[發明專利]電子器件的Verilog-A模型構建方法、系統及設備

有效

• 申請號: 202210826328.3
• 申請日: 2022-07-14
• 公開（公告）號: CN115345106B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 方剛;董威;馮烽;諶勇輝
• 申請（專利權）人: 貝葉斯電子科技（紹興）有限公司
• 主分類號: G06F30/38
• 分類號: G06F30/38
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 楊源鑫

1.一種電子器件的Verilog-A模型構建方法，其特征在于，包括：

基于電子器件的行為屬性，從Verilog-A模板庫里篩選出對應的Verilog-A模板；

基于篩選出的Verilog-A模板以及所述電子器件的實際輸入輸出值，確定所述Verilog-A模板的待預測參數；

基于所述待預測參數的初始值，所述電子器件的實際輸入值，確定所述電子器件的預測輸出值，并采用進化算法，基于所述預測輸出值和實際輸出值，迭代確定所述待預測參數的目標值；

基于所述待預測參數的目標值以及所述Verilog-A模板，構建Verilog-A目標模型，以基于所述Verilog-A目標模型對所述電子器件的行為進行仿真。

2.如權利要求1所述的方法，其特征在于，所述基于所述待預測參數的初始值，所述電子器件的實際輸入值，確定所述電子器件的預測輸出值，包括：

構建機器學習預測模型；

獲取多個機器學習預測模型樣本，所述機器學習預測模型樣本包括Verilog-A模板的待預測參數樣本值、輸入樣本值和對應的輸出樣本值；

基于所述多個機器學習預測模型樣本，訓練所述機器學習預測模型；

將所述電子器件的實際輸入值和所述待預測參數的初始值輸入訓練后的機器學習預測模型，以輸出所述電子器件的預測輸出值。

3.如權利要求2所述的方法，其特征在于，所述構建機器學習預測模型，包括：

基于隨機森林算法，構建機器學習預測模型。

4.如權利要求2所述的方法，其特征在于，所述獲取多個機器學習預測模型樣本，包括：

設置多個預測參數樣本值，并將多個所述預測參數樣本值依次代入所述Verilog-A模板，以構建多個Verilog-A樣本模型；

設置Verilog-A模板的輸入樣本值，并將所述輸入樣本值依次輸入多個所述Verilog-A樣本模型，以依次輸出對應的輸出樣本值。

5.如權利要求4所述的方法，其特征在于，所述設置多個預測參數樣本值，包括：

確定預測參數樣本區間，并結合拉丁超立方抽樣方法，獲取多個預測參數樣本值。

6.如權利要求1所述的方法，其特征在于，所述行為屬性包括：器件類型、和/或輸入輸出關系波形類型、和/或輸入輸出類型、和/或輸出值區間范圍。

7.如權利要求6所述的方法，其特征在于，所述基于電子器件的行為屬性，從Verilog-A模板庫里篩選出對應的Verilog-A模板，包括：

基于電子器件的器件類型，從Verilog-A模板庫里篩選出第一級Verilog-A模板集；

基于所述電子器件的輸入輸出關系波形類型，從所述第一級Verilog-A模板集中篩選出第二級Verilog-A模板集；

基于所述電子器件的輸入輸出類型和輸出值區間范圍，從所述第二級Verilog-A模板集中篩選出Verilog-A模板；

當所述電子器件的輸入輸出關系波形類型為類正弦波時，基于所述電子器件的輸入輸出關系波形調整所述Verilog-A模板。

8.一種電子器件的Verilog-A模型構建系統，其特征在于，包括：

篩選單元，用于基于電子器件的行為屬性，從Verilog-A模板庫里篩選出對應的Verilog-A模板；

參數確定單元，用于基于篩選出的Verilog-A模板以及所述電子器件的實際輸入輸出值，確定所述Verilog-A模板的待預測參數；

計算單元，用于基于所述待預測參數的初始值，所述電子器件的實際輸入值，確定所述電子器件的預測輸出值，并采用進化算法，基于所述預測輸出值和實際輸出值，迭代確定所述待預測參數的目標值；

構建單元，用于基于所述待預測參數的目標值以及所述Verilog-A模板，構建Verilog-A目標模型，以基于所述Verilog-A目標模型對所述電子器件的行為進行仿真。