基于遗传算法的BSIM SOI模型参数提取

提出了一种提取BSIM SOI模型参数的新方法,该方法基于遗传算法和局部优化法的结合,同时具有全局优化和局部优化的优点,提取的参数物理意义明确,并且容易得到全局最优解．该方法计算简单,不需要对模型进行深入了解和丰富的参数提取经验,易于推广使用．对用该方法得到的SOI模型进行了模拟,并将模拟结果与1.2μm CMOS/SOI测试结果进行对比,二者吻合很好,SOI器件特有的kink效应也得到了很好的拟合．     

基于器件仿真的参数提取方法研究

介绍器件参数提取的意义,并对基于工艺的参数提取和基于器件仿真的参数提取两种方法进行了比较。根据0.35 μm SOI CMOS工艺参数,构造出部分耗尽SOI NMOS结构。基于BSIM SOI模型采用局部优化,单器件提取的策略进行参数提取。最后通过将仿真与实际测试得到的参数比较,验证了该方法的准确性。     

基于粒子群优化算法的BSIM SOI模型参数提取

本文给出一种基于粒子群优化算法的BSIM SOI MOSFETs模型参数提取方法.该方法采用全局优化策略,计算简单,对初值依赖性低,使用浮点数编码方法,避免了数码转换时所出现的误差.与遗传算法参数提取相比,粒子群优化算法无需进行交叉、变异等操作,容易理解,易于实现,且收敛速度更快.对用该方法得到的参数值代入器件模型进行了计算,计算结果与测试结果吻合很好.本方法亦可用作对其他种类的MOSFETs进行全局参数提取.     

0.35μm SOI CMOS器件建模技术研究

介绍了SOI技术的优势和器件建模的意义.针对0.35μmSOI CMOS工艺的开发,设计了用于建模的测试芯片.对于SOIMOSFET中存在的自加热等寄生效应设计了参数提取的流程,并设计了相应的测试方法.在得到所需的测试数据后,采用局部优化方法进行参数提取.最后通过模型仿真结果和测试数据的比较证明了建立的0.35μm SOI CMOS模型有较高的精度.     

李瑞贞； 李多力； 杜寰； 海潮和； 韩郑生；

阈值电压是MOSFET最重要的参数,阈值电压模型是MOSFET模型中最重要的部分.目前模型参数的提取主要通过商业软件来完成,商业软件由于价格昂贵以及内部机理的复杂性限制了它们的应用.本文提出了遗传算法和局部优化相结合来提取BSIM SOI阈值电压模型参数的方法,该方法简单易用,且具有较高的精确度,适合推广使用.     

基于MPI的全局并行遗传算法的SOI MOS器件模型参数提取

提出了将全局并行遗传算法应用于模型参数提取,并应用于标准的1.2μm CMOS/SOI工艺的SOI MOSFET器件,一次性提取BSIMSOI3模型主要的42个直流参数.实验结果表明,该方法不依赖参数初始值、精度高、效率高,降低了SOI模型参数提取工作的难度,具有很强的通用性,易于移植优化及数据拟合.     

基于混合遗传算法的SOI MOSFET模型参数提取

通过将遗传算法和模拟退火算法相结合得到了改进的遗传算法,这种改进的遗传算法可用于提取SOI MOSFET模型参数.用这种方法提取了基于中国科学院微电子研究所开发的标准的1.2μm CMOS/SOI工艺的SOI MOSFET模型参数,用此模型模拟的数据与测试数据吻合很好,与商业软件相比精度得到了明显的提高.这种方法与商业软件使用的传统的方法相比,不需要对SOI MOSFET模型有非常深入的了解,也不需要复杂的计算.更深入的验证表明,该模型适用的器件尺寸范围很广.     

基于混合遗传算法的SOI MOSFET模型参数提取

通过将遗传算法和模拟退火算法相结合得到了改进的遗传算法,这种改进的遗传算法可用于提取SOI MOSFET模型参数.用这种方法提取了基于中国科学院微电子研究所开发的标准的1.2μm CMOS/SOI工艺的SOI MOSFET模型参数,用此模型模拟的数据与测试数据吻合很好,与商业软件相比精度得到了明显的提高.这种方法与商业软件使用的传统的方法相比,不需要对SOI MOSFET模型有非常深入的了解,也不需要复杂的计算.更深入的验证表明,该模型适用的器件尺寸范围很广.     

深亚微米全耗尽SOI MOSFET参数提取方法的研究

基于BSIMSOI对深亚微米全耗尽SOI MOSFET参数提取方法进行了研究,提出一种借助ISE器件模拟软件进行参数提取的方法。该方法计算量小,参数提取效率高,不需要进行繁琐的器件数学建模,易于推广。将该方法提出的模型参数代入HSPICE进行仿真,模拟结果与实验数据相吻合,证明了这种方法的有效性和实用性。     

用模拟退火算法从S参数提取HFET小信号等效电路模型参数

微波集成电路和微波器件的设计需要准确地提取 HFET的小信号等效电路模型参数 .采用带回火的模拟退火算法从 S参数提取 HFET小信号等效电路模型参数 ,得到了高质量的解 .计算结果是全局最优解 ,摆脱了初始值的影响 ,并且克服了局部优化算法遇到的不收敛或收敛到错误解的问题 .利用测量得到的栅电阻 ,计算结果的精度可以进一步提高 .这个算法同样也适用于 HBT、电容和电感等器件模型参数的提取     

基于危险模式的免疫算法模型

阐述了危险模式的概况及运行机理，提出了一种新型的基于危险模式的自适应免疫算法模型，并通过一个自适应入侵检测系统实例来对算法进行描述。     

Comparison between Equivalent Charge Model and Equivalent Dipole Model on Realistic Head Model

Equivalent source layer(ESL) imaging is an important kind of high-resolution electroencephalogram(EEG) imaging.It consists of two categories:equivalent dipole layer(EDL) and equivalent charge layer(ECL).Both of them are assumed to be located on or near the cortical surface and have been proposed as high-resolution imaging modalities or as intermediate steps to estimate the epicortical potential.Here,EDL and ECL based on a realistic head model are presented,both simulations and real data experiment are done to compare these two models.The results show that ECL can provide higher spatial resolution about source location than EDL does.     

Port Based Actor Model with Kahn Process Network Model and Decidable Dataflow Model

This paper proposes a transitional actor model from legacy code to decidable dataflow. In addition, the proposed actor model provides dynamic behavior and top down design with static analysis such as deadlock detection and buffer memory size computation by combining Kahn process network (KPN) model and decidable dataflow (DCDF) model. In the proposed model, each port can have its own model of computation, which is different from the existing actor based models, so that it is called port based actor (PBA) model. Each port has either Kahn process network model or decidable dataflow model. A port group for KPN ports is introduced to specify KPN ports that are internally related. The proposed port based actor model is a generalized actor model extended from constant rate dataflow with intermediate ports (CRDF-IP) in which through the intermediate ports, an actor can consume and produce samples arbitrary times per execution. The decomposition of a PBA graph into DCDF graphs allows to apply static analysis, scheduling, and code generation methods developed for DCDF model. This paper explains formal definitions and static analysis for PBA model. Moreover, scheduling and efficient code generation methods are also explained. To validate that the proposed model works, PBA model has been implemented and an H.263 video encoder algorithm is specified and synthesized in PBA model.     

Wi-Fi商业模式创新:广告模式

虽然Wi-Fi是一项广受欢迎的技术,但是如何让Wi-Fi盈利至今还是一个值得探讨的话题.本文探讨了Wi-Fi一种新的商业应用--广告模式,即利用WiFi的一些特征来进行广告发布的活动,同时探索了一些创新的广告表现形式,为Wi-Fi的进一步发展提供思路.     

密码学中的随机预言模型与标准模型

随机预言模型与标准模型是密码学可证明安全理论中非常重要的两类模型。在此对这两种模型进行了描述,并研究了运用它们证明密码方案或协议安全性时所采取的不同技术,包括随机预言模型在加密和数字签名方案中的应用研究,以及标准模型下可证明安全性理论在加密方案中的应用研究。此外对进一步研究方向进行了展望。     

XP模型与传统瀑布模型的比较

主要介绍了一种面向客户的新颖的软件工程模型-XP模型（Extreme Programming Model)的主要特点，并将其与传统的瀑布模型进行了比较。     

Model development

In 2001, the Object Management Group (OMG), an IT industry standards body, came up with the Model Driven Architecture (MDA), an approach to software development grounded on the principles of high-level abstraction and hardware independence. Using MDA, teams of developers, it was proposed, would build a model of their system, which would then be used to create not just working prototypes but almost all the software code of the finished application. In its current version, 1.5, UML lacks the full functionality needed to realise the MDA ideal. The next release, UML 2, is intended to overcome the deficiencies of UML 1.5, adding features to fully support MDA and allow tools to generate working software code from UML models in a standard way.     

关于黑板模型和分布式黑板模型

本文分析了黑板模型的结构和特点,评述了黑板模型发展的历史和现状,并提出了一种新的问题求解模型——分布式黑板模型.     

PCNN参数自适应设定及其模型的改进

 脉冲耦合神经网络(PCNN)模型在数字图像处理中有着广泛应用,但基本都是从网络的外在特性出发并结合一定的实际应用对其进行研究和改进,缺乏对模型本身数学特性的分析.本文从PCNN模型的迭代方程出发,对无耦合连接和耦合连接两种状态下的PCNN数学模型进行了点火机理分析,揭示了PCNN模型本身的数学耦合特性(点火阶梯)以及其对网络生物学特性(脉冲发放特性)会造成干扰和影响的现象,并分析了这种干扰和影响产生的机理和消除方法,同时提出PCNN用于图像分割时参数自适应设定的方法.最后给出了更能体现神经网络生物学特性的PCNN改进模型,将其用于Lena等图像的分割处理中,取得了良好的效果.     

Estimation and Model Selection for an IDE-Based Spatio-Temporal Model

A state space model of the stochastic spatio-temporal Integro-Difference Equation (IDE) is derived. Based on multidimensional sampling theory, the dimensions of the state space and parameter space of the model are identified from the spatial bandwidth of the system and the support of the redistribution kernel of the IDE. When both the bandwidth and the kernel support are unknown, a method to propose a number of state space and parameter space dimensions is presented. These chosen dimensions result in a number of candidate model structures. Bayesian model selection, making use of Bayes factor, the data augmentation algorithm and importance sampling, is then used to identify the model best suited to represent the data in a maximum a posteriori sense.