基于极限学习机（ELM）的射频放大器关键规格建模研究学术报告

作者与发表信息

本研究由天津大学微电子学院的Shaohua Zhou、Cheng Yang和Jian Wang共同完成，并发表于期刊《Micromachines》2022年第13卷第693页。三位作者均来自天津大学微电子学院和天津大学青岛海洋技术研究院，其中Wang Jian为通讯作者。文章于2022年3月15日收稿，4月26日接受，并于4月28日正式发表。

学术背景与研究动机

射频（RF）放大器作为射频前端的关键组件，其性能指标直接决定了整个无线电系统的性能表现。在导航系统、雷达、卫星通信系统、移动通信系统和定位系统等多种应用场景中，射频放大器经常需要在温度变化剧烈的恶劣环境中工作。然而，放大器的性能指标会随着温度变化而退化，甚至可能导致系统故障。因此，准确建模射频放大器关键规格随温度变化的特性，对于系统优化设计具有重要意义。

先前的研究虽然已经对放大器规格与温度的关系进行了详细探讨，并开发了多种行为模型，但这些研究主要集中在放大器自身热效应对其规格的影响上，而忽视了外部环境变化（如温度）对放大器规格的综合影响。此外，现有的两种获取放大器规格环境特性的方法——仿真法和实测法——分别存在精度不足和耗时费力的缺点。基于这些研究空白，本研究旨在开发一种基于极限学习机（Extreme Learning Machine，ELM）的新型建模方法，以准确预测射频放大器在宽温度范围内的关键性能指标。

研究方法与工作流程

本研究采用了严谨的实验设计与先进的计算建模相结合的方法，主要工作流程可分为以下几个关键步骤：

1. 研究对象选择与电路设计

研究选取了两款具有代表性的射频放大器作为研究对象： 1) 一款工作频率为50-450 MHz的CMOS低噪声放大器（LNA），采用标准源级共源共栅结构设计，带有并联反馈以改善噪声系数（NF） 2) 一款工作频率为0.5-2.1 GHz的GaN AB类功率放大器（PA），基于Cree公司的CGH40006P GaN高电子迁移率晶体管（HEMT）设计

2. 温度特性测量实验

研究团队搭建了精密的测量系统，在-40°C至+90°C的温度范围内对两款放大器的关键性能指标进行了全面测试： - 使用环境试验箱（Vötsch Industrietechnik的SC3 1000 mHg型号）精确控制温度 - 采用罗德与施瓦茨矢量网络分析仪（VNA）测量S参数 - 使用频谱分析仪（FSV30）和矢量网络分析仪（ZVA24）测量输出功率（Pout） - 通过安捷伦噪声系数分析仪（NFA N8975A）测量LNA的噪声系数

为确保测量准确性，每个温度测试点都稳定30分钟才开始测量，输入功率、温度和频率范围与仿真设置保持一致。

3. 极限学习机建模方法

研究创新性地提出了基于ELM的两阶段建模方法：

第一阶段：基于仿真数据的初步建模 1) 构建单隐藏层前馈网络（SLFN）结构，随机生成输入权重和隐藏层偏置 2) 使用放大器在不同温度下的仿真数据训练网络 3) 计算隐藏层输出矩阵H，并通过Moore-Penrose广义逆求解输出权重β 4) 将模型输出与仿真结果比较，计算均方误差（MSE）

第二阶段：基于实测数据的模型校准 1) 使用实测数据校准初步建立的模型 2) 比较模型输出与实际测量结果的误差（MSE1） 3) 通过调整隐藏层节点数L和输出权重βi，使MSE1小于10^-3 4) 最终获得一组由实测数据校准的模型参数

4. 模型验证与对比分析

研究将提出的ELM建模方法与文献[19]中的传统方法进行了系统对比，分析了不同温度测量点数量和分布情况下的模型精度差异，验证了新方法的优越性。

主要研究结果

通过系统的实验测量和建模分析，本研究获得了以下重要结果：

1. S21参数的温度特性

• 温度升高导致S21下降，主要原因是二维电子气（2DEG）迁移率降低
• 虽然阈值电压随温度升高而降低会部分抵消这种影响，但在实际工作条件下（栅源电压远大于阈值电压），这种补偿效应可以忽略
• 在不同频率下，相同温度变化引起的S21变化幅度不同，表明2DEG迁移率具有频率依赖性
• 使用仿真数据的ELM模型与实测结果吻合良好（MSE约9.2×10^-3），而不使用仿真数据的模型则存在显著偏差

2. 输出功率的温度特性

• 输出功率随温度升高而降低，主要源于2DEG迁移率下降导致的源/漏电阻增加
• 当输出功率接近饱和时，相同温度变化引起的功率下降幅度减小
• 基于仿真数据的ELM模型能准确预测输出功率随温度的变化趋势和具体数值

3. 建模方法比较

与传统方法相比，本研究的ELM建模方法具有显著优势： - 对温度测量点的选择和分布不敏感 - 在相同数量测量点情况下，精度提高两个数量级（如3个测量点时MSE从4.75×10^-1降至9.23×10^-3） - 在相同精度要求下，所需测量点数量更少

研究结论与价值

本研究成功开发了一种基于极限学习机的射频放大器温度特性建模方法，主要结论和价值包括：

科学价值

1) 首次将ELM算法应用于射频放大器温度特性建模，为解决”仿真精度不足”与”实测耗时费力”的矛盾提供了新思路 2) 揭示了GaN和CMOS射频放大器关键参数（S21、输出功率等）随温度变化的物理机制 3) 证明了仿真数据与实测数据相结合的两阶段建模策略的有效性

应用价值

1) 为射频系统设计提供了可靠的放大器温度特性预测工具，可大幅减少实测工作量 2) 有助于在系统设计阶段就考虑温度影响，提高系统在恶劣环境下的可靠性 3) 建模方法可推广应用于其他有源器件的温度特性研究

研究亮点与创新点

1) 方法创新：首次提出基于ELM的两阶段（仿真+实测校准）建模方法，在保证精度的同时大幅减少实测工作量 2) 理论发现：明确了2DEG迁移率变化是GaN PA性能退化的主要原因，并发现其频率依赖性 3) 技术突破：实现了比传统方法高两个数量级的建模精度（在相同测量点数量情况下） 4) 工程价值：开发的方法可直接应用于射频前端设计，具有重要的工程实践意义

其他有价值的内容

研究还发现，温度变化对不同工作状态下的放大器影响程度不同： - 在AB类功率放大器中，当输出接近饱和时，温度变化的影响相对减弱 - 在低噪声放大器中，噪声系数的温度依赖性表现出特定的频率特性 这些发现为不同应用场景下的放大器设计和选型提供了重要参考。

此外，研究团队开发的建模流程具有良好的通用性，只需更换训练数据，即可应用于其他类型有源器件的特性建模，为微波毫米波器件的行为建模提供了新思路。