参数提取

参数提取
参数提取

A Parameter Extraction Method for Microwave

Coupled Resonater Filters

摘要:本文提出了一种直接优化耦合矩阵从而求得耦合系数及谐振频率的方法。首先在柯西法的基础上构建了一种更精确有理多项式模型,这种模型既适合无耗的滤波器,也适合有耗的滤波器,其次提出了一种简单而高效的目标函数,新的目标函数对初值敏感度低,优化速度快,这种方法能应用于级联型以及交叉耦合型的耦合谐振滤波器的参数提取,最后的例子证明了此方法的有效性。

1.介绍

在滤波器的仿真及实物的调试中,往往不能一次性的得到需要的耦合系数及谐振频率,需要不停的“迭代”来得到最优的波形,能够有效的指导调试人员的计算机辅助调试技术是提高效率的一个主要因素。为此,人们提出了各种计算机辅助调试的方法。这些方法基本上可以归为5类。1.耦合谐振滤波器的顺序调谐;2.基于电路模型参数提取的计算机辅助调谐;3.基于输入反射系数的极点和零点的计算机辅助调谐;4.时域调谐;5模糊逻辑调谐。

本文提出的方法可以归类到基于电路模型的参数提取,它的基本原理是:首先将带通滤波器的S 参数归一为低通原型S 参数,再通过一个适当的有理多项式拟合S 参数,柯西法是最常用到的有理多项式拟合方法,该方法通过对精确模型响应有限的抽样,得到一个超定方程。解该方程,即可得到表述滤波器响应的两个多项式P (s ) ,F (s ) 系数,再通过Feld-keller 方程计算出多项式E (s )的系数。

()()()()()()s E

s E s P s P s F

s F -=-+-*

**

(1)

然而这种方法至少存在两个缺陷,其一,拟合出来的相位不准,其二,对于有耗的情况,在用Feld-keler 方程求解E(s)的时候并不能保证虚轴两边根的个数一样,也就是不能保证E(s)的最高阶数等于滤波器阶数,这样所得到的耦合矩阵及谐振频率并不准确。本文在柯西法的基础上提出了一种新的多项式拟合方法,能很好的解决这两个问题,下文称之为改进柯西法。得到E ,F ,P 以后就可以通过综合或者优化的方法提取耦合矩阵及谐振频率,本文应用单纯型法优化耦合矩阵,提出了一种新的目标函数,能够快速而精确的得到最优解。

2.滤波器模型及分析

图1 有限Q 值谐振腔滤波器等效电路模型

微波滤波器有各种实现形式,而它们都可以通过传输函数S21和反射函数S11来表示,图1为有限Q 值微波谐振滤波器的等效电路模型,根据Kirchhoff 沿环路电压之和为零的定理,我们可以得到电路矩阵方程:

[][][][][]e j I Z I M jR jR U

-=?=?+--''ω

(2)

其中,U 为单位阵,R 表示的矩阵中,除了111R r =,2R r NN =,其余元素均为零,

),,('21n r r r diag R ???=。M 是一个以ij m 为元素的对称矩阵,称为归一化的耦合矩阵。

[][]T N

N k

i i i i i I 12

1

-=

为电流向量,[][]T

e 0001

=为激励向量,

[]Z 为等效的阻抗矩阵。我们所要提取的电路参数就在M ,R 和'R 矩阵中,其中M 对应实

际电路中的耦合系数,R 对应输入输出端的外在品质因数,'

R 对应腔体的无载Q 值。 我们可以看出电流向量[]I 可以表示为: [][][]e Z

j I ?-=-1

(3)

于是整个电路的S 参数就可以表示为:

[]

1

1

21212122N N Z R R j i R R S --== (4)

[]

11

1

111112121-+=-=Z

jR i R S (5)

对于二端口网络,其散射系数有理多项式可表示为: )()()(21s E s P s S =

(6)

)

()()(11s E s F s S = (7)

其中∑

==?=

nz k k k

k s

p s P 0

)(,∑

==?=

n k k k

k s

f s F 0

)(,∑==?=

n

k k k

k

s

e

s E 0

)(,n 为滤波器阶数,nz 为有

限频率传输零点个数。

从滤波器实测响应取N 个样点,建立方程组求解多项式F ,P 的系数k f 和k p ,方程组用矩阵表示如下:

[]01121=??

?

???=??????-p f M p f V S V S nz n

(8)

其中:[]T

n f f f f ,,,10 =,[]T

n p p p p ,,,21 =,(){}N i i s S diag S ,,2,11111 ==,

(){}N i i s S diag S ,,2,12121 ==。i i

j s ω=,m V 为范德蒙德矩阵,其元素为

()N i n k

j v k i k i ,,2,1;1,,2,1,1, =+==

-ω。需注意的是(8)要有解的必要条件是

1++≥nz n N 。

对于无耗的情况,可以通过Feld-keller 方程计算出多项式E (s )的系数,如果网络有耗,求得的E (s )的根可能会小于滤波器的阶数,这里我们改用最小二乘法来求解E (s )。

(7)式可以改写为:

∑==?=

=

n

k k k

k

s e

s S s F s E 0)

(11)()( (9)

通过最小二乘法可以求得m H

n n H

n E V V V e **)

*(1

-=,其中)

(11)()(k k m s S s F k E =

N k ,,2,1 =,[]T

n e e e e ,,,10 =。

我们以一4阶级联型Chebyshev 滤波器为例说明上述方法的有效性并与柯西法作对比。

图2. 4阶Chebyshev 滤波器

表1. S 参数有理多项式拟合系数

图3. 柯西法幅度拟合曲线 图4. 柯西法相位拟合曲线

图5. 改进柯西法幅度拟合曲线 图6. 改进柯西法相位拟合曲线

表1为两种方法拟合出来的多项式系数,图3,图4,图5,图6为两种拟合方法得到的幅度及相位曲线,可以看出:传统柯西法无法拟合出准确的相位,而改进的柯西法,无论是幅度还是相位,拟合的结果都非常好。 A. 加载相位的消除

以上的分析都是基于双端口的等效电路模型,而实际中,我们不可避免的会在输入输出的两端加上一段传输线,称之为“相位加载效应”,这会使得提取的参数不精确,这里我们提出一种简单的消除相位加载的办法。

从表1可以看出,如果用柯西法求解E(s),必然有n n f e =,而对于改进柯西法,n e 与n

f 不一定相等,这里面既有损耗的影响也有加载相位的影响。令n n e f D /=,对于上述例子,

i D 8302.05013.0+=,9698.0=D ,D 的相位为58.8745度。

我们再来分析图2滤波器模型的第一腔,将调谐螺钉接触中间的金属柱,使之严重偏离谐振频率,来提取S11的相位。

图7. 第一腔失谐模型 图8. 失谐后的相位 对比所求得的D 的相位与图8的相位曲线,可以看出D 的相位与失谐后的腔体在谐振频率附近的相位几乎相同,将图7模型的馈线部分加长再作对比,仍然满足这一关系。因此我们可以认定n n e f D /=所求得的相位正好是滤波器加载的一段相位。 3. 模型网络参数提取

A .无耗及低损耗耦合谐振滤波器

首先考虑无耗及低损耗耦合谐振滤波器,

当腔体Q 值足够大时,我们可以认为图1中的0=i r ,式(2)可以简化为:

[][][][][]e j I Z I M jR U -=?=?+-'ω

对于无耗的网络,由Feld-keller 方程可知,)(s E 与)(s F 的最高次项系数必然相等,即

1=D ,对于腔体Q 值很大时,损耗对零极点位置影响很小,因此我们可以直接令n n e f e e /?=来消除相位以及损耗对滤波器的影响。这种处理相对于柯西法对整个模型的影

响更小,而且对后面所用到的目标函数有着十分重要的作用。

B .新的目标函数 根据(4)(5)(6)(7)式可以得到:

[

])

()(*

22)

()('

211

1

2121Z Det Z Det R R j

Z

R R j

S s E s P N -=-==- (10)

[

]

)

()(*

221)

()

()('

'111

1

111Z Det Z Det jR Z

jR S s E s E s F ==-=-- (11)

其中M jR U Z +-='ω,'Z 为Z 删去最后一行和第一列所得到的矩阵,'

'Z 为Z 删去第一行和第一列所得到的矩阵。将(11)式改写为:

]

)[(])[(*

2)

()(*

2)

()

()('

'

''''''1'

'1U M jR Det U M jR Det jR Z Det Z Det jR s E s E s F ωω-----==- (12)

令)(M jR A -=,)('

''

'''M jR A -=,由(12)可以看出)(s E 的根是A 的特征值,而

)()(s E s F -的根是'

'A 的特征值。

设e i λ,t

i λ分别为)(s E ,)()(s E s F -的根,提出下面的目标函数:

2

1

2

1

2

1

1

2

1

)(21)

(11),1,('

'∑

==-==+

+

-+

-=

nz

k p

k n

k z

k n k t

k

m

k n

k e

k

m k S S RN R M ωωλλλλε (13)

式中,m i λ,'

'm

i λ为A 和''A 的特征值,z k ω,p

k ω分别为11S ,21S 的有限零点。 3.实例及数值结果

仍以上文中的4阶滤波器为例,前面我们已经得到了有理多项式的模型,消除加载相位以及损耗的影响后所得到的多项式系数如表2,计算求得)(s E ,)(s F ,)()(s E s F -的根如表3,由于模型不含交叉耦合,不存在有限传输零点,故目标函数最后一项可省去。

利用上面的目标函数通过单纯型法可以很快提取得到低通模型的耦合矩阵以及外部Q

值:?????

????

???=0.1859- 0.7871 0 0 0.7871 0.3184- 0.6072 00

0.6072 0.3128- 0.78980 0 0.7898 0.1875-extract

M

,9556.01=R ,9550.0=RN

遥感影像各参数提取和运算

遥感影像各参数提取和运算 一.实验目的 1.1 熟悉使用ENVI软件的一些常用功能; 1.2 学会利用ENVI软件对遥感影像的NDVI和NDWI进行计算,对典型地物的参数信息进行提取和分析。 二.实验内容 2.1 计算可见光至短波红外波段的7个波段的TOA反射率数据和热红外的2个波段的亮度温度值; 2.2 计算NDVI和NDWI; 2.3 选择水体、土壤、植被和人工建筑等典型地物,每种典型地物至少选择50个样点,提取各个样点的7个TOA反射率值、2个亮温值和2个光谱指数值; 2.4 针对各个典型地物的遥感参数进行统计分析,至少计算各个参数的Minimum, Maximum, Range and Standard Deviation,利用图表的形式对其进行专业分析。三.实验数据与实验平台 数据:LANDSAT 7 ETM+影像、p125r053_7t20001106.met 平台:ENVI 4.7软件 四.实验过程与结果分析 4.1. 计算可见光至短波红外波段的7个波段的TOA反射率数据和热红外的1个波段的亮度温度值。 实验步骤: (1)计算可见光至短波红外波段的7个波段的TOA反射率: Main menu →Basic Tools →Preprocessing →Calibration Utilities →Landsat Calibration→选择波段数为6的,点击 OK →Reflectance →Edit Calibration Parameters→输出文件名

图4.1.1 反射率参数设置 图4.1.2反射率转换结果图与原图对比 (7,4,3波段,左图为结果图,右图为原图) (2)转换成亮度温度值步骤: Main menu →Basic Tools →Preprocessing →Calibration Utilities →Landsat Calibration →选择波段数为2的,点击OK →Radiance →Edit Calibration Parameters→输出文件名

InP基HBT GP大信号模型直流参数提取的研究

第32卷 第2期 2009年4月 电子器件 Ch in es e Jo u rnal Of Electro n Devi ces Vol.32 No.2Apr.2009 Research of DC Parameter Extraction on InP Based HBT GP Large S ignal Model * H U Ding ,H UA N G Yong qing * ,W U Qiang ,L I Yi qun,H UA N G H ui,R EN X iao min (K ey L aborator y of Op tical Communication and L ig ht wa ve T ech nologies,M inistry of Ed ucation, Beij ing Univ ersity of Posts and T elecommunic ations ,Beij ing 100876,China) Abstract:Co nsidering the special physical theo ry and structure,w e used GP larg e sig nal m odel fo r InP based H BT (GP model w as used for BJT prev iously ).By constructing error functio n,w e ex tracted 13SPICE DC parameter in this model w ith analytic m ethod and designed the Parameter extraction measure m ent dev ices,finally the InP/InGaAs H BT of 2 m 19 m emitter size w as modeled based on the above results.By comparison betw een simulated r esults of the ex tracted model and measured data,the mo del has a go od agreem ent w ith DC character istics of fabricated H BT. Key words:H BT ;GP lar ge sig nal model;parameter extraction;DC characteristics EEACC :2560J InP 基HBT GP 大信号模型直流参数提取的研究* 胡 钉,黄永清* ,吴 强,李轶群,黄 辉,任晓敏 (北京邮电大学光通信与光波技术教育部重点实验室,北京100876) 收稿日期:2008 09 10 基金项目:国家 973!项目资助(2003CB314900);教育部 新世纪人才支持计划!资助项目(NCET 05 0111);高等学校学科创 新引智计划资助(B07005);教育部 长江学者和创新团队发展计划资助(IR T 0609);国家 863!计划项目资助(2006AA 03Z416);国家 863!计划项目资助(2007A A 03Z418)作者简介:胡 钉(1984 ),北京邮电大学通信光电子实验室硕士研究生,主要从事光通信器件方面的研究; 黄永清,女,教授,博士生导师,从事光纤通信和半导体光电子器件方面研究 ?G ummel Poo n,一种应用范围很广的晶体管模型,也是晶体管的工业模型 摘 要:基于HBT 特殊的物理机理及结构,将适用于BJT 的G P 大信号模型用于I nP 基HBT 的研究中。通过构建误差函 数,采取解析法提取了该模型中的13项SPI CE 直流参数,并设计了参数提取实验装置,最后将研究结果用于发射极为2 m 19 m 的InP/InG aA s H BT 建模中。通过对比模型仿真和器件实测的数据可以看出,本文采用的HBT G P 模型准确度高,可以较好地表征实际H BT 器件的直流特性。 关键词:H BT ;G P 大信号模型;参数提取;直流特性中图分类号:TN32 文献标识码:A 文章编号:1005 9490(2009)02 0285 06 异质结双极晶体管(H etero junction Bipolar Transisto r,H BT)作为一种结构独特的晶体管从上世纪七十年代出现以来,由于其所具有的高频特性以及良好的电流注入比等优越性,发展十分迅猛。随着材料生长技术和器件制作工艺水平的不断完善与发展,H BT 的性能也不断地得以提高。在卫星通信、移动通信、光纤通信、国防电子系统等通信领域H BT 器件已经得到了非常广泛的应用[1]。 与传统BJT 相比,异质结所特有的物理和电特性给H BT 器件模型的准确建模带来了相当的困 难,因此H BT 模型的准确建立已经成为学术界和工业界研究的热点。尽管H BT 可归于新的器件类型,但其基本工作原理和一般的BJT 相比并没有本 质区别[2],因此利用传统的BJT 大信号模型(如GP 模型?)来表征H BT 的电学特性,利用解析法对其模型参数进行提取是目前较为实用的一种方案。 本文基于H BT 特殊的物理机理及结构,将适用于BJT 的GP 大信号模型用于InP 基H BT 的研究中。通过构建误差函数,采取解析法提取了该模型中的13项SPICE 直流参数,并设计了参数提取

参数提取

对GDSII database进行gate-level寄生参数抽取 VIMICRO 祝侃 1.Abstract 伴随着SOC技术的发展,自动布局布线规模不断扩大,同时产品的上市周期 由于市场竞争的加剧压力也愈来愈大。因此,如何提高自动布局布线设计中寄生 参数验证的效率成为众多IC设计者必须要考虑的重要课题。 通过引入calibre DRC/LVS/XRC,vimicro已经发展了一套提高自动布局布 线设计验证效率的方法,这些方法包括GDSII文件的直接处理,使用gate-level 寄生参数抽取来满足数字电路的时序分析验证,以及修改相应的文件来加速寄生 参数的抽取等。 2. Introduction 首先,在自动布局布线结束后,我们通常会进行DRC/LVS检查,然后在 layout editor (如Virtuoso)里修改错误,最后得到DRC/LVS clean的GDSII 文件。这个时候前端设计人员发现功能有问题进行了修改,要求自动布局布线作 ECO。这样原先的DRC/LVS检查都要重新做一遍。 对DRC/LVS clean的GDSII 文件抽取寄生参数,然后拿这个含有寄生参数 的网表作 STA,如果时序可以满足要求的话,就不需要做那些重复的工作了。 Calibre xRC可以对GDSII 数据进行gate level 的寄生参数抽取. 这样的设计流程是针对于简单的ECO改动,例如IO位置的调整,或者对为 数不多的逻辑门连接关系的修改。对于复杂的改动,还必须应用自动布局布线的 ECO流程. 3. Flow Description

1).Run hierarchical LVS (PHDB Generation) 执行hierarchical LVS是为了对layout做器件和连接关系的抽取,并且建立版图和网表的cross-reference. 2).抽取寄生参数 (PDB Generation) Calibre XRC 抽取gate level的寄生参数. 3).写出网表 (FMT) Calibre xRC 从第二步抽取的寄生参数数据中写出DSPF 或 SPEF 网表. 4).静态时序分析 (STA) PrimeTime 读入DSPF 或 SPEF 网表,还有原来的verilog 网表 和cell library,产生SDF文件. 1).LVS-H 首先要Run hierarchical LVS,就需要设定hcell list.Calibre xRC 叫做xcell.这个xcell list跟普通的LVS使用的hcell list差不多,只是比LVS要更严格一些,需要Calibre识别出所有的standard cells and micro blocks.这样在第二步抽取寄生参数的时候Calibre才知道那些出现在hcell list里的

浅析电力系统模型参数辨识

浅析电力系统模型参数辨识 (贵哥提供) 一、现状分析 随着我国电力事业的迅猛发展, 超高压输电线路和大容量机组的相继投入, 对电力系统稳定计算、以及其安全性、经济性和电能质量提出了更高的要求。现代控制理论、计算机技术、现代应用数学等新理论、新方法在电力系统的应用,正在促使电力工业这一传统产业迅速走向高科技化。 我国大区域电网的互联使网络结构更复杂,对电力系统安全稳定分析提出了更高的要求,在线、实时、精确的辨识电力系统模型参数变得更加紧迫。由于电力系统模型的基础性、重要性,国外早在上世纪三十年代就开始了这方面的分析研究,[1,2]国内外的电力工作者在模型参数辨识方面做了大量的研究工作。[3]随后IEEE相继公布了有关四大参数的数学模型。1990年全国电网会议上的调查确定了模型参数的地位,促进了模型参数辨识的进一步发展,并提出了研究发电机、励磁、调速系统、负荷等元件的动态特性和理论模型,以及元件在极端运行环境下的动态特性和参数辨识的要求。但传统的测量手段,限制了在线实时辨识方法的实现。 同步相量测量技术的出现和WAMS系统的研究与应用,使实现在线实时的电力系统模型参数辨识成为可能。同步相量是以标准时间信号GPS作为同步的基准,通过对采样数据计算而得的相量。相量测量装置是进行同步相量测量和输出以及动态记录的装置。PMU的核心特征包括基于标准时钟信号的同步相量测量、失去标准时钟信号的授时能力、PMU与主站之间能够实时通信并遵循有关通信协议。 自1988年Virginia Tech研制出首个PMU装置以来,[4]PMU技术取得了长足发展,并在国内外得到了广泛应用。截至2006年底,在我国范围内,已有300多台P MU装置投入运行,并且可预计,在不久的将来PMU装置会遍布电力系统的各个主要电厂和变电站。这为基于PMU的各种应用提供了良好的条件。 二、系统辨识的概念 系统模型是实际系统本质的简化描述。[5]模型可分为物理模型和数学模型两大类。物理模型是根据相似原理构成的一种物理模拟,通过模型试验来研究系统的

语音信号特征的提取

语音信号特征的提取 摘要 随着计算机技术的发展,语音交互已经成为人机交互的必要手段,语音特征参数的精确度直接影响着语音合成的音质和语音识别的准确率。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。 本文采用Matlab软件提取语音信号特征参数,首先对语音信号进行数字化处理,其次,进行预处理,包括预加重、加窗和分帧,本文讨论了预处理中各种参数的选择,以使信号特征提取更加准确。第三,讨论了各种时域特征参数的算法,包括短时能量、短时过零率等。 关键词:语音信号, 特征参数, 提取, Matlab 目录 第一章绪论 1.1语音信号特征提取概况 1.1.1研究意义 语音处理技术广泛应用于语音通信系统、声控电话交换、数据查询、计算机控制、工业控制等领域,带有语音功能的计算机也将很快成为大众化产品,语音将可能取代键盘和鼠标成为计算机的主要输入手段,为用户界面带来一次飞跃。 语音信号特征的提取是语音信号处理的前提和基础,只有分析出可表示语音信号本质特征的参数,才有可能利用这些参数进行高效的语音通信和准确的语音识别,才能建立语音合成的语音库。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。 1.1.2 发展现状 语音信号处理是一门综合性的学科,包括计算机科学、语音学、语言学、声学和数学等诸多领域的内容。它的发展过程中,有过两次飞跃。第一次飞跃是1907年电子管的发明和1920年无线电广播的出现,电子管放大器使很微弱的声

音也可以放大和定量测量,从而使电声学和语言声学的一些研究成果扩展到通信和广播部门;第二次飞跃是在20世纪70年代初,电子计算机和数字信号处理的发展使声音信号特别是语音信号,可以通过模数转换器(A/D)采样和量化转换为数字信号,这样就可以用数字计算方法对语音信号进行处理和加工,提高了语音信号处理的准确性和高效性。 语音信号处理在现代信息科学中的地位举足轻重,但它仍有些基础的理论问题和技术问题有待解决,这些难题如听觉器官的物理模型和数学表示及语音增强的技术理论等,目前还有待发展。 1.2 本课题研究内容 本文主要介绍语音信号处理的理论及Matlab的相关内容,然后从Matlab仿真角度验证了录音、预处理、提取语音信号时域特征参数,主要讨论了预处理中各种参数的选择,以使信号特征提取更加准确。再次讨论了各种时域特征参数的算法,包括短时能量、短时过零率等,介绍了各环节的不同软件实现方法。最后对基于Matlab的语音信号特征参数提取进行总结。 第二章Matlab简介 MATLAB是国际上仿真领域最权威、最实用的计算机工具。它是MathWork 公司于1984年推出,它以强大的科学计算与可视化功能、简单易用、开放式可扩展环境,特别是所附带的30多种面向不同领域的工具箱支持,使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发的基本工具和首选平台。 2.1 发展概况 Matlab是Matrix Laboratory(矩阵实验室的缩写),最初由美国Cleve Moler 博士在70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack与Eispack组成,旨在使应用人员免去大量经常重复的矩阵运算和基本数学运算等繁琐的编程工作。1984年成立的Math Works公司正式把Matlab推向市场,并从事Matlab的研究和开发。1990年,该公司推出了以框图为基础的控制系统仿真工具Simulink,它方便了系统的研究与开发,使控制工程师可以直接构造系统框图进行仿真,并提供了控制系统中常用的各种环节的模块库。1993年,Math Works 公司推出的Matlab4.0版在原来的基础上又作了较大改进,并推出了Windows版,

语音信号特征参数提取方法

语音信号特征参数提取方法 阮雄飞微电子学与固体电子学 摘要:在语音技术的发展过程中使用了大量的语音信号特征参数, 好的语音信号特征参数能对语音识别起至关重要的作用。本文对语音信号特征参数提取方法以及国内外研究现状进行了介绍,最后介绍了Hilbert-Huang 这一新兴理论成果以及在特征提取中的应用。 关键词:语音技术特征提取HHT 1 引言 语音信号是一种短时平稳信号,即时变的,十分复杂,携带很多有用的信息,这些信息包括语义、个人特征等,其特征参数的准确性和唯一性将直接影响语音识别率的高低,并且这也是语音识别的基础[1]。特征参数应该能够比较准确地表达语音信号的特征具有一定的唯一性。 上世纪40年代,potter等人提出了“visiblespeech”的概念,指出语谱图对语音信号有很强的描述能力,并且试着用语谱信息进行语音识别,这就形成了最早的语音特征,直到现在仍有很多的人用语谱特征来进行语音识别[2]。后来,人们发现利用语音信号的时域特征可以从语音波形中提取某些反映语音特性的参数,比如:幅度、短时帧平均能量、短时帧过零率、短时自相关系数、平均幅度差函数等。这些参数不但能减小模板数目运算量及存储量而且还可以滤除语音信号中无用的冗余信息。语音信号特征参数是分帧提取的, 每帧特征参数一般构成一个矢量, 所以语音信号特征是一个矢量序列。我们将语音信号切成一帧一帧, 每帧大小大约是20-30ms。帧太大就不能得到语音信号随时间变化的特性, 帧太小就不能提取出语音信号的特征, 每帧语音信号中包含数个语音信号的基本周期。有时希望相邻帧之间的变化不是太大, 帧之间就要有重叠, 帧叠往往是帧长的1/2或1/3。帧叠大, 相应的计算量也大[3]。随着语音识别技术的不断发展时域特征参数的种种不足逐渐暴露出来,如这些特征参数缺乏较好稳定性且区分能力不好。于是频域参数开始作为语音信号的特征比如频谱共振峰等。经典的特征提取方法主要有LPCC(线性预测倒谱系数)、MFCC(美尔频率倒谱系数)、HMM(隐马尔科夫模型)、DTW(动态时间规整)等。 2 语音信号特征参数提取方法

模型计算步骤

计算步骤步骤目标 建模或计算条件控制条件及处理1.符合原结构传力模式2.符合原结构边界条件3.符合采用程序的假定条件1.振型组合数→有效质量参与系数>0.9吗?→否,则增加2.最大地震力作用方向角→θ0-θm >150?→是,输入θ0=θm ,附加方向角θ0=03.结构自振周期,输入值与计算值相差>10%?→是,按计算值改输入值4.查看三维振型图,确定裙房参与计算范围→修正计算简图5.短肢剪力墙承担的抗倾覆力矩<40%?→是,改为一般剪力墙结构;短肢剪力墙承担的抗倾 覆力矩>50%?→是,规范不许,修改设计 6.框剪结构框架承担的抗倾覆力矩>50%?→是,框架抗震等级按框架结构确定;若为多层结构,可定义为框架结构,抗震墙可作为次要抗侧力构件,其抗震等级可降低一级。 1.周期比控制:T 扭/T 1≤0.9(0.85)?→否,修改结构布置,强化外围削弱中间 2.层位移比控制:最大/平均≤1.2?→否,按双向地震重算 3.侧向刚度比控制:要求见规范;不满足时程序自动定义为薄弱层 4.层受剪承载力控制:Q i /Q i+1<[0.65(0.75)]?→否,修改结构布置;0.65(0.75)≤Q i /Q i+1<0.8?→否,强制指定为薄弱层(注:括号中数据为B级高层),(《高规》4.4.3条) 5.整体稳定控制:刚重比≥[10(框架),1.4(其它)] 6.最小地震剪力控制:剪重比≥0.2αmax?→否,增加振型数或增大地震剪力系数 7.层位移角控制:弹性Δu ei /h i ≤[1/550(框架),1/800(框剪),1/1000(其它)];弹塑性Δ u pi /h i ≤[1/50(框架),1/100(框剪),1/120(其它)]1.构件构造最小断面控制和截面抗剪承载力验算 2.构件斜截面承载力验算(剪压比控制) 3.构件正截面承载力验算 4.构件最大配筋率控制 5.纯弯和偏心构件受压区高度限制 6.竖向构件轴压比控制 7.剪力墙的局部稳定控制 8.梁柱节点核心区抗剪承载力验算 1.钢筋最大最小直径限制 2.钢筋最大最小间距要求 3.最小配筋配箍要求 4.重要部位的加强和明显不合理部分局部调整2.计算一(一次或多次)整体参数 的正确确 定 1.地震方向角θ0=0;2.单向地震+平扭耦联;3.不考虑偶然偏心;4.不强制全楼刚性楼板;5.按总刚分析;6.短肢墙多时定义为短肢剪力墙结构;1.按计算一、二确定的模型和参数;2.取消全楼强制刚性板;3.按总刚分析;4.对特殊构件人工指定。构件优化设计(构件超筋超限控制)4.计算三(一次或多次)5.绘制施工图结构构造抗震构造措施几何及荷 载模型 1.建模整体建模判定整体结构的合理性(平面和竖向规则性控制) 1.地震方向角θ0=0,θ m ; 2.单(双)向地震+平扭耦 联; 3.(不)考虑偶然偏心; 4.强制全楼刚性楼板; 5.按侧刚分析; 6.按计算一的结果确定结 构类型和抗震等级3.计算二(一次或多次)

语音识别报告

“启动”的时域波形 1、 语音预加重: 由于语音信号在高频部分衰减,在进行频谱分析时,频率越高,所占的成分越小,进行语音预加重,可以提升语音高频部分,使频谱变得平坦,以方便进行频谱的分析和处理。通常的措施是采用数字滤波器进行预加重,传递函数是:11)(--=z z H α,其中α一般去0.92-0.98之间,所以在计算的时候取0.9375。 预加重后的波形 2、 分帧 加窗 语音信号具有较强的时变特性,其特性是随时间变化的,但是语音的形成过程与发音器官的运动有关,这种物理运动比起声音振动的速度十分缓慢,在较短的时间内,语音信号的特征可以被认为是保持不变的,通常对语音处理是通过截取语音中的一段进行处理的,并且短段之间彼此经常有一些叠加,这一段语音成为一帧语音,语音段的长度称为帧长,对每一帧处理的结果可用一组数来表示。一般取帧长为10—30ms 。采样频率是8000Hz ,所以取的帧长是256,帧移是178。分帧之后加汉明窗。 3、 端点检测 端点检测从背景噪声中找出语音的开始和终止点。 短时能量就是每帧语音信号振幅的平方和。 ∑-==1 0)]([N m n m s E ;

短时能量曲线 短时过零率是每帧内信号通过零点的次数,是信号采样点符号的变化次数。 ∑-=+-=1 )]1(sgn[)](sgn[21N m n m x m x Z ; “启动”的过零率曲线 在实验室的安静的环境下,依靠短时能量和短时过零率就可进行语音信号的起止点判断。当背景噪声较小时,没有语音信号的噪声能量很小,而语音信号的短时能量增大到了一定数值,可以区分语音信号的开始点和终止点。当背景噪声较大时,可以用短时平均过零率和短时能量结合来判断。 基于能量一过零率的端点检测一般使用两级判决法,在开始进行端点检测之前,首先为短时能量和过零率分别确定两个门限。整个语音信号的端点检测可以分为四段:静音、过渡音、语音段、结束时的静音段, (1)如果能量或过零率超越了低门限,就应该开始标记起点,进入过渡段。在过渡段中,由于参数的数值比较小,不能确信是否处于真正的语音段,因此只要两个参数的数值都回落到低门限以下,就将当前状态恢复到静音状态。而如果在过渡段中两个参数中的任一个超过了高门限,就可以确信进入语音段了,并标记起始点。 (2)如果当前状态之前处于语音段,而此时两个参数的数值降低到底门限以下,并且持续时间大于设定的最长时间门限,那么就认为语音结束了,返回到参数值降低到底门限以下的时刻,标记结束点。 端点检测波形

语音信号时域特征参数提取

学院:信电学院班级:电信102 姓名:徐景广学号:2010081261 课程:专业综合实验实验日期:2014年1 月 3 日成绩: 实验二、语音信号时域特征参数提取 一、实验目的 1.掌握利用matlab程序进行语音信号的录制与回放。 2.理解语音信号的时域特征参数的概念,如短时能量、短时过零率等。 3.掌握matlab的开发环境。 4.掌握对语音信号进行时域特征参数提取的方法。 二、实验原理 本实验要求掌握时域特征分析原理,并利用已学知识,编写程序求解语音信号的短时过零率、短时能量、短时自相关特征,分析实验结果。 1.窗口的选择 通过对发声机理的认识,语音信号可以认为是短时平稳的。在5~50ms的范围内,语音频谱特性和一些物理特性参数基本保持不变。我们将每个短时的语音称为一个分析帧。一般帧长取10~30ms。我们采用一个长度有限的窗函数来截取语音信号形成分析帧。通常会采用矩形窗和汉明窗。图1.1给出了这两种窗函数在帧长N=50时的时域波形。

学院: 信电学院 班级:电信102 姓名: 徐景广 学号: 2010081261 课程:专业综合实验 实验日期:2014年 1 月 3 日 成绩: 0.2 0.40.60.811.2 1.41.61.82矩形窗 sample w (n ) 0.1 0.20.30.40.50.6 0.70.80.91hanming 窗 sample w (n ) 图1.1 矩形窗和Hamming 窗的时域波形 矩形窗的定义:一个N 点的矩形窗函数定义为如下 {1,00,()n N w n ≤<=其他 hamming 窗的定义:一个N 点的hamming 窗函数定义为如下 0.540.46cos(2),010,()n n N N w n π-≤<-??? 其他 = 这两种窗函数都有低通特性,通过分析这两种窗的频率响应幅度特性可以发现(如图1.2):矩形窗的主瓣宽度小(4*pi/N ),具有较高的频率分辨率,旁瓣峰值大(-13.3dB ),会导致泄漏现象;汉明窗的主瓣宽8*pi/N ,旁瓣峰值低(-42.7dB ),可以有效的克服泄漏现象,具有更平滑的低通特性。因此在语音频谱分析时常使用汉明窗,在计算短时能量和平均幅度时通常用矩形窗。表1.1对比了这两种窗函数的主瓣宽度和旁瓣峰值。

实验7~8:MOSFET模型参数提取

MOSFET模型参数的提取 计算机辅助电路分析(CAA)在LSI和VLSI设计中已成为必不可少的手段。为了优化电路,提高性能,希望CAA的结果尽量与实际电路相接近。因此,程序采用的模型要精确。SPICE-II是目前国内外最为流行的电路分析程序,它的MOSFET模型虽然尚不完善,但已有分级的MOS 1到3三种具一定精度且较实用的模型。确定模型后,提取模型参数十分重要,它和器件工艺及尺寸密切相关。尽管多数模型是以器件物理为依据的,但按其物理意义给出的模型参数往往不能精确的反映器件的电学性能。因此,必须从实验数据中提取模型参数。提取过程也就是理论模型与实际器件特性之间用参数来加以拟合的过程。可见,实测与优化程序结合使用应该是提取模型参数最为有效的方法。 MOS FET模型参数提取也是综合性较强的实验,其目的和要求是: 1、熟悉SPICE-II程序中MOS模型及其模型参数; 2、掌握实验提取MOS模型参数的方法; 3、学习使用优化程序提取模型参数的方法。 一、实验原理 1、SPICE-II程序MOS FET模型及其参数提取 程序含三种MOS模型,总共模型参数42个(表1)。由标记LEVEL指明选用级别。一级模型即常用的平方律特性描述的Shichman-Hodges模型,考虑了衬垫调制效率和沟道长度调制效应。二级模型考虑了短沟、窄沟对阈电压的影响,迁移率随表面电场的变化,载流子极限速度引起的电流饱和和调制以及弱反型电流等二级效应,给出了完整的漏电流表达式。三级模型是半经验模型,采用一些经验参数来描述类似于MOS2的二级效应。 MOS管沟道长度较短时,需用二级模型。理论上,小于8um时,应有短沟等效应。实际上5um以下才需要二级模型。当短至2um以下,二级效应复杂到难以解析表达时,启用三级模型。MOS模型参数的提取一般需要计算机辅助才能进行。有两种实用方法,一是利用管子各工作区的特点,分段线性拟合提取;二是直接拟合输出特性的优化提取。其中,直流参数的优化提取尚有不足之处:优化所获仅是拟合所需的特定参数,物理意义不确,难以反馈指导工艺和结构的设计;只适合当前模型,模型稍做改动,要重新提

语音特征参数MFCC的提取及识别

语音特征参数MFCC的提取及识别 耳蜗实质上相当于一个滤波器组,耳蜗的滤波作用是在对数频率尺度上进行的,在1000HZ下,人耳的感知能力与频率成线性关系;而在1000HZ以上,人耳的感知能力与频率不构成线性关系,而更偏向于对数关系,这就使得人耳对低频信号比高频信号更敏感。Mel频率的提出是为了方便人耳对不同频率语音的感知特性的研究。频率与Mel频率的转换公式为: MFCC在一定程度上模拟了人耳对语音的处理特点,应用了人耳听觉感知方面的研究成果,采用这种技术语音识别系统的性能有一定提高。 MFCC参数的提取1、 预加重处理 预加重处理其实是一个高通滤波器,该高通滤波顺的传递函数为:

其中的取值为0.97,该高通滤波器作用是滤去低频,使语音信号的高频特性更加突现。 2、 分帧及加窗处理 由于语音信号只在较短的时间内呈现平稳性(一般认为 10-30ms),因此将语音信号划分为一个一个的短时段即一帧。同时为避免丢失语音信号的动态信息,相邻帧之间要有一段重叠区域,重叠区域一段为帧长的1/2或1/3。然后再将每帧乘上窗函数,以增加每帧左端和右端的连续性。 3、 各帧信号的FFT变换 对分帧加窗后的各帧信号进行FFT变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱。

4、 三角滤波器系数的求取 定义若干个带通三角滤波器(k),0<=m<=M,M为滤波器个数,其中心频率为f(m),每个带通三角滤波器的频率响应为 且满足Mel(f(m))-Mel(f(m-1))=Mel(f(m+1))-Mel(f(m)) 求得滤波系数为m(i),i=1,…,p,p为滤波器阶数 5、 三角滤波并进行离散余弦变换DCT

第三讲-器件模型参数的优化提取详解

元器件模型参数的优化提取微电子学院贾新章 (2013. 11 )

PSpice中的模型和模型参数库 一、概述:为元器件建立模型参数的步骤 二、采用Model Editor分组提取模型参数 三、基于器件物理原理计算部分模型参数 四、建立适用于高级分析的元器件模型参数描述 五、元器件模型参数的综合优化提取。 六、为元器件模型描述建立元器件符号 七、将新建模型设置为PSpice仿真可以调用的库文件

一、概述:为元器件建立模型参数的步骤 第一步:优化提取模型参数 1、采用Model Editor分组提取模型参数; 2、基于器件物理原理,计算部分模型参数; 3、为元器件建立适用于高级分析的模型参数描述; 4、采用PSpice/Optimizer进行一次综合优化提取。 (采用前面结果作为优化提取模型参数的最佳初值)第二步:建立供Capture绘制电路图调用的元器件符号 第三步:将新建模型设置为PSpice仿真可以调用的库文件。下面将分别介绍每一部分的操作方法。

PSpice中的模型和模型参数库 一、概述:为元器件建立模型参数的步骤 二、采用Model Editor分组提取模型参数 三、基于器件物理原理计算部分模型参数 四、建立适用于高级分析的元器件模型参数描述 五、元器件模型参数的综合优化提取。 六、为元器件模型描述建立元器件符号 七、将新建模型设置为PSpice仿真可以调用的库文件

二、采用Model Editor分组提取模型参数 Model Editor模块可以对其支持的几种元器件,依据元器件的各种端特性数据,分组优化提取相应当模型参数数据。 (1) 调用MODEL EDITOR模块; (2) 选择执行Model/New命令,从对话框中设置模型类型。

基于小波变换的语音特征参数提取

基于小波变换的语音特征参数提取 【摘要】将小波变换的多分辨率特性用于改进Mel频率倒谱系数MFCC的前端处理中,给出了一种新的语音特征参数——小波MFCC。其特点在于采用小波变换、分层FFT和频率合成代替原来MFCC中的FFT部分,使频谱分辨率提高了一倍。试验证明,小波MFCC特征参数在较大词汇量情况下,其识别率优于MFCC特征参数的结果。 【关键词】小波分析;语音识别;MFCC Abstract:The multi resolution characteristic of wavelet is used to improve the front end processing of MFCC.So,a new feature parameter wavelet MFCC is presented in this paper.It uses wavelet transform,multi degree FFT and frequency synthesis to replace original FFT of MFCC,and increases spectrum resolution by 2.The experiments demonstrate that robustness and recognition rate of wavelet MFCC feature are better than one of MFCCs in large vocabulary. Key words:wavelet transformation;speech recognition;MFCC 1.引言 在语音识别和说话人识别中,基于Mel频率的倒谱系数MFCC(mel frequency cepstrum cofficient)是将人耳的听觉感知特性和语音的产生机制相结合,与其他特征参数相比较,体现了较优越的性能,在无噪声情况下能得到较高的识别率,因此是目前使用最广泛的特征参数。但是,随着识别词汇量的增大,这种参数的识别性能急剧地下降。说明这种特征不适合大词汇量识别。 近年来,小波变换被广泛应用于语音处理中,主要包括:利用小波变换对听觉感知系统进行模拟,对语音信号去噪,进行清、浊音判断。因为小波变换的局部化性质,可以在很小的分帧长下对语音信号仍具有较高的频谱分辨率,本文将小波变换技术引入到MFCC特征参数中,来进行语音识别系统的特征提取,可以提高对辅音区的识别效果。因此,用WMFCC特征参数作为隐马尔可夫(HMM)识别网络的输入信号,识别效果明显提高。 2.MFCC特征参数 图1所示为MFCC特征参数的计算流程图。 图1 MFCC特征参数的提取 人类听觉系统对声音高低的感知与实际频率是一种非线性映射关系[1],而与Mel频率成线性关系。根据人的听觉机理来进行Mel滤波器组的频带划分,模拟不同频率下人耳对语音的感知特性。实际频率和Mel频率的转换关系用公

图像特征提取总结

图像常见xx方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 (一)特点: 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。 一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。 由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。 (二)常用的xx与匹配方法 (1)颜色直方图 其优点在于: 它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于: 它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间: RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法:

直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 (2)颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。 在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系 (3)颜色矩 这种方法的数学基础在于: 图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。 (4)颜色聚合向量 其核心思想是: 将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。 (5)颜色相关图 二纹理特征 (一)特点: 纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行

如何精确提取revit模型中柱、梁、板的工程量

郑州高铁站东广场BIM小组用REVIT模型 精确提取柱、梁、板工程量 一、项目简介 郑州综合交通枢纽地下交通工程(东广场)位于郑州东站站房东侧,长途汽车站南侧。107国道以东、圃田西路以西、动力南路与动力北路之间的东广场地块内,周边用地主要为二类居住用地、行政办公用地以及商业金融用地。107国道从东广场西侧下穿,地铁1号线郑州东站至博学路站盾构区间从东广场地块中部穿过。总建筑面积113367.8㎡,其中地下一层建筑面积为36510.6㎡、地下二层(停车场)建筑面积为38428.6㎡、地下三层(停车场)建筑面积为38428.6㎡。主要结构类型为钢筋混凝土结构。 二、BIM小组介绍 本项目BIM小组成员有施工单位中铁21局、BIM咨询服务单位河南金途建筑信息技术有限公司组成。其中河南金途建筑信息技术有限公司是一家专注于提供BIM技术咨询服务的公司,是河南省首批独

立的第三方专业咨询服务机构,拥有大批具有施工经验及BIM应用经验的工程师;中铁二十一局集团有限公司,隶属于国务院国资委中国铁建股份有限公司,是集工程建设、科研开发、房地产开发、矿产资源开发、商贸经营等于一体的国有特大型建筑施工企业集团。两家合作可谓强强联合。 三、如何精确提取结构柱的工程量 东广场项目使用的主要建模软件是市场上主流的BIM应用软件,欧特克公司开发的REVIT,熟知这款软件的人大概都了解Revit模型板扣减柱、板扣减梁等扣减规则是不符合国内算量要求的。为了解决板扣减柱这个难题,我们是对revit自带的结构柱族做了参数修改,设置了柱高的报告参数、柱截面面积、柱体积等参数。欧特克给出报告参数解释:报告参数是一种参数类型,其值由族模型中的特定尺寸标注来确定。报告参数可从几何图形条件中提取值,然后使用它向公式报告数据或用作明细表参数。也就是说我们设置了柱高的报告参数后,其值是不受板剪切影响的。结构柱族参数及明细表如下图:

BPSK参数提取

三,二相编码雷达脉冲信号 载波频率f0=10e6Hz;采样频率fs=100e6Hz;子码宽度t=0.5e-6s;七位巴克码进行相位调频m=[-1 -1 -1 1 1 -1 1];占空比为D=0.5 图形如下图(1)所示 05001000150020002500 -4 -3 -2 -1 1 2 3 4 5 6 (1) 参数提取: 一,脉冲信号检测 计算瞬时功率()n E 瞬时功率()n E 的图形如下图(2)所示 0500100015002000250030003500 010 20 30 40 50 60 70 80 (2) 总功率P

P =6.5963e+04 平均功率P1 P1 =20.6135 设置自适应检测门限T P Pt =10.3068 根据信噪比公式?? ? ??=PN PS SNR lg 10可以计算出所产生信号的信噪比SNR=5. 各脉冲到达时间Nis 和结束时间Nie(单位是点数) Nis = 2 702 1402 2102 Nie = 351 1051 1751 2851 二,脉冲包络分析 计算各脉宽TOAi 和平均脉宽tao(单位是点数) TOAi =350 350 350 350 tao = 350 上升时间Nrsi 和下降时间Ndoi(单位是点数) Nrsi = 396 396 396 396 Ndoi =0

顶部峰值Pti 和谷值Pli Pti =61.2718 61.2718 61.2718 61.2718 Pli =37.0954 37.0954 37.0954 37.0954 最大峰谷比Rt =1.6517 最小峰谷比Rl =1.6517 平均峰谷比Rtl = 1.6517 三,脉冲频谱分析 对二相编码雷达脉冲信号进行FFT 变换得到图形如下图(3)所示,对FFT 变换后的函数做最大值检测,得到最大值在34点数处,换算成频率为9.885e6Hz 。存在一定的误差 -50-40-30-20-100 1020304050010 20 30 40 50 60 70 80 90 100 f in MHz (3)

MOSFET模型参数的提取

MOSFET 模型参数的提取 计算机辅助电路分析(CAA )在LSI 和VLSI 设计中已成为必不可少的手段。为了优化电路,提高性能,希望CAA 的结果尽量与实际电路相接近。因此,程序采用的模型要精确。SPICE-II 是目前国内外最为流行的电路分析程序,它的MOSFET 模型虽然尚不完善,但已有分级的MOS 1到3三种具一定精度且较实用的模型。确定模型后,提取模型参数十分重要,它和器件工艺及尺寸密切相关。尽管多数模型是以器件物理为依据的,但按其物理意义给出的模型参数往往不能精确的反映器件的电学性能。因此,必须从实验数据中提取模型参数。提取过程也就是理论模型与实际器件特性之间用参数来加以拟合的过程。可见,实测与优化程序结合使用应该是提取模型参数最为有效的方法。 MOS FET 模型参数提取也是综合性较强的实验,其目的和要求是: 1、熟悉SPICE-II 程序中MOS 模型及其模型参数; 2、掌握实验提取MOS 模型参数的方法; 3、学习使用优化程序提取模型参数的方法。 一、实验原理 1、 SPICE-II 程序MOS FET 模型及其参数提取 程序含三种MOS 模型,总共模型参数42个(表1)。由标记LEVEL 指明选用级别。一级模型即常用的平方律特性描述的Shichman-Hodges 模型,考虑了衬垫调制效率和沟道长度调制效应。二级模型考虑了短沟、窄沟对阈电压的影响,迁移率随表面电场的变化,载流子极限速度引起的电流饱和和调制以及弱反型电流等二级效应,给出了完整的漏电流表达式。三级模型是半经验模型,采用一些经验参数来描述类似于MOS2的二级效应。 MOS 管沟道长度较短时,需用二级模型。理论上,小于8um 时,应有短沟等效应。实际上5um 以下才需要二级模型。当短至2um 以下,二级效应复杂到难以解析表达时,启用三级模型。MOS 模型参数的提取一般需要计算机辅助才能进行。有两种实用方法,一是利用管子各工作区的特点,分段线性拟合提取;二是直接拟合输出特性的优化提取。其中,直流参数的优化提取尚有不足之处:优化所获仅是拟合所需的特定参数,物理意义不确,难以反馈指导工艺和结构的设计;只适合当前模型,模型稍做改动,要重新提取,不利于分段模型;对初值和权重的选取要求很高。 2、模型公式 N 沟MOSFET 瞬态模型如图1所示。当将图中二极管和漏电流倒向,即为P 沟模型。若去掉其中电容即变为直流模型。 (1) 一般模型(MOS1模型) 漏电流表达式分正向工作区和反向工作区两种情况: 1) 正向工作区,0 Ds V 前提下: 表1. MOS 场效应晶体管模型参数表

相关文档
最新文档