论文部分内容阅读
随着集成电路制造工艺的发展，器件特征尺寸不断减小，非理想效应逐渐凸显，设计难度不断增大。然而，目前市场上缺乏成熟、完备的模拟集成电路自动化设计工具，模拟集成电路的设计主要依靠手工完成，设计效率较低。本文对模拟集成电路的设计与优化方法展开研究，旨在提高模拟集成电路的设计效率，缩短设计周期。
模拟集成电路的设计流程包括拓扑选择、电路参数设计、版图设计、制造和测试等步骤。本文针对前两个步骤展开研究。对于拓扑结构的确定，电路设计者一般从现有的拓扑结构库中选择合适的拓扑。目前模拟电路各个模块的拓扑结构种类较多，一般可以满足普通的设计要求。当电路的某些性能要求较高时，电路设计者一方面可以分析和改进电路拓扑结构，另一方面可以优化电路参数以达到设计指标。由于待调参数较多，电路性能和设计变量之间存在高度的非线性关系，加之电路性能指标之间相互影响、相互制衡，设计者需要在多个互相关联的电路指标中反复权衡，手工调试工作重复而繁琐，对于复杂电路更是如此。因此，研究模拟电路参数自动优化方法对于解放人力、降低时间成本具有重要意义。
本文从复数带通滤波器的设计与优化入手，研究了复数带通滤波器的设计理论，分析了传统有源RC复数带通滤波器的通带纹波较大的原因，并据此改进了传统有源RC复数带通滤波器的拓扑结构。本文从参数优化的角度研究了模拟电路的自动优化方法。在搜索算法方面，本文研究了全局搜索和局部搜索常用算法的原理及实现;在电路性能评估方面，本文基于SPICE仿真、解析模型和机器学习模型探讨了模拟电路参数优化方法中的优化效率和优化精度问题，并提出了两种新的参数自动优化方法。
本文的主要工作如下:
(1)为解决传统结构的复数带通滤波器通带纹波较大的问题，推导了运放增益带宽积有限时低通滤波器向复数带通滤波器转化的频谱搬移公式，通过对交叉耦合电阻值进行修正，并引入与交叉耦合电阻并联的电容，实现了对传统有源RC复数带通滤波器的无源补偿，降低了运放有限的增益带宽积对频谱搬移的非线性影响，有效减小了有源RC复数带通滤波器的通带纹波。基于此补偿方法，采用TSMC0.13μmCMOS工艺设计了一个中心频率为12.24MHz，带宽为9MHz，通带纹波小于1dB的有源RC切比雪夫复数带通滤波器，其仿真及流片测试结果验证了此无源补偿新方法的有效性。
(2)分析了基于SPICE仿真的全局搜索和局部搜索相结合的经典优化方法在优化精度和优化时间成本方面的优势与不足，针对其全局搜索阶段SPICE仿真时间成本大、设计空间覆盖率较低的问题，提出了一种解析模型-仿真混合辅助的模拟电路参数优化方法。该方法采用电路解析模型代替SPICE仿真进行全局优化阶段的电路性能评估，实现了对全局设计空间快速搜索;为弥补解析模型精度有限的不足，选取了全局搜索结果中的可能存在最优点的几个区域进行局部搜索以找到最优解。该方法兼具了解析模型的高效率和SPICE仿真的高精度的优势。为验证该方法的有效性和高效性，本文推导了传统拓扑结构五阶复数带通滤波器的解析模型，并采用该方法对五阶复数带通滤波器进行了参数优化，结果表明，该方法可以明显的速度优势获得与经典优化方法相近的优化结果。
(3)针对传统的基于SPICE仿真的局部搜索方法需要大量串行仿真、优化效率较低的问题，提出了利用局部机器学习模型代替SPICE仿真进行电路性能评估的模拟电路参数优化方法。该方法包括基于SPICE仿真的遗传算法全局优化和基于机器学习模型的局部优化两部分。在全局优化阶段，该方法基于并行SPICE仿真进行全局搜索。在局部优化阶段，该方法利用并行SPICE仿真获得训练数据并训练机器学习模型，然后利用该机器学习模型代替SPICE仿真来评估电路性能，从而将局部搜索所需的串行仿真转化为并行仿真，使局部优化也能充分利用并行计算资源，减少了优化所需时间。
(4)完成了二级轨到轨运放、五阶有源RC切比雪夫复数带通滤波器和三级运放的参数优化。在此过程中，对比了模拟电路参数优化领域两种常用优化方法和本论文提出的基于局部机器学习模型的优化方法在优化效率和优化结果方面的差异，得出如下结论:基于SPICE仿真的遗传算法全局优化方法的优化效率最高，但搜索能力弱于其他两种方法;基于SPICE仿真的全局和局部搜索相结合的经典优化方法可以获得最优的结果，但优化效率较低;本论文提出的结合基于SPICE仿真的遗传算法全局优化和基于机器学习模型局部优化的优化方法可以用少于三分之一的时间获得与经典方法相比拟的结果。
本文的主要创新点如下:
(1)提出了一种有源RC复数带通滤波器的无源补偿方法。通过引入与交叉耦合电阻并联的电容，并对交叉耦合电阻值进行修正，有效减小了有源RC复数带通滤波器的通带纹波。
(2)提出了一种解析模型-仿真混合辅助的模拟电路参数优化方法。在全局优化基于解析模型穷举搜索，实现了对全局搜索空间速度较快、较为充分的搜索。全局搜索的输出选取几个较优区域基于SPICE仿真局部搜索，提高了解的精度。
(3)提出了一种基于仿真的遗传算法全局优化和基于机器学习模型的局部优化相结合的模拟电路参数优化方法。在局部优化中采用并行仿真产生机器学习模型训练数据，并基于机器学习模型进行局部搜索，解决了基于仿真的局部优化方法需要大量串行仿真导致的耗时较长的问题。
模拟集成电路的设计流程包括拓扑选择、电路参数设计、版图设计、制造和测试等步骤。本文针对前两个步骤展开研究。对于拓扑结构的确定，电路设计者一般从现有的拓扑结构库中选择合适的拓扑。目前模拟电路各个模块的拓扑结构种类较多，一般可以满足普通的设计要求。当电路的某些性能要求较高时，电路设计者一方面可以分析和改进电路拓扑结构，另一方面可以优化电路参数以达到设计指标。由于待调参数较多，电路性能和设计变量之间存在高度的非线性关系，加之电路性能指标之间相互影响、相互制衡，设计者需要在多个互相关联的电路指标中反复权衡，手工调试工作重复而繁琐，对于复杂电路更是如此。因此，研究模拟电路参数自动优化方法对于解放人力、降低时间成本具有重要意义。
本文从复数带通滤波器的设计与优化入手，研究了复数带通滤波器的设计理论，分析了传统有源RC复数带通滤波器的通带纹波较大的原因，并据此改进了传统有源RC复数带通滤波器的拓扑结构。本文从参数优化的角度研究了模拟电路的自动优化方法。在搜索算法方面，本文研究了全局搜索和局部搜索常用算法的原理及实现;在电路性能评估方面，本文基于SPICE仿真、解析模型和机器学习模型探讨了模拟电路参数优化方法中的优化效率和优化精度问题，并提出了两种新的参数自动优化方法。
本文的主要工作如下:
(1)为解决传统结构的复数带通滤波器通带纹波较大的问题，推导了运放增益带宽积有限时低通滤波器向复数带通滤波器转化的频谱搬移公式，通过对交叉耦合电阻值进行修正，并引入与交叉耦合电阻并联的电容，实现了对传统有源RC复数带通滤波器的无源补偿，降低了运放有限的增益带宽积对频谱搬移的非线性影响，有效减小了有源RC复数带通滤波器的通带纹波。基于此补偿方法，采用TSMC0.13μmCMOS工艺设计了一个中心频率为12.24MHz，带宽为9MHz，通带纹波小于1dB的有源RC切比雪夫复数带通滤波器，其仿真及流片测试结果验证了此无源补偿新方法的有效性。
(2)分析了基于SPICE仿真的全局搜索和局部搜索相结合的经典优化方法在优化精度和优化时间成本方面的优势与不足，针对其全局搜索阶段SPICE仿真时间成本大、设计空间覆盖率较低的问题，提出了一种解析模型-仿真混合辅助的模拟电路参数优化方法。该方法采用电路解析模型代替SPICE仿真进行全局优化阶段的电路性能评估，实现了对全局设计空间快速搜索;为弥补解析模型精度有限的不足，选取了全局搜索结果中的可能存在最优点的几个区域进行局部搜索以找到最优解。该方法兼具了解析模型的高效率和SPICE仿真的高精度的优势。为验证该方法的有效性和高效性，本文推导了传统拓扑结构五阶复数带通滤波器的解析模型，并采用该方法对五阶复数带通滤波器进行了参数优化，结果表明，该方法可以明显的速度优势获得与经典优化方法相近的优化结果。
(3)针对传统的基于SPICE仿真的局部搜索方法需要大量串行仿真、优化效率较低的问题，提出了利用局部机器学习模型代替SPICE仿真进行电路性能评估的模拟电路参数优化方法。该方法包括基于SPICE仿真的遗传算法全局优化和基于机器学习模型的局部优化两部分。在全局优化阶段，该方法基于并行SPICE仿真进行全局搜索。在局部优化阶段，该方法利用并行SPICE仿真获得训练数据并训练机器学习模型，然后利用该机器学习模型代替SPICE仿真来评估电路性能，从而将局部搜索所需的串行仿真转化为并行仿真，使局部优化也能充分利用并行计算资源，减少了优化所需时间。
(4)完成了二级轨到轨运放、五阶有源RC切比雪夫复数带通滤波器和三级运放的参数优化。在此过程中，对比了模拟电路参数优化领域两种常用优化方法和本论文提出的基于局部机器学习模型的优化方法在优化效率和优化结果方面的差异，得出如下结论:基于SPICE仿真的遗传算法全局优化方法的优化效率最高，但搜索能力弱于其他两种方法;基于SPICE仿真的全局和局部搜索相结合的经典优化方法可以获得最优的结果，但优化效率较低;本论文提出的结合基于SPICE仿真的遗传算法全局优化和基于机器学习模型局部优化的优化方法可以用少于三分之一的时间获得与经典方法相比拟的结果。
本文的主要创新点如下:
(1)提出了一种有源RC复数带通滤波器的无源补偿方法。通过引入与交叉耦合电阻并联的电容，并对交叉耦合电阻值进行修正，有效减小了有源RC复数带通滤波器的通带纹波。
(2)提出了一种解析模型-仿真混合辅助的模拟电路参数优化方法。在全局优化基于解析模型穷举搜索，实现了对全局搜索空间速度较快、较为充分的搜索。全局搜索的输出选取几个较优区域基于SPICE仿真局部搜索，提高了解的精度。
(3)提出了一种基于仿真的遗传算法全局优化和基于机器学习模型的局部优化相结合的模拟电路参数优化方法。在局部优化中采用并行仿真产生机器学习模型训练数据，并基于机器学习模型进行局部搜索，解决了基于仿真的局部优化方法需要大量串行仿真导致的耗时较长的问题。