《一种基于遗传算法的低噪声放大器的优化设计方法.pdf》由会员分享，可在线阅读，更多相关《一种基于遗传算法的低噪声放大器的优化设计方法.pdf（16页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103150459 A(43)申请公布日 2013.06.12CN103150459A*CN103150459A*(21)申请号 201310111570.3(22)申请日 2013.04.01201310009907.X 2013.01.10 CNG06F 17/50(2006.01)(71)申请人北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人张晓林 申晶(74)专利代理机构北京永创新实专利事务所 11121代理人赵文利(54) 发明名称一种基于遗传算法的低噪声放大器的优化设计方法(57) 摘要本发明公开了一种基于遗传算法的低噪声放大器（。
2、LNA）的优化设计方法，解决了LNA设计中多目标优化的问题。以LNA中电路参数，如晶体管尺寸和无源器件值，作为变量，以LNA的阻抗匹配和晶体管的电流方程作为约束条件，以基于方程的电路性能评估技术作为电路性能评估方法，以带精英策略的并行遗传算法作为全局搜索算法，对LNA的增益、噪声系数和功耗同时进行优化。这种优化方法可以快速得到电路的优化结果，十分适用于特定约束、性能和功能的电路设计。本发明可用于深亚微米射频CMOS集成电路，广泛应用于航空航天领域的电子系统中。(66)本国优先权数据(51)Int.Cl.权利要求书3页 说明书8页 附图4页(19)中华人民共和国国家知识产权局(12)发明专利申请。
3、权利要求书3页 说明书8页 附图4页(10)申请公布号 CN 103150459 ACN 103150459 A1/3页21.一种基于遗传算法的低噪声放大器的优化设计方法，包括以下步骤：步骤一：确定LNA的电路结构；LNA包括主放大电路、源级耦合电感Ls、输入匹配电感Lg、单端转差分输出级；主放大电路为单端输入，包括第一共源晶体管M1、第一共栅晶体管M2、电容Cex、负载电阻R1；第一共源晶体管M1和第一共栅晶体管M2组成共源共栅结构，第一共源晶体管M1的栅极与输入匹配电感Lg相连，源极通过源极耦合电感Ls接地，漏极与第一共栅晶体管M2的源极相连；第一共栅晶体管M2的栅极与电源Vdd相连，漏极。
4、通过负载电阻R1与电源Vdd相连；电容Cex并联在第一共源晶体管M1的栅源级之间；单端转差分输出级包括第二共源晶体管M3、第二共栅晶体管M4、耦合电容C1、负载电阻R2；第二共源晶体管M3和第二共栅晶体管M4组成共源共栅结构，第二共源晶体管M3的栅极通过耦合电容C1与第一共源晶体管M1的漏极相连，源极接地，漏极与第二共栅晶体管M4的源极相连；第二共栅晶体管M4的栅极与电源Vdd相连，漏极通过第二电阻R2与电源Vdd相连；低压偏置电流源Vbias通过电阻R3和R4分别加到第一共源晶体管M1和第二共源晶体管M3的栅极；射频信号RF_IN通过输入匹配电感Lg输入到第一共源晶体管M1的栅极，经过放大之。
5、后变成差分信号RF_OUT，分别从第一共栅晶体管M2和第二共栅晶体管M4的漏极输出；步骤二：设定自变量；设定自变量如下：工作电流ID、晶体管的沟道宽度W、第一共源晶体管M1的栅源级并联电容Cex、第一共源晶体管M1的跨导gm、第一共源晶体管M1的栅源间电容Cgs、第一共源晶体管M1的源级耦合电感Ls、输入匹配电感Lg；步骤三：确立约束条件；首先确立线性约束条件，根据选用的工艺和电源电压，确立W和Cex的取值范围；根据确立Cgs的取值范围，其中：Cox为单位面积的栅氧化层电容；根据功耗P的限制，确立偏置电流ID的取值范围为：设定非线性约束条件：其中：n为电子迁移率；将输入阻抗匹配作为约束条件，L。
6、NA输入端口的天线或者天线滤波器均为50欧姆，因此LNA的输入阻抗Zin等于50欧姆的共轭，具体为：其中，j代表虚数，得到：权 利 要 求 书CN 103150459 A2/3页3其中，为工作频率；步骤四：确立优化目标；优化目标主要为增益G、噪声系数NF和功耗P；优化目标函数如下：其中，为工艺库常数；为栅噪声系数；是与偏置状态有关的系数；c为沟道噪声和栅极噪声的相关系数；Rs为天线或者天线滤波器的阻抗，即50欧姆，Yopt1/Zopt，Ys1/Zs，其中：步骤五：采用带精英策略的并行遗传算法对LNA的设计参数进行多目标优化，得到优化结果；步骤六:按照优化结果对LNA电路进行仿真，根据仿真结果对。
7、工作电流ID，晶体管的沟道宽度W，第一共源晶体管M1的栅源级并联电容Cex，第一共源晶体管M1的源级耦合电感Ls和输入匹配电感Lg参数进行调整，确定最终的参数大小，得到低噪声放大器。2.根据权利要求1所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的步骤五具体为：1）编码，使用固定长度的二进制字符串对自变量进行编码，来表示群体中的个体；2）生成初始种群，随机产生N个初始串结构数据作为一个个体，这N个个体构成初始种群，其中每一个个体都包含步骤二中的自变量，N个个体都满足步骤三中的线性约束条件和非线性约束条件；3）根据步骤四中确定的目标函数建立适应度函数，然后采用基于排序的适应度分配方法，。
8、区分群体中个体的好坏；4）将选择算子作用于种群，根据个体的适应度值大小选择优良个体，适应度值越高，进入下一代的概率就越大；5）将交叉算子作用于种群，交叉运算产生组合父代特征的新一代个体；6）将变异算子作用于种群，以变异概率随机改变个体的基因；7）重插入子代的新种群，用子代中适应度较高的新个体代替父代中最不适应的个体；权 利 要 求 书CN 103150459 A3/3页48）终止条件判断，经过若干代，当迭代次数达到了最大代数设定，或者目标函数的优化结果满足了设计要求，则终止运算，将进化过程中所得到的具有最大适应度的个体作为最优解输出；最终输出的个体为经过编码之后的字符串，通过解码即可以得到步骤。
9、二中自变量的值。3.根据权利要求2所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的1）中，采用格雷码对自变量进行编码。4.根据权利要求2所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的4）中，选择算子采用随机遍历抽样，每个个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比例。5.根据权利要求2所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的4）中，采用的选择算子以小于1的概率选择子代，即子代的个体数目小于父代个体数目，再通过重插入的方式保持每代的个体数目相同。6.根据权利要求2所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的4）中，根据优。
10、化目标的数量，将种群分成若干子种群，对不同的优化目标并列进行选择算子操作。7.根据权利要求2所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的5）中，交叉算子采用单点交叉算子，在个体编码串中随机设置一个交叉点，然后在该点相互交换两个配对个体的部分染色体。8.根据权利要求2所述的一种基于遗传算法的低噪声放大器的优化设计方法，所述的6）中，变异算子采用离散变异算子，采用变异概率对每个元素进行变异。权 利 要 求 书CN 103150459 A1/8页5一种基于遗传算法的低噪声放大器的优化设计方法技术领域0001 本发明属于深亚微米RF CMOS集成电路领域，具体涉及对低噪声放大器（LNA）。
11、的优化设计。背景技术0002 低噪声放大器一般处于最前端，因此它的性能对接收机的性能有着重大影响。它的主要功能主要是提供增益来放大信号并以较小的噪声系数抑制系统整体噪声，同时又需要与前端天线或天线滤波器匹配和保持较低的功耗。然而这些参数彼此紧密相关，无法各自进行优化，例如为了提高增益，通常会带来功耗的增加，而噪声优化和输入匹配的同时实现也有一定的困难。因此通常对这些参数折衷进行整体优化来满足整体性能要求，实际上这也是LNA设计的难点之一。0003 当今射频集成电路的优化设计基本依赖手动完成，通过仿真结果对电路进行反复模拟和修正，其设计时间和设计成本严重制约了它的发展。射频电路设计参数较多、抽象。
12、表达困难，对干扰敏感，且拓扑结构层出不穷，自动化优化设计的运算量巨大且随着电路规模增加而增加，严重制约了自动化优化设计的速度和规模。0004 模拟电路优化设计包括对电路性能的评估和求目标函数极值的数学优化算法。0005 目前的电路性能评估方法主要采用基于电路仿真器的电路性能评估技术，利用电路仿真器在每个迭代点对电路进行仿真，从仿真结果中提取出电路性能参数。由于SPICE系列仿真器的模型建立较为准确，因而前期工作量小且设计精度较高，然而随着迭代次数的增加，优化过程中的运算量将会非常大，耗时通常会非常长，且收敛性较差。如何建立一种运行速度较快、耗时较短、且设计精度满足设计要求的电路性能评估方法成为。
13、亟待解决的问题。0006 而求目标函数极值的数学优化算法，其实就是一种搜索过程或规则，通过一定的规则来得到满足要求的问题的解。许多传统的搜索算法收敛速度快、计算量小，但是受初始值选取影响较大，较易于收敛于较差的局部最优解。遗传算法(genetic algorithm)是一种借鉴生物界自然选择和自然进化机理发展起来的搜索算法，是一种模拟生命演化的算法，它具有较好的全局搜索性能，简单通用，鲁棒性较强，可以解决复杂优化问题。然而，基本的遗传算法也存在一定的问题，其一是早熟问题，即算法很快收敛到局部最优解而不是全局最优解，其二是不能保证全局优化的收敛性，因而对遗传算法的改进成为研究的目标。发明内容00。
14、07 本发明克服了现有技术中的不足，公开了一种基于遗传算法的低噪声放大器的优化设计方法，解决了LNA设计中多目标优化的问题。以LNA中电路参数，如晶体管尺寸和无源器件值，作为变量，以LNA的阻抗匹配和晶体管的电流方程作为约束条件，以带精英策略的并行遗传算法作为全局搜索算法，对LNA的增益、噪声系数和功耗同时进行优化。这种优化方法可以快速得到电路的优化结果，十分适用于特定约束、性能和功能的电路设计。说 明 书CN 103150459 A2/8页60008 一种基于遗传算法的低噪声放大器（LNA）的优化设计方法，包括以下步骤：0009 步骤一：确定LNA的电路结构；0010 LNA包括主放大电路、。
15、源级耦合电感Ls、输入匹配电感Lg、单端转差分输出级；主放大电路为单端输入，包括第一共源晶体管M1、第一共栅晶体管M2、电容Cex、负载电阻R1；第一共源晶体管M1和第一共栅晶体管M2组成共源共栅结构，第一共源晶体管M1的栅极与输入匹配电感Lg相连，源极通过源极耦合电感Ls接地，漏极与第一共栅晶体管M2的源极相连；第一共栅晶体管M2的栅极与电源Vdd相连，漏极通过负载电阻R1与电源Vdd相连；电容Cex并联在第一共源晶体管M1的栅源级之间；单端转差分输出级包括第二共源晶体管M3、第二共栅晶体管M4、耦合电容C1、负载电阻R2；第二共源晶体管M3和第二共栅晶体管M4组成共源共栅结构，第二共源晶体。
16、管M3的栅极通过耦合电容C1与第一共源晶体管M1的漏极相连，源极接地，漏极与第二共栅晶体管M4的源极相连；第二共栅晶体管M4的栅极与电源Vdd相连，漏极通过第二电阻R2与电源Vdd相连；低压偏置电流源Vbias通过电阻R3和R4分别加到第一共源晶体管M1和第二共源晶体管M3的栅极；射频信号RF_IN通过输入匹配电感Lg输入到第一共源晶体管M1的栅极，经过放大之后变成差分信号RF_OUT，分别从第一共栅晶体管M2和第二共栅晶体管M4的漏极输出；0011 步骤二：设定自变量；0012 设定自变量如下：工作电流ID、晶体管的沟道宽度W、第一共源晶体管M1的栅源级并联电容Cex、第一共源晶体管M1的跨。
17、导gm、第一共源晶体管M1的栅源间电容Cgs、第一共源晶体管M1的源级耦合电感Ls、输入匹配电感Lg；0013 步骤三：确立约束条件；0014 首先确立线性约束条件，根据选用的工艺和电源电压，确立W和Cex的取值范围；0015 根据确立Cgs的取值范围，其中：Cox为单位面积的栅氧化层电容；0016 根据功耗P的限制，确立偏置电流ID的取值范围为：0017 0018 设定非线性约束条件：0019 0020 其中：n为电子迁移率；0021 将输入阻抗匹配作为约束条件，LNA输入端口的天线或者天线滤波器均为50欧姆，因此LNA的输入阻抗Zin等于50欧姆的共轭，具体为：0022 0023 其中，j。
18、代表虚数，得到：0024 说 明 书CN 103150459 A3/8页70025 其中，为工作频率；0026 步骤四：确立优化目标；0027 优化目标主要为增益G、噪声系数NF和功耗P；0028 优化目标函数如下：0029 0030 其中，为工艺库常数；为栅噪声系数；是与偏置状态有关的系数；c为沟道噪声和栅极噪声的相关系数；Rs为天线或者天线滤波器的阻抗，即50欧姆，Yopt1/Zopt，Ys1/Zs，其中：0031 0032 步骤五：采用带精英策略的并行遗传算法对LNA的设计参数进行多目标优化，得到优化结果；0033 1）编码，使用固定长度的二进制字符串对自变量进行编码，来表示群体中的个体。
19、；0034 2）生成初始种群，随机产生N个初始串结构数据作为一个个体，这N个个体构成初始种群，其中每一个个体都包含步骤二中的自变量，N个个体都满足步骤三中的线性约束条件和非线性约束条件；0035 3）根据步骤四中确定的目标函数建立适应度函数，然后采用基于排序的适应度分配方法，区分群体中个体的好坏；0036 4）将选择算子作用于种群，根据个体的适应度值大小选择优良个体，适应度值越高，进入下一代的概率就越大；0037 5）将交叉算子作用于种群，交叉运算产生组合父代特征的新一代个体；0038 6）将变异算子作用于种群，以变异概率随机改变个体的基因；0039 7）重插入子代的新种群，用子代中适应度较高。
20、的新个体代替父代中最不适应的个体；0040 8）终止条件判断，经过若干代，终止运算，将进化过程中所得到的具有最大适应度的个体作为最优解输出；0041 最终输出的个体为经过编码之后的字符串，通过解码即可以得到步骤二中自变量说 明 书CN 103150459 A4/8页8的值；0042 步骤六:按照优化结果对LNA电路进行仿真，根据仿真结果对工作电流ID，晶体管的沟道宽度W，第一共源晶体管M1的栅源级并联电容Cex，第一共源晶体管M1的源级耦合电感Ls和输入匹配电感Lg参数进行调整，确定最终的参数大小，得到低噪声放大器。0043 本发明的优点在于：0044 （1）将LNA的设计问题转化为多目标优化。
21、的数学问题，采用自动化的LNA设计方法，相对于传统的手动设计而言，节约了设计时间和设计成本；0045 （2）采用基于方程的电路性能评估技术，通过手工推导出电路的性能方程，在每次迭代中计算电路性能方程的数值，运行速度快，可以在短时间内迅速得到优化结果。解决了传统的基于电路仿真器的电路性能评估技术运算量大耗时长的问题；0046 （3）采用带精英策略的遗传算法对LNA的设计参数进行多目标优化，解决了传统遗传算法的全局收敛性问题；0047 （4）采用了并行遗传算法，减小了优化过程中的计算量，进一步加快了优化速度，可以快速得出优化结果；0048 （5）本发明中的设计方法明确了设计流程，简化了设计步骤，易。
22、于操作。附图说明0049 图1为采用带精英策略的并行遗传算法设计的低噪声放大器的拓扑结构图；0050 图2为采用带精英策略的并行遗传算法对LNA进行50次迭代过程中LNA增益解的变化和种族增益值均值的变化；0051 图3为采用带精英策略的并行遗传算法对LNA进行50次迭代过程中LNA噪声解的变化和种族噪声值均值的变化；0052 图4为采用带精英策略的并行遗传算法优化设计的低噪声放大器的功率增益（S21）仿真图；0053 图5为采用带精英策略的并行遗传算法优化设计的低噪声放大器的噪声系数（NF）仿真图；0054 图6为采用带精英策略的并行遗传算法优化设计的低噪声放大器的输入匹配（S11）仿真图；。
23、0055 图7为本发明的方法流程图。具体实施方式0056 下面将结合附图对本发明作进一步的详细说明。0057 本发明的一种基于遗传算法的低噪声放大器（LNA）的优化设计方法，流程如图7所示，包括以下步骤：0058 步骤一：确定LNA的电路结构；0059 如图1所示，LNA包括主放大电路、源级耦合电感Ls、输入匹配电感Lg、单端转差分输出级。0060 主放大电路为单端输入，包括第一共源晶体管M1、第一共栅晶体管M2、电容Cex、负载电阻R1；说 明 书CN 103150459 A5/8页90061 第一共源晶体管M1和第一共栅晶体管M2组成共源共栅（cascode）结构，第一共源晶体管M1的栅极。
24、与输入匹配电感Lg相连，源极通过源极耦合电感Ls接地，漏极与第一共栅晶体管M2的源极相连；第一共栅晶体管M2的栅极与电源Vdd相连，漏极通过负载电阻R1与电源Vdd相连。电容Cex并联在第一共源晶体管M1的栅源级之间。0062 单端转差分输出级包括第二共源晶体管M3、第二共栅晶体管M4、耦合电容C1、负载电阻R2；0063 第二共源晶体管M3和第二共栅晶体管M4组成cascode结构，第二共源晶体管M3的栅极通过耦合电容C1与第一共源晶体管M1的漏极相连，源极接地，漏极与第二共栅晶体管M4的源极相连；第二共栅晶体管M4的栅极与电源Vdd相连，漏极通过第二电阻R2与电源Vdd相连。0064 低压。
25、偏置电流源Vbias通过电阻R3和R4分别加到第一共源晶体管M1和第二共源晶体管M3的栅极。射频信号RF_IN通过输入匹配电感Lg输入到第一共源晶体管M1的栅极，经过放大之后变成差分信号RF_OUT，分别从第一共栅晶体管M2和第二共栅晶体管M4的漏极输出。0065 步骤二：设定自变量。0066 设定自变量如下：工作电流ID、晶体管的沟道宽度W（为了设计考虑，将电路中的所有晶体管的沟道宽度均选为相同值W，沟道长度均选为最短沟道长度L）、第一共源晶体管M1的栅源级并联电容Cex、第一共源晶体管M1的跨导gm、第一共源晶体管M1的栅源间电容Cgs、第一共源晶体管M1的源级耦合电感Ls、输入匹配电感L。
26、g。0067 步骤三：确立约束条件。0068 首先确立线性约束条件，根据选用的工艺和电源电压，确立W和Cex的取值范围。0069 本发明中选用一定的CMOS工艺，则对应的电源电压VDD也可以确定。例如180nmCMOS工艺对应的电源电压是1.8V，130nmCMOS工艺对应的电源电压是1.2V，等，然后分别可以确立W和Cex的取值范围。0070 再根据确立Cgs的取值范围。0071 其中：Cox为单位面积的栅氧化层电容，为工艺常数；0072 再根据功耗P的限制，确立偏置电流ID的取值范围为：0073 0074 此外，还需设定非线性约束条件：0075 0076 其中：n为电子迁移率，为工艺常数；。
27、0077 为了简化优化目标，提高运算速度，把输入阻抗匹配作为约束条件，LNA输入端口的天线或者天线滤波器均为50欧姆，因此LNA的输入阻抗Zin要等于50欧姆的共轭，具体为：0078 说 明 书CN 103150459 A6/8页100079 其中，j代表虚数，得到：0080 0081 其中，为工作频率。0082 步骤四：确立优化目标。0083 优化目标主要为增益G、噪声系数NF和功耗P。0084 电路性能评估方法采用基于方程的电路性能评估技术，通过手工推导出电路的性能方程，在每次迭代中计算电路性能方程的数值，因而运行速度快，可以在短时间内迅速得到优化结果。只需要建立相对较为准确的电路模型，就。
28、可以达到要求的设计精度。0085 手工推导出电路的性能方程，即优化目标函数如下：0086 0087 其中，为工艺库常数，可估计为0.851之间；为栅噪声系数，在短沟道器件（沟道长度小于4微米左右）中可估计为4；是与偏置状态有关的系数，约为的一半；c为沟道噪声和栅极噪声的相关系数；Rs为天线或者天线滤波器的阻抗，即50欧姆，Yopt1/Zopt，Ys1/Zs，其中：0088 0089 在之后的每次迭代中将计算电路性能方程的数值。0090 步骤五：采用带精英策略的并行遗传算法对LNA的设计参数进行多目标优化，得到优化结果。其具体方法为：0091 1）编码。格雷码相对于二进制编码而言，便于提高遗传算法的局部搜索能力，且便于实现交叉、变异等遗传操作，符合最小字符编码原则。因而使用格雷码(Gray Code)对自变量进行编码，来表示群体中的个体。0092 2）生成初始种群。随机产生N个初始串结构数据作为一个个体，这N个个体构成初始种群。其中每一个个体都包含步骤二中的自变量，根据自变量选取的精度，每个自变量由若干编码长度的字符串组成，这些字符串根据固定的顺序连在一起构成一个个体。说 明 书CN 103150459 A10。