一种新型的AlGaN/GaN HEMTs小信号建模与参数提取方法_氮化镓器件打信号参数的测定方法-程序员宅基地

技术标签: 文献阅读  器件建模  

来源:A new small-signal modeling and extraction methodin AlGaN/GaN HEMTs(SOLID-STATE ELECTRONICS 07年)

摘要
本文提出了一种新型的用于GaN HEMTs(氮化镓高电子迁移率晶体管)的小信号等效电路,包含20个元件,并相应地开发了一种直接提取方法。与基于GaAs的传统16元件HEMT小信号模型(SSM)相比,新模型考虑了两个额外的寄生分布式电极间外在电容以及两个附加反馈内在电阻。通过对宽频率和偏置范围内的模拟小信号S参数与实测数据进行对比验证了该新型GaN HEMTs建模方法。
关键词:GaN HEMT;建模;参数提取;误差分析
在这里插入图片描述

文章的研究内容

这篇文章提出了一种新的针对氮化镓高电子迁移率晶体管(AlGaN/GaN HEMTs)的小信号等效电路建模和参数提取方法。研究内容主要包括以下几个方面:

  1. 新模型的提出:文章提出了一个包含20个元件的小信号等效电路模型,与传统的基于砝码的HEMT小信号模型(SSM)相比,新模型考虑了两个寄生分布式互电极外特性电容和两个额外的反馈内禀电阻。

  2. 直接提取方法的开发:为了与新模型相匹配,文章开发了一种直接提取方法。这种方法通过在不同的偏置条件下测量S参数来提取等效电路的参数。

  3. 模型验证:新提出的GaN HEMTs建模方法通过与在宽频率和偏置范围内测量的小信号S参数数据进行比较来验证其有效性。

  4. 参数提取:文章详细描述了如何从测量的S参数中提取等效电路的参数,包括外特性电容、内特性电容、寄生电感和电阻等。

  5. 误差分析:对提取过程的误差进行了分析,并与传统的16元件模型进行了比较,以展示新模型在高频应用中的准确性和稳定性。

  6. 简化模型的建议:考虑到低频和中频范围内的应用,文章还提出了一个更简单的16元件集总小信号等效电路,并相应地简化了提取技术。

  7. 实验结果:使用Agilent 8722ET参数分析仪对AlGaN/GaN HEMTs进行了建模,测量频率范围从50 MHz到21 GHz。实验结果与模拟数据在宽频率范围内(50 MHz到21 GHz)吻合良好。

文章的研究目的是为了设计电路、评估工艺技术和优化器件性能,提供了一种准确的小信号等效电路提取方法。

文章的创新点

  1. 新的小信号等效电路模型:提出了一个包含20个元件的新型小信号等效电路模型,这个模型特别适用于高频应用的AlGaN/GaN HEMTs。这个模型比传统的16元件模型更全面,考虑了额外的寄生电容和反馈电阻。

  2. 直接提取方法:开发了一种直接提取方法,该方法能够在不同的偏置条件下从S参数测量中准确提取等效电路的参数。这种方法避免了在强截止偏置条件下从单一S参数测量中提取寄生电阻的不确定性。

  3. 频率依赖效应的考虑:在提取内禀参数时,考虑了频率分散效应,特别是在线性偏置条件下。这通过简单的线性数据拟合来实现,提高了模型的准确性。

  4. 简化的16元件模型:为了适应低频和中频范围的应用,文章还提出了一个简化的16元件集总小信号等效电路模型,并简化了相应的参数提取策略。

  5. 实验验证:通过实验验证了新模型和提取方法的有效性。实验结果与模拟数据在宽频率范围内(50 MHz到21 GHz)吻合良好,证明了新方法的准确性和可靠性。

  6. 误差分析:对提取过程的误差进行了详细的分析,并与传统模型进行了比较,展示了新模型在整个频率范围内的优越性能。

文章的研究方法

  1. 模型构建:首先,提出了一个包含20个元件的新型小信号等效电路模型,这个模型特别为AlGaN/GaN HEMTs设计,以适应高频应用。

  2. 参数提取策略:开发了一种直接提取方法,用于从S参数测量中获取等效电路的参数。这包括在不同的偏置条件下(如冷态条件和不同频率范围)测量S参数。

  3. 外特性参数提取:从在冷态条件下测量的S参数中提取外特性元件,包括寄生电容和电感。这涉及到在特定偏置条件下(Vds = 0和Vgs < Vth)测量Y参数,并从中确定电容值。

  4. 内特性参数提取:在考虑频率分散效应的基础上,通过简单的线性数据拟合来提取内特性参数。这包括在低频(兆赫兹范围)确定栅极二极管的反馈电导,以及在高频范围内从Y参数中提取内特性元件。

  5. 简化模型:为了适应低频和中频范围的应用,提出了一个简化的16元件集总小信号等效电路模型,并相应地简化了参数提取策略。这涉及到在低频范围内简化内特性Y参数的表达式,并从中直接提取参数。

  6. 实验验证:使用Agilent 8722ET参数分析仪对AlGaN/GaN HEMTs进行了实验测量,以验证新模型和提取方法的有效性。测量频率范围从50 MHz到21 GHz。

  7. 误差分析:对提取过程的误差进行了分析,并将新模型的结果与传统的16元件模型进行了比较,以展示新模型在整个频率范围内的优越性能。

  8. 结果比较:将测量数据与模拟结果进行比较,以验证模型的准确性。通过比较不同偏置条件下的测量和模拟S参数,确保了模型的可靠性。

文章的结论

  1. 模型的提出:文章成功提出了一个20元件的分布式小信号等效电路模型,用于高频应用的AlGaN/GaN HEMTs。这个模型通过考虑额外的寄生电容和反馈电阻,提供了对HEMTs特性更全面的描述。

  2. 提取方法的开发:文章开发了一种简单但高效的直接提取技术,用于从测量的S参数中提取等效电路的参数。这种方法在不同频率范围内的冷态条件下进行测量,以提取外特性元件,并考虑了频率分散效应来提取内特性元件。

  3. 模型验证:通过与测量数据的比较,新模型在50 MHz到21 GHz的宽频率范围内与模拟数据吻合良好,证明了模型的准确性和可靠性。

  4. 简化模型的建议:针对低频和中频范围的应用,文章提出了一个简化的16元件集总小信号等效电路模型,并简化了提取技术。这个简化模型在低频应用中也表现出了足够的准确性。

  5. 误差分析:文章对两种模型(20元件和16元件)在高频和低频范围内的误差进行了分析。结果显示,20元件模型在整个频率范围内提供了更好的测量与模拟一致性,误差大约为8%,并且对增益的准确估计低于5%。

  6. 应用的适用性:新提出的20元件模型在高频应用中证明了其准确性和稳定性,而简化的16元件模型也适用于低频和中频范围,具有较好的性能。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_45293089/article/details/136275670

智能推荐

【JavaScript】JS执行机制--同步与异步_js 同步和异步的展示-程序员宅基地

文章浏览阅读5.6k次,点赞41次,收藏30次。## 单线程`JavaScript`语言具有单线程的特点,同一个时间只能做一件事情。这是因为`JavaScript`脚本语言是为了处理页面中用户的交互,以及操作`DOM`而诞生的。如果对某个`DOM`元素进行添加和删除,不同同时进行。应该是先添加,再删除,事件有序。单线程的特点是所有任务都需要排队进行,前一个任务结束,才会执行后一个任务。这样会导致问题:如果JS执行时间过长,这样会导致页面渲染不连贯,导致页面渲染加载阻塞。_js 同步和异步的展示

使用积分图像进行自适应二值化[Derek Bradley, Gerhard Roth, 2007]_积分二值化-程序员宅基地

文章浏览阅读3k次。忽略光照不均的影响做二值化,没想到自己毕设设计的算法竟然在07年就有人搞出来了、囧~原文地址: http://people.scs.carleton.ca/~roth/iit-publications-iti/docs/gerh-50002.pdf OpenCV源码地址: http://blog.csdn.net/qiaxi/article/details/49207243 ..._积分二值化

js 字符串转换成数字的三种方法_autojs字符转数字-程序员宅基地

文章浏览阅读3.9k次。随时随地阅读更多技术实战干货,获取项目源码、学习资料,请关注源代码社区公众号(ydmsq666)、博主微信(guyun297890152)、QQ技术交流群(183198395)。from:https://www.cnblogs.com/zfyouxi/p/4348280.html在js读取文本框或者其他表单数据的时候获得的值是字符串类型的,比如两个文本框a和b,假设获得a的value值..._autojs字符转数字

linux延时函数及头文件,linux延时函数-程序员宅基地

文章浏览阅读1.4k次。应用程序的延时函数:头文件: #include 函数:unsigned int sleep (unsigned int seconds);//n秒此外:int usleep (useconds_t usec);//n微秒实际上用select不错的选择,如下:#include#includevoid Sleep(int seconds,int useconds){struct timeval tim..._linux 用户层ms延时需要引入那个头文件

pytorch和tensorflow有什么区别?_pytorch和tensorflow的区别-程序员宅基地

文章浏览阅读4.2w次,点赞27次,收藏227次。PyTorch 是一种用于构建深度学习模型的功能完备框架,同时tensorflow也是常用的框架之一。大家在学习的时候,尝尝会用来做比较。那么pytorch和tensorflow有什么区别?大家所关心的问题,解答来了。pytorch和tensorflow有什么区别?创建和运行计算图可能是两个框架最不同的地方。在PyTorch中,图结构是动态的,这意味着图在运行时构建。而在TensorFlow中,图结构是静态的,这意味着图先被“编译”然后再运行。举一个简单的例子,在PyTorch中你可以用标准的Python语_pytorch和tensorflow的区别

随便推点

Struts1的路径映射详解_struts1 path-程序员宅基地

文章浏览阅读3.8k次,点赞2次,收藏9次。首先介绍下struts1种xml配置的相关概念:• Action 的path:ActionServlet 根据该属性来转发用户的请求,即将用户请求转发与之同名的Action 。同名的意思是:将请求的.do 后缀去掉,匹配Action 的path属性值。• Action 的name:此处的name 属性并不是Action 本身的名字,而是与Action 关联的ActionForm。因此该name 属..._struts1 path

QoS---拥塞管理、拥塞避免_qos流队列模板-程序员宅基地

文章浏览阅读2.1k次,点赞2次,收藏32次。实现拥塞管理使用队列调度技术实现拥塞避免使用尾丢弃一、拥塞管理拥塞产生的场景:1、从高速率链路迁到低速率链路2、流量汇聚,从一个不满足现有带宽需求的接口转发出去通过分类和标记,将不同业务的流量报文划分在不同队列中。不同队列的报文如何从接口发出、先后顺序如何。如果出现大量的业务流量需要从同一个接口发出,如何保证高优先级的流量显出,又如何保证低优先级的流量可以顺利发出。这里就涉及到队列调度技术队列调度技术:在设备的出方向实现,利用设备的缓存形成软件队列(只在出方向存在缓存,入方向是没有缓存技术)_qos流队列模板

数据库设计--实体关系图(ERD)_er图中,实体,属性,联系分别用-程序员宅基地

文章浏览阅读10w+次,点赞53次,收藏232次。1、E-R图的定义实体关系图:简记E-R图是指以实体、关系、属性三个基本概念概括数据的基本结构,从而描述静态数据结构的概念模式。 –百度百科2、E-R的使用方法E-R图为实体-联系图,提供了表示实体型、属性和联系的方法,用来描述现实世界的概念模型。实体关系图表示在信息系统中概念模型的数据存储。 –百度百科2.1E-R图表示法(Chen’s模型)_er图中,实体,属性,联系分别用

Matlab 中卷积运算傅里叶变换的一些验证_matlab傅里叶变换代替图像的卷积计算-程序员宅基地

文章浏览阅读4.8k次,点赞2次,收藏4次。对于傅里叶变换我们都知道时域的卷积为频域的乘积,但是对于离散傅里叶变换来说就存在选取区间的问题,这时使用循环卷积。稍微了解一些循环卷积知道该定理依然满足时域卷积频域相乘,但是选取区间是一个重要问题,至少是一个需要注意的问题。文章目录问题一、一维情况验证二、二维情况问题在实现图像卷积之后傅里叶变换计算的时候遇到了需要分开运算的问题,分别运算卷积图和卷积核傅里叶变换,但是二者不一样大,使用psf2otf函数,对于其具体的运作原理不是很了解。于是做了相关的验证。一、一维情况验证a = [1,2,0,_matlab傅里叶变换代替图像的卷积计算

论文笔记:A Lip Sync Expert Is All You Need for Speech to Lip Generation In The Wild-程序员宅基地

文章浏览阅读1.9k次,点赞6次,收藏8次。论文笔记:A Lip Sync Expert Is All You Need for Speech to Lip Generation In The Wild_a lip sync expert is all you need for speech to lip generation in the wild

解决Android Studio 不自动提示问题_android studio 没有提示-程序员宅基地

文章浏览阅读4.2k次,点赞6次,收藏10次。解决Android Studio 不自动提示问题第一种 :一般是由于Android ButterKnife Zelezny插件导致的,在Settings=>Plugins里卸载掉后File---restart IDE 解决!_android studio 没有提示

推荐文章

热门文章

相关标签