): 1385。

发明内容

为了解决现有技术存在的难题，本发明利用人工神经网络具有拟合任何函数的功能，提出一种新的去嵌入技术即基于人工神经网络的S参数去嵌入法，这种去嵌入技术相比传统方法，不仅能极大节约校准件面积，且可对不同的匹配网络重复使用。

一种基于人工神经网络的去嵌入法，进而获得射频功率放大器中晶体管本身的S参数，包括如下步骤（如图1所示）：

1、设计一款单晶体管射频功率放大器，包括输入匹配网络、晶体管和输出匹配网络（如图2所示）；

2、测试不同偏置电压下，射频功率放大器的S参数，即S_PA；将S参数转换成ABCD矩阵，转换公式为：

(1)