0 引言

    電力場效應管具有驅動電路簡單、驅動功率小、熱穩定性好、開關速度快、工作頻率高的特點，常作為高頻開關電源的核心器件，被廣泛應用于電力電子的通信電源設備^[1]。然而，P-MOSFET在大功率、強電流的開關工作狀態下，其內部的導通電阻迅速增大，導致P-MOSFET產生電導調制效應，極大地限制了其開關速度，影響其擊穿電壓，直接影響P-MOSFET的可靠性^[2-3]。已有相關文獻顯示，當P-MOSFET可靠性降低時，其內部的RTS噪聲成分顯著，可以作為反映P-MOSFET可靠性的敏感參數^[4]。因此對P-MOSFET的RTS噪聲檢測與分析是研究P-MOSFET可靠性的當務之急。

1 P-MOSFET管RTS噪聲的檢測

    傳統的低頻噪聲測量是將放大器直接與頻譜分析儀相連^[4]，很難辨別RTS噪聲的來源，而且RTS噪聲極其微弱，很容易被放大器的背景噪聲所掩埋。因此本文根據互譜法的原理，可采用二通道互譜測量方法對電力場效應管的RTS噪聲進行檢測。

1.1 互譜測量

    互譜測量的原理如圖1所示，其中 s(t)為待測P-MOSFET經過偏置電路所激發的低頻噪聲，x(t)和y(t)分別為放大器1和2的輸出信號。

    由互譜測量的原理可得出^[5]：

式中，T為測量的時間，t為時間變量，τ為x(t)與y(t)遲延，j為虛單位，ω為系統的角頻率。

    根據上式可知，如果測量的時間比較長，兩個通道之間的背景噪聲便可以充分抑制，就削弱了系統的干擾噪聲對待測RTS噪聲的影響。

1.2 改進型EMD算法的實現

    根據EMD算法的流程圖^[6]，可知EMD算法能夠對其所含有各種頻段的噪聲進行逐層分解，但無法有效地濾波以及恢復出含有其他噪聲成分較小RTS噪聲。因此，提出了一種改進型的EMD算法。

    改進的思路如下：

    (1)利用EMD對RTS噪聲進行分解得到：

式中f(t)為待測樣品的RTS噪聲信號，n為EMD分解的層，j為 EMD分解的第j層，t為時間，IMF_j為經EMD分解后的第j層的本征模態分量，r_n(t)為分解n層之后余下的殘波。

    (2)根據IMF分量的頻率具有依次遞減的特點，找出高低頻干擾成分顯著的IMF分量集合C和D。

    高頻分量集合：

    C={IMF₁，IMF₂，…，IMF_k}且k<n

    低頻分量集合：

    D={IMF_n，IMF_n-1，…，IMF_l}且l<n-k-1

    (3)讓原始的RTS噪聲信號減去高頻干擾主要集中的成分C與低頻擾動集中的D成分，即可濾除噪聲，得到背景噪聲較小的RTS噪聲信號，其表達式為：

式中I_D(t)為濾波后的RTS噪聲信號，a_i為高頻分量集合C中的IMF任意高頻分量，b_i為低頻分量集合D中的IMF任意低頻分量。

    圖2(a)為文獻[6]采用的高通數字濾波器的方法處理樣品RTS噪聲后的濾波效果，通過比較圖2(a)與圖2(b)可以看出經過EMD處理后的噪聲信號，能夠很好地濾除RTS噪聲信號中的高頻干擾，濾波效果優于傳統的方法，分離出比較理想的三電平值RTS噪聲。

1.3 改進的自適應最小均方算法

    雖然改進型的EMD算法能夠有效地消除高低頻干擾對RTS噪聲的影響，但不易確定EMD分解后的高低頻干擾IMF分量，尤其是當待分解的RTS噪聲含有較大的干擾時，EMD分解的層數就會較多，對含有高低頻成分的IMF分量C與D的確定就更加困難。

    因此，可以利用改進型的自適應最小均方（Least-Mean-Square，LMS）算法克服以上問題。其改進的自適應LMS算法的思路為：

    (1)初始化參量陣元個數M、參考信號d(n)。

    (2)由W(n+1)=W(n)+2μ(n)e(n)X(n)計算初始狀態下的權W，并得出所得信號與期望信號之間的誤差。

    (3)為了加快改進型EMD算法收斂的穩定性，減少EMD分解的層數，根據改進型的公式μ(n)=1/(rho_max+1)(其中rho_max為RTS噪聲相關矩陣的最大特征值)計算步長因子μ(n)。

    (4)根據迭代公式算法計算W(n+1)。

    (5)由新得到的權值W(n+1)計算新的輸出信號及其與目標信號之間的誤差。

    (6)根據第5步得出的誤差大小判斷是否達到誤差允許范圍的要求。若誤差滿足要求，則迭代結束，所得的權值向量W(n+1)即是要求的目標權值；否則轉向第3步迭代繼續進行。

    經自適應LMS算法濾波后的RTS噪聲如3所示，由圖3(b)可知，濾波后的效果優更為接近理想的三電平值的RTS噪聲。

2 P-MOSFET管 RTS噪聲的分析

    由于傳統的分析方法不再適用于RTS噪聲的時域分析，而高階累積量可以用于對非高斯信號的分析，因此本文提出了利用高階累積量來分析RTS噪聲。

2.1 高階累計量的優化

    由于RTS噪聲的時間分布函數呈現泊松分布，因此為了分析優化得到的高階累積量的性能和有效性，可以運行時間和波形相關系數(Normalization Cross Correlation，NCC)來分析四階累積量進而分析RTS噪聲信號：

式中：x(n)為原始信號，x′(n)為x(n)轉置函數，L、m分別為x(n)、x′(n)的采樣數。運行時間越小，波形相關系數越大，則算法性能更好。

2.2 高階累積量的優化驗證

    為驗證該優化算法的有效性，在LabVIEW平臺下將RTS噪聲信號導入數據庫，利用NCC分別對RTS噪聲的四階累積量進行優化處理，得到的結果如圖4所示。

    從圖4可以看出，RTS噪聲的四階累積量都呈現泊松規律，進一步驗證了RTS噪聲的時間分布函數服從泊松分布的規律。在零頻處有一個很明顯的尖峰，具有1/f噪聲特性，而且四階累積量峰值明顯多于四階累積量，也說明了RTS噪聲是1/f噪聲疊加的過程。同時圖形當中每個點都在零平面附近對稱的跳動，從而證明RTS噪聲四階累積量為零，進而驗證本算法的正確性、可行性。

    同時對優化前后的四階累積量仿真結果顯示優化前的時間為16.26 s，優化后的僅為為9.248 s，說明優化后四階累積量減小了運算時的復雜度，提高了對RTS噪聲數據處理的效率。

3 結論

    本文通過互譜測量法測量出P-MOSFET管的RTS噪聲，利用了改進型的EMD算法與LMS算法對其逐層分解、濾波、恢復出較為理想的RTS噪聲信號，并對高階統計量的算法進行了優化，驗證了RTS噪聲的時間函數呈現的泊松分布規律，證明該方法的正確與有效性。

參考文獻

[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] 陳曉娟，樊欣欣，吳潔．短溝道MOS器件隨機電報信號噪聲的檢測與分析[J].半導體技術，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] 孫瑋，孫釗，王鵬.場效應晶體管隨機電報信號噪聲的探測及分析[J].西安工業大學學報，2013，16（12）：957-960，967.

[6] 陳曉娟，樊欣欣.基于RTS噪聲測量與參量的提取[J].電力電子技術，2016，50(8)：103-105.

[7] 樊欣欣，楊連營，陳秀國.基于低頻噪聲檢測的電力MOSFET可靠性分析[J].半導體技術，2018(1)：75-80.

作者信息:

樊欣欣，楊連營，陳秀國，徐  斌

（國網銅陵供電公司，安徽 銅陵244000)