[發明專利]仿真測試擬合工藝參數方法、系統、設備和存儲介質

有效

• 申請號: 202211314144.5
• 申請日: 2022-10-25
• 公開（公告）號: CN115495995B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 楊睿智;袁軍平;胡錦釗;常林森;李帥;張磊;郭嘉帥
• 申請（專利權）人: 深圳飛驤科技股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/25;G06F18/214;G06F18/2431;G06N3/126;G06N5/01;G06N20/20;G01R31/00;G06F111/04
• 代理公司: 深圳君信誠知識產權代理事務所(普通合伙) 44636
• 代理人: 劉偉

1.一種仿真測試擬合工藝參數方法，其應用于聲表濾波器，所述聲表濾波器包括多個諧振器；其特征在于，該方法包括如下步驟：

步驟S1、獲得多個所述諧振器的測試原始數據，根據預設的清理規則將所述測試原始數據進行清理并得到清理后的樣本；所述測試原始數據包括用于匹配所述諧振器的幾何參數和測試文件，所述清理規則為根據所述測試原始數據在統計上的一致性將不具一致性的部分去除；

步驟S2、將預設的全局類優化方法設置約束，再通過設置所述約束后的所述全局類優化方法將所述樣本擬合出單個導納樣本；所述約束為選擇的所述全局類優化方法的種類和所述全局類優化方法中相關的參數，所述導納樣本分別與所述全局類優化方法的種類以及所述全局類優化方法中相關的參數一一對應；

步驟S3、將所有所述樣本進行抽樣，再將抽樣出的所述樣本按照所述步驟S2進行擬合得到多個抽樣導納樣本，再將所述全局類優化方法的種類和所述全局類優化方法中相關的參數在多個所述抽樣導納樣本中的分布效果是否小于預設的指標閾值進行判斷：

若是，則進入步驟S4；若否，則調整所述約束后返回所述步驟S2；

其中，所述測試原始數據包括第一幾何參數、第一測試文件、第二幾何參數以及第二測試文件；所述第一幾何參數為同一批所述聲表濾波器的流片測試數據中的多個不相同的所述幾何參數；所述第一測試文件為同一批所述聲表濾波器的流片測試數據中的多個不相同的所述測試文件；所述第二幾何參數為所述聲表濾波器的流片測試數據中不同晶圓且不同位置上的相同的所述幾何參數；所述第二測試文件為所述聲表濾波器的流片測試數據中不同晶圓且不同位置上的相同的所述測試文件；

步驟S4、將所有所述樣本進行分布式計算并擬合得出全部所述導納樣本；

步驟S5、根據全部所述導納樣本中的數據獲得多組參數結果，將具有相同幾何參數的所述諧振器相對應的多組所述參數結果合并為一組進行處理，再將處理后的多組所述參數結果輸出；

步驟S6、預選機器學習模型，將所述步驟S1中的所述諧振器的幾何參數作為所述機器學習模型的輸入數據，將所述步驟S5中輸出的多組所述參數結果作為所述機器學習模型的輸出數據，訓練機器學習模型并得到訓練后的預測調整參數模型；

步驟S7、將所述步驟S2中的所有的所述樣本進行抽樣，再將抽樣后的所述樣本通過所述預測調整參數模型進行驗證，以保證所述抽樣的擬合結果符合預設要求。

2.根據權利要求1所述的仿真測試擬合工藝參數方法，其特征在于，所述步驟S2中，所述全局類優化方法的種類包括粒子群優化算法和進化計算算法。

3.根據權利要求1所述的仿真測試擬合工藝參數方法，其特征在于，所述步驟S2中，將所述樣本擬合出單個導納樣本的方法為：采用耦合模模型方法計算所述諧振器的導納，并在計算中調整耦合模模型的參數，以使得耦合模模型方法計算出的導納與實際測試的導納相同。

4.根據權利要求1所述的仿真測試擬合工藝參數方法，其特征在于，所述步驟S3中，多個所述導納樣本中的分布效果為所述諧振器的偏差指標的統計指標的平均值，所述諧振器的偏差指標包括振點頻率偏差、反諧振點頻率偏差和靜態電容偏差。

5.根據權利要求1所述的仿真測試擬合工藝參數方法，其特征在于，所述步驟S5具體包括：

步驟S51、將全部所述參數結果根據預設的參考指標評估擬合效果，并將所述擬合效果中超過所述指標閾值的參數結果所對應的所述導納樣本去除；

步驟S52、將所述參數結果中相同幾何參數的所述諧振器所對應的多組所述參數結果進行平均值計算，將計算得出的平均值數據作為一組所述參數結果。

6.根據權利要求1所述的仿真測試擬合工藝參數方法，其特征在于，所述步驟S6之前還包括：

步驟S60、根據所述輸入數據和/或所述輸出數據的數據量是否大于預設的數據量閾值進行判斷：

若是，則將所述機器學習模型選擇為深度學習的模型；

若否，則將所述機器學習模型選擇為決策樹類的模型。