欢迎来到天天文库
浏览记录
ID:33362750
大小:1.23 MB
页数:46页
时间:2019-02-25
《多尺度熵方法用于电子器件噪声分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要电子器件的内部噪声(特别是以l炉噪声为代表的低频噪声)中包含了大量关于器件质量和可靠性的信息.传统的噪声分析使用的是基于功率谱的频域分析法,这种方法只注重噪声信号的整体关联性,而忽略了噪声信号时间序列的内在复杂度。通常用熵方法来表征时间序列的无规则程度和复杂度.以前提出的基于熵的分析方法都是单尺度分析,这些方法在处理实际噪声信号时会得到不一致的结果.而实际的噪声信号如1矿噪声具有不同时间尺度上的相关性,其内在的复杂度与多尺度上的相关性有着密切的联系。为了克服基于单尺度的熵分析方法所存在的问题,并考虑到时间序
2、列内在的不同尺度上的相关性,本文将多尺度熵分析方法应用于电子器件噪声分析.本文先分析了多尺度熵方法的原理并提取其算法,然后设计软件实现了算法。通过对白噪声和埘噪声的多尺度熵分析,证明了1矿噪声复杂度大于白噪声的复杂度。根据不同形状的熵曲线,多尺度熵可区分4种噪声模型(分数布朗运动、自组织临界性模型、一维耗散模型和随机电报信号叠加)产生的l矿噪声,也能区分同一模型在不同条件下产生的噪声时间序列。在实际应用中,多尺度熵方法从模型上证明了小尺寸MOSFETI/f噪声是由RTS噪声叠加形成的可能性,这种结果与理论预测完
3、全吻合.此外该方法用于金属互连电迁移噪声信号分析,发现多尺度熵分析方法能表征电迁移过程中噪声类型的变化和因内部机制改变引起的复杂度变化,这比用频率指数r来表征电迁移过程更全面。本文研究为现有的噪声分析方法提供了一种新方法,并从理论和实际信号分析上验证了该方法的正确性和优越性,进一步为电子低频噪声分析及其模型的深入研究和鉴定提供了有效的表征方法.关键词:多尺度熵l矿噪声复杂度噪声表征方法AbstractTheintcriornoiseoftheelectronicdevices(especiallythelow·
4、frequencynoisesuchasi矿noise)containsalargeamountofin】formationofthequantityandreliab/lityofthedevices.Conventionalmethodsforanalyzingthenoisebasedonthepowerspectruminthefrequencydomainfocusonlyonthewholesingularityofnoisesignalbutneglecttheinteriorcomplexity
5、oftimeseries.Usuallyentropyisusedtoindicatetheirregularityandcomplexityoftimeseries.However,traditionalmethodsbasedonentropyalwaysgetdifferentresultswhenprocessingarealsignal,becausetheyarebasedonsingle-scale.Realnoisesignalssuchas1/fnoisehavecorrelationovef
6、differenttimes酏.whoseinteriorcomplexityhascloserelationwithcorrelationOllmulti-scale.Forsolvingthoseproblemsexistedinthetraditionalmethodsbasedfillentropy,multi-scaleentropyapproachjsappliedtoanalysisofthenoiseofelectricdevicesviiththeconsiderationofthecorre
7、lationoverdifferentsc司coftimeseries.Theprincipleofmulti—fx7,aleentropymethodispresentedwithitsarithmetic,whichisrealizedbydesigningsoftware.V-thunappliedtowhitenoiseand1矿noise,itisprovedthatthecomplexityofl/fnoiseismorecomplicatedthanwhitenoise.Accordingtoth
8、edifferent-shapedentropycurves,multi—scaleentropymethod锄notonlydistinguishl/fnoiseproducedbyfourdifferentmodules(Brown,*sOC9Disand嘲butalsonoisetimeseriesgeneratedbythesamemodulesunderdifferentco
此文档下载收益归作者所有