基于Neuro-SM的新型HBT晶体管直流特性建模

为在不降低建模设计要求的条件下改进建模方法,提高建模精度,对神经网络空间映射(neuro-space mapping,Neuro-SM)直流特性建模方法进行优化,提出了一种适用于异质结双极型晶体管(heterojunction bipolar transistor,HBT)的新型Neuro-SM模型,该方法在输入映射基础上增加了输出映射神经网络,并将该模型在HBT晶体管实例中进行验证。结果表明:输入输出映射网络可以共同作用将粗模型的电流电压信号映射到细模型,新型Neuro-SM模型可以自动调整输入信号以准确地匹配设备数据;通过HBT晶体管的实验证明,新型Neuro-SM模型在直流特性建模中可以达到优化的效果,且建模误差由传统Neuro-SM模型的0.744%降低到0.477%,比传统Neuro-SM模型提高了精度。