《电子技术应用》

电力场效应管随机电报信号噪声的检测与分析

2018年电子技术应用第8期
樊欣欣,杨连营,陈秀国,徐 斌
(国网铜陵供电公司,安徽 铜陵244000)
摘要: 电力场效应管(Power Metal Oxide Semiconductor FET,P-MOSFET)是构成电力通信电源的核心器件,其可靠性直接影响到电力通信的安全稳定运行。随机电报信号(Random Telegraph Signal,RTS)噪声是表征其可靠性的敏感参数,为了能够检测与分析P-MOSFET内部的RTS噪声,提出一种改进型的经验模态分解(Empirical Mode Decomposition, EMD)自适应选择算法检测RTS噪声,运用时间和波形相关系数优化高阶累计量分析RTS噪声。仿真结果表明,新算法的滤波效果优于传统的算法,优化后高阶累计量不仅提高了RTS噪声处理能力,而且验证了其在零频处具有1/f的特性。
中图分类号: TN386
文献标识码: A
DOI:10.16157/j.issn.0258-7998.174770
中文引用格式: 樊欣欣,杨连营,陈秀国,等. 电力场效应管随机电报信号噪声的检测与分析[J].电子技术应用,2018,44(8):44-46.
英文引用格式: Fan Xinxin,Yang Lianying,Chen Xiuguo,et al. Detection and analysis of random telegraph signal noise in P-MOSFET[J]. Application of Electronic Technique,2018,44(8):44-46.

Detection and analysis of random telegraph signal noise in P-MOSFET

Fan Xinxin,Yang Lianying,Chen Xiuguo,Xu Bin
(State Grid Tongling Power Supply Company,Tongling 244000,China)
Abstract: Power metal oxide semiconductor FET(P-MOSFET)is the core device that forms the power communication power,its reliability directly affects the safe and stable operation of power communication. Random telegraph signal(RTS) noise is a sensitive parameter to characterize its reliability. In order to be able to detect and analyze RTS noise inside P-MOSFET,an improved empirical mode decomposition(EMD) adaptive selection algorithm is proposed to detect RTS noise, the RTS noise is analyzed by using time and waveform correlation coefficient. Simulation results show that the new algorithm has better filtering effect than traditional algorithm, the optimized high order cumulant not only improves RTS noise processing capability, but also proves that it has 1/f at zero frequency.

0 引言

    电力场效应管具有驱动电路简单、驱动功率小、热稳定性好、开关速度快、工作频率高的特点,常作为高频开关电源的核心器件,被广泛应用于电力电子的通信电源设备[1]。然而,P-MOSFET在大功率、强电流的开关工作状态下,其内部的导通电阻迅速增大,导致P-MOSFET产生电导调制效应,极大地限制了其开关速度,影响其击穿电压,直接影响P-MOSFET的可靠性[2-3]。已有相关文献显示,当P-MOSFET可靠性降低时,其内部的RTS噪声成分显著,可以作为反映P-MOSFET可靠性的敏感参数[4]。因此对P-MOSFET的RTS噪声检测与分析是研究P-MOSFET可靠性的当务之急。

1 P-MOSFET管RTS噪声的检测

    传统的低频噪声测量是将放大器直接与频谱分析仪相连[4],很难辨别RTS噪声的来源,而且RTS噪声极其微弱,很容易被放大器的背景噪声所掩埋。因此本文根据互谱法的原理,可采用二通道互谱测量方法对电力场效应管的RTS噪声进行检测。

1.1 互谱测量

    互谱测量的原理如图1所示,其中 s(t)为待测P-MOSFET经过偏置电路所激发的低频噪声,x(t)和y(t)分别为放大器1和2的输出信号。

wdz11-t1.gif

    由互谱测量的原理可得出[5]

    wdz11-gs1.gif

式中,T为测量的时间,t为时间变量,τ为x(t)与y(t)迟延,j为虚单位,ω为系统的角频率。

    根据上式可知,如果测量的时间比较长,两个通道之间的背景噪声便可以充分抑制,就削弱了系统的干扰噪声对待测RTS噪声的影响。

1.2 改进型EMD算法的实现

    根据EMD算法的流程图[6],可知EMD算法能够对其所含有各种频段的噪声进行逐层分解,但无法有效地滤波以及恢复出含有其他噪声成分较小RTS噪声。因此,提出了一种改进型的EMD算法。

    改进的思路如下:

    (1)利用EMD对RTS噪声进行分解得到:

    wdz11-gs2.gif

式中f(t)为待测样品的RTS噪声信号,n为EMD分解的层,j为 EMD分解的第j层,t为时间,IMFj为经EMD分解后的第j层的本征模态分量,rn(t)为分解n层之后余下的残波。

    (2)根据IMF分量的频率具有依次递减的特点,找出高低频干扰成分显著的IMF分量集合C和D。

    高频分量集合:

    C={IMF1,IMF2,…,IMFk}且k<n

    低频分量集合:

    D={IMFn,IMFn-1,…,IMFl}且l<n-k-1

    (3)让原始的RTS噪声信号减去高频干扰主要集中的成分C与低频扰动集中的D成分,即可滤除噪声,得到背景噪声较小的RTS噪声信号,其表达式为:

    wdz11-gs3.gif

式中ID(t)为滤波后的RTS噪声信号,ai为高频分量集合C中的IMF任意高频分量,bi为低频分量集合D中的IMF任意低频分量。

    图2(a)为文献[6]采用的高通数字滤波器的方法处理样品RTS噪声后的滤波效果,通过比较图2(a)与图2(b)可以看出经过EMD处理后的噪声信号,能够很好地滤除RTS噪声信号中的高频干扰,滤波效果优于传统的方法,分离出比较理想的三电平值RTS噪声。

wdz11-t2.gif

1.3 改进的自适应最小均方算法

    虽然改进型的EMD算法能够有效地消除高低频干扰对RTS噪声的影响,但不易确定EMD分解后的高低频干扰IMF分量,尤其是当待分解的RTS噪声含有较大的干扰时,EMD分解的层数就会较多,对含有高低频成分的IMF分量C与D的确定就更加困难。

    因此,可以利用改进型的自适应最小均方(Least-Mean-Square,LMS)算法克服以上问题。其改进的自适应LMS算法的思路为:

    (1)初始化参量阵元个数M、参考信号d(n)。

    (2)由W(n+1)=W(n)+2μ(n)e(n)X(n)计算初始状态下的权W,并得出所得信号与期望信号之间的误差。

    (3)为了加快改进型EMD算法收敛的稳定性,减少EMD分解的层数,根据改进型的公式μ(n)=1/(rho_max+1)(其中rho_max为RTS噪声相关矩阵的最大特征值)计算步长因子μ(n)。

    (4)根据迭代公式算法计算W(n+1)。

    (5)由新得到的权值W(n+1)计算新的输出信号及其与目标信号之间的误差。

    (6)根据第5步得出的误差大小判断是否达到误差允许范围的要求。若误差满足要求,则迭代结束,所得的权值向量W(n+1)即是要求的目标权值;否则转向第3步迭代继续进行。

    经自适应LMS算法滤波后的RTS噪声如3所示,由图3(b)可知,滤波后的效果优更为接近理想的三电平值的RTS噪声。

wdz11-t3.gif

2 P-MOSFET管 RTS噪声的分析

    由于传统的分析方法不再适用于RTS噪声的时域分析,而高阶累积量可以用于对非高斯信号的分析,因此本文提出了利用高阶累积量来分析RTS噪声。

2.1 高阶累计量的优化

    由于RTS噪声的时间分布函数呈现泊松分布,因此为了分析优化得到的高阶累积量的性能和有效性,可以运行时间和波形相关系数(Normalization Cross Correlation,NCC)来分析四阶累积量进而分析RTS噪声信号:

    wdz11-gs4.gif

式中:x(n)为原始信号,x′(n)为x(n)转置函数,L、m分别为x(n)、x′(n)的采样数。运行时间越小,波形相关系数越大,则算法性能更好。

2.2 高阶累积量的优化验证

    为验证该优化算法的有效性,在LabVIEW平台下将RTS噪声信号导入数据库,利用NCC分别对RTS噪声的四阶累积量进行优化处理,得到的结果如图4所示。

wdz11-t4.gif

    从图4可以看出,RTS噪声的四阶累积量都呈现泊松规律,进一步验证了RTS噪声的时间分布函数服从泊松分布的规律。在零频处有一个很明显的尖峰,具有1/f噪声特性,而且四阶累积量峰值明显多于四阶累积量,也说明了RTS噪声是1/f噪声叠加的过程。同时图形当中每个点都在零平面附近对称的跳动,从而证明RTS噪声四阶累积量为零,进而验证本算法的正确性、可行性。

    同时对优化前后的四阶累积量仿真结果显示优化前的时间为16.26 s,优化后的仅为为9.248 s,说明优化后四阶累积量减小了运算时的复杂度,提高了对RTS噪声数据处理的效率。

3 结论

    本文通过互谱测量法测量出P-MOSFET管的RTS噪声,利用了改进型的EMD算法与LMS算法对其逐层分解、滤波、恢复出较为理想的RTS噪声信号,并对高阶统计量的算法进行了优化,验证了RTS噪声的时间函数呈现的泊松分布规律,证明该方法的正确与有效性。

参考文献

[1] MOHAMED N,DEBARSHI B,CELIK B.Variability of random telegraph noise in analog MOS transistors[J].Noise and Fluctuations,2013,15(8):275-290.

[2] 陈晓娟,樊欣欣,吴洁.短沟道MOS器件随机电报信号噪声的检测与分析[J].半导体技术,2016,41(3):234-239.

[3] LEYRIS C,MARTINEZ F,VALENZA M,et al.Random telegraph signal:a sensitive and non destructive tool for gate oxide single trap characterization[J].Micro Electronics Reliability,2014,47(6):573-576.

[4] LEE A,BROWN A,ASENOV A,et al. Random telegraph signal noise of power MOSFETs subject to atomic scale structure variation[J].Superlatives and Microstructures,2014,39(12):293-300.

[5] 孙玮,孙钊,王鹏.场效应晶体管随机电报信号噪声的探测及分析[J].西安工业大学学报,2013,16(12):957-960,967.

[6] 陈晓娟,樊欣欣.基于RTS噪声测量与参量的提取[J].电力电子技术,2016,50(8):103-105.

[7] 樊欣欣,杨连营,陈秀国.基于低频噪声检测的电力MOSFET可靠性分析[J].半导体技术,2018(1):75-80.



作者信息:

樊欣欣,杨连营,陈秀国,徐  斌

(国网铜陵供电公司,安徽 铜陵244000)

继续阅读>>