1.本发明涉及三维射频微系统技术领域，具体来说是一种射频微系统中金丝互连垂直补偿结构及其设计方法。
背景技术：2.随着下一代雷达、通信等电子系统的频率，朝着向毫米波、太赫兹频段发展，波长尺寸越来越小，系统集成需求越来越强烈。沿着摩尔定律途径向下发展的同质集成已经不能满足系统功能要求。射频微系统技术是突破该瓶颈的关键技术，它是利用三维空间将不同功能的芯片如射频进行异质、异构堆叠集成。作为目前最先进的系统集成技术，射频微系统封装集成技术能将多种采用不同工艺设计、具有不同功能的芯片电路进行堆叠，实现芯片功能与实现工艺的最佳匹配。
3.在射频微系统中，多种不同功能的芯片之间、芯片与微带传输线之间通过金丝互连，射频系统的电特性尤其是传输特性受金丝互连线的阻抗匹配特性影响。尤其是随着工作频段的提高，金丝互连线的寄生电感效应明显，阻抗不连续性增加，由此会恶化金丝互连线的传输特性，并影响射频微系统的电磁特性。因此，在射频微系统中分析并补偿金丝互连线的高频寄生电感效应，减小互连线的阻抗不匹配特性，改善传输性能，成为需要迫切解决的问题之一。
4.目前有多种方法来减小金丝互连线的不连续性，t.p.budka在ieee trans.microw.theory tech.期刊上发表的《wide
‑
bandwidth millimeter
‑
wave bond
‑
wire interconnects》上提出采用高、低阻抗传输线来对金丝键合进行阻抗匹配设计。g.liu等人在ieee microwave symposium国际会议上发表的《low
‑
loss low cost ic to board bondwire interconnects for millimeter wave application》上提出多阶电容补偿方法来改善芯片与电路板之间的金丝传输特性。朱浩然等在《一种三维封装电路中金丝键合的电容补偿及其设计方法》的发明专利中提出了一种新型电容补偿方法。
5.需要注意的是，这些方法都需要占用表层面积，在与金丝互连线同层的微带传输线附近设计补偿结构。然而在小型化、多通道、高密度射频微系统电路中，受电路设计和加工精度等因素限制，在金丝互连线的表层没有多余的区域可供补偿结构设计。此外，传统的微波电路结构设计多通过三维电磁仿真软件进行参数优化，随着工作频率的升高，网格剖分密度增加，需要花费大量的时间进行结构参数的优化设计。
技术实现要素：6.本发明的目的是为了解决现有技术中金丝互连补偿结构需占用表层面积的缺陷，提供一种射频微系统中金丝互连垂直补偿结构及其设计方法来解决上述问题。
7.为了实现上述目的，本发明的技术方案如下：
8.一种射频微系统中金丝互连垂直补偿结构，包括微波多层介质基板，微波多层介质基板由介质基板a和介质基板b层压形成，介质基板a的上表面安装有金丝互连结构，所述
的金丝互连结构包括表层微带传输线，
9.所述的介质基板a与介质基板b之间安装有垂直混合补偿结构，所述的垂直混合补偿结构包括平行板电容补偿结构和接地电感补偿结构，所述的平行板电容补偿结构包括带状传输线，带状传输线位于表层微带传输线的正下方，带状传输线的长边与表层微带传输线的长边相垂直，所述的接地电感补偿结构包括金属化接地通孔，金属化接地通孔位于介质基板b内，金属化接地通孔的顶部与带状传输线相接触，金属化接地通孔的底部与介质基板b的下表面相接触。
10.所述的带状传输线的中部设有圆形焊盘，金属化接地通孔的顶部与圆形焊盘相接触。
11.所述的金丝互连结构包括芯片，芯片通过金丝互连线将表层微带传输线与芯片的gsg焊盘进行信号连接。
12.所述介质基板a的上表面、下表面均为金属材质，介质基板b的上表面、下表面均为金属材质。
13.所述的垂直混合补偿结构由平行板电容c
c
和接地电感l
c
的混合补偿结构组成，平行板电容补偿结构与接地电感补偿结构之间形成级联谐振，以补偿金丝互连线的感性效应，实现金丝互连线的宽带阻抗匹配。
14.所述带状传输线与表层微带传输线通过介质基板a形成平行板电容c
c
；带状传输线与金属化接地通孔形成接地电感l
c
结构。
15.所述金丝互连线的传输特性受平行板电容c
c
的影响，所述的平行板电容c
c
的大小取决于带状传输线的宽度w
c
和长度l
c
，随着w
c
的增大和l
c
的减小，c
c
电容值得到改善，并由此增大互连线的回波损耗特性；
16.所述金丝互连线的传输特性受接地电感l
c
影响，所述的接地电感l
c
的大小取决于金属化接地通孔的长度l
v
，随着l
v
的增大，电感值l
c
得到改善，并由此增大互连线的回波损耗特性。
17.一种射频微系统中金丝互连垂直补偿结构的设计方法，包括以下步骤：
18.基础数据的获取：获取垂直混合补偿结构中相关参数作为敏感结构参数，其包括带状传输线的宽度w
c
和长度l
c
、金属化接地通孔的长度l
v
、平行板电容c
c
、接地电感l
c
；
19.构建并训练神经网络电磁模型：根据敏感结构参数基于神经网络算法构建并训练神经网络电磁模型；
20.参数优化结果的获得：通过优化算法来确定补偿结构参数的最终尺寸；首先根据设计原理来确定初始结构参数和取值范围，种群的第一代数据是在综合考虑效率和准确性的基础上随机构建；随后，根据上述广义人工神经网络算法建立的电磁模型库，基于目标s参数性能，直接预测并输出每一代种群的s参数性能；根据输出的s参数确定优化算法的适应度值，并用于判断种群中个体的性能；如果适应度函数值达到最大值，并且s参数满足目标性能，则确定最优的结构参数值；否则，再通过选择、交叉、突变等方法来改善种群，并基于广义人工神经网络生成的电磁模型库，生成新的种群和s参数性能，直到满足目标性能；通过上述方法，确定补偿结构参数的最终优化结果。
21.所述的构建并训练神经网络电磁模型包括以下步骤：
22.根据加工精度及电路系统的总体尺寸要求，确定结构参数的数值范围；
23.将敏感结构参数的取值范围和对应的散射参数性能分别确定为神经网络模型的输入和输出，并将其设定为广义人工神经网络模型的输入和输出；
24.将基础数据进行归一化处理，并将预处理后的样本随机分为训练和测试样本；然后根据公式(1)，基于扩散因子σ
i
和训练样本开展广义人工神经网络电磁模型的训练，
[0025][0026]
其中，x是广义人工神经网络模型的输入，x
i
是第i层神经元的训练样本，σ
i
是扩散因子，p
i
表示广义人工神经网络的传输函数；m是神经元的数目；
[0027]
通过调节扩散因子的值，调整广义人工神经网络的输出和目标散射参数性能之间的误差；当误差小于预计值时，即完成人工神经网络电磁模型的训练，并通过测试样本进行验证，得到训练后的人工神经网络模型。
[0028]
有益效果
[0029]
本发明的一种射频微系统中金丝互连垂直补偿结构及其设计方法，与现有技术相比有效解决了小型化、多通道、高密度射频微系统封装中金丝互连线的寄生电感效应补偿设计问题，改善金丝互连线的阻抗匹配和传输特性，利用射频微系统的多层结构，在垂直方向上进行混合电感和电容的特征阻抗补偿设计。
[0030]
本发明中的垂直补偿结构不占用金丝互连线的表面面积，仅在内层结构中进行补偿设计；同时本发明基于深度学习算法进行补偿结构尺寸的智能优化设计，通过广义人工神经网络算法先建立三维电磁模型库，并融入到优化算法流程中去，在此将广义神经网络算法作为黑盒子来根据输入结构参数得到输出s参数，可有效提高优化效率，明显降低优化时间。本发明技术在2层arlon clte
‑
xt微波介质中应用，在0
‑
20ghz的频率范围内，回波损耗大于16db，有效地改善了射频微系统的传输特性。
附图说明
[0031]
图1为本发明的三维结构透视图；
[0032]
图2为本发明的侧剖图；
[0033]
图3为本发明中金丝互连垂直补偿结构的等效电路图；
[0034]
图4为本发明的金丝互连垂直补偿结构中带状传输线长度l
c
对互连传输特性的影响图；
[0035]
图5为本发明的金丝互连垂直补偿结构中带状传输线带状线宽度w
c
对互连传输特性的影响图；
[0036]
图6为本发明的金丝互连垂直补偿结构中金属化接地通孔的长度l
v
对互连传输特性的影响图；
[0037]
图7为本发明的金丝互连垂直补偿结构中与未进行补偿设计的传输特性结果对比图；
[0038]
图8为本发明的金丝互连垂直补偿结构中基于深度学习方法的智能优化设计流程图；
[0039]
图9为本发明的金丝互连垂直补偿结构中分别经过深度学习和未经过深度学习优化的传输特性结果对比图；
[0040]
图10为本发明的金丝互连垂直补偿结构中经过不同深度学习优化算法中设计时间对比图；
[0041]
其中，101
‑
表层微带传输线、102
‑
gsg焊盘、103
‑
金丝互连线、104
‑
芯片、105
‑
介质基板a、106
‑
介质基板b、201
‑
带状传输线、202
‑
圆形焊盘、203
‑
金属化接地通孔。
具体实施方式
[0042]
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：
[0043]
如图1和图2所示，一种射频微系统中金丝互连垂直补偿结构，包括微波多层介质基板，微波多层介质基板由介质基板a105和介质基板b106层压形成，介质基板a105的上表面、下表面均为金属材质，介质基板b106的上表面、下表面均为金属材质。在此微波多层介质基板适用于多层低温共烧陶瓷工艺、多层微波印刷电路板工艺、多层硅基基板工艺等不同方式，可以采用arlon clte
‑
xt作为基板，由2层介质层压而成，介质的介电常数为2.94，每一层厚度为0.254毫米,金属层厚度为0.018毫米。
[0044]
介质基板a105的上表面安装有金丝互连结构，其中金丝互连结构包括表层微带传输线101和芯片104，芯片104通过金丝互连线103将表层微带传输线101与芯片104的gsg焊盘102进行信号连接。
[0045]
介质基板a105与介质基板b106之间安装有垂直混合补偿结构，垂直混合补偿结构包括平行板电容补偿结构和接地电感补偿结构。
[0046]
其中，平行板电容补偿结构包括带状传输线201，带状传输线201位于表层微带传输线101的正下方，带状传输线201的长边与表层微带传输线101的长边相垂直，即带状传输线201和表层微带传输线101形成一个十字交叉形式。
[0047]
接地电感补偿结构包括金属化接地通孔203，金属化接地通孔203位于介质基板b106内，金属化接地通孔203的顶部与带状传输线201相接触，金属化接地通孔203的底部与介质基板b106的下表面相接触。为了保证金属化接地通孔203能够满足加工工艺，带状传输线201的中部设有圆形焊盘202，金属化接地通孔203的顶部与圆形焊盘202相接触。
[0048]
如图3所示，垂直混合补偿结构由平行板电容c
c
和接地电感l
c
的混合补偿结构组成，平行板电容补偿结构与接地电感补偿结构之间形成级联谐振，以补偿金丝互连线103的感性效应，实现金丝互连线的宽带阻抗匹配。带状传输线201与表层微带传输线101通过介质基板a105形成平行板电容c
c
；带状传输线201与金属化接地通孔203形成接地电感l
c
结构。
[0049]
金丝互连线103的传输特性受平行板电容c
c
的影响，平行板电容c
c
的大小取决于带状传输线201的宽度w
c
和长度l
c
，随着w
c
的增大和l
c
的减小，c
c
电容值得到改善，并由此增大互连线的回波损耗特性；金丝互连线103的传输特性受接地电感l
c
影响，所述的接地电感l
c
的大小取决于金属化接地通孔203的长度l
v
，随着l
v
的增大，电感值l
c
得到改善，并由此增大互连线的回波损耗特性。
[0050]
如图4所示，本发明提供的射频微系统中金丝互连垂直补偿结构中带状线长度l
c
对互连传输特性的影响图，随着带状线长度l
c
的减小，电容值c
c
得到改善，并由此增大互连线的回波损耗特性。如图5所示，本发明提供的射频微系统中金丝互连垂直补偿结构中带状线宽度w
c
对互连传输特性的影响图，随着带状线宽度w
c
的增加，电容值c
c
得到改善，并由此
增大互连线的回波损耗特性。如图6所示，本发明提供的射频微系统中金丝互连垂直补偿结构中接地通孔长度l
v
对互连传输特性的影响图，随着接地通孔长度l
v
的增加，电感值l
c
得到改善，并由此增大互连线的回波损耗特性。
[0051]
如图7所示，本发明提供的射频微系统中金丝互连垂直补偿结构与未进行补偿设计的传输特性结果对比图，与传统未做任何补偿结构设计的金丝互连相比，传输特性得到明显改善，在0
‑
20ghz宽频段范围内，回波损耗大于16db。
[0052]
如图8所示，在此还提供一种射频微系统中金丝互连垂直补偿结构的设计方法，包括以下步骤：
[0053]
第一点，基础数据的获取：获取垂直混合补偿结构中相关参数作为敏感结构参数，其包括带状传输线201的宽度w
c
和长度l
c
、金属化接地通孔203的长度l
v
、平行板电容c
c
、接地电感l
c
。
[0054]
第二步，构建并训练人工神经网络电磁模型：根据敏感结构参数基于人工神经网络算法构建并训练神经网络电磁模型。其具体步骤如下：
[0055]
(1)根据加工精度及电路系统的总体尺寸要求，确定结构参数的数值范围；
[0056]
(2)将敏感结构参数的取值范围和对应的散射参数性能分别确定为神经网络模型的输入和输出，并将其设定为广义人工神经网络模型的输入和输出；
[0057]
(3)将基础数据进行归一化处理，并将预处理后的样本随机分为训练和测试样本；然后根据公式(1)，基于扩散因子σ
i
和训练样本开展广义人工神经网络电磁模型的训练，
[0058][0059]
其中，x是广义人工神经网络模型的输入，x
i
是第i层神经元的训练样本，σ
i
是扩散因子，p
i
表示广义人工神经网络的传输函数；m是神经元的数目。
[0060]
(4)通过调节扩散因子的值，调整广义神经网络的输出和目标散射参数性能之间的误差；当误差小于预计值时，即完成神经网络电磁模型的训练，并通过测试样本进行验证，得到训练后的神经网络模型。
[0061]
第三步，参数优化结果的获得：通过优化算法来确定补偿结构参数的最终尺寸；首先根据设计原理来确定初始结构参数和取值范围，种群的第一代数据是在综合考虑效率和准确性的基础上随机构建；随后，根据上述广义人工神经网络算法建立的电磁模型库，基于目标s参数性能，直接预测并输出每一代种群的s参数性能；根据输出的s参数确定优化算法的适应度值，并用于判断种群中个体的性能；如果适应度函数值达到最大值，并且s参数满足目标性能，则确定最优的结构参数值；否则，再通过选择、交叉、突变等方法来改善种群，并基于广义神经网络生成的电磁模型库，生成新的种群和s参数性能，直到满足目标性能；通过上述方法，确定补偿结构参数的最终优化结果。
[0062]
如图9所示，本发明提供的射频微系统中金丝互连垂直补偿结构分别经过深度学习和未经过深度学习优化的传输特性结果对比图，与传统无补偿结构的金丝互连特性相比，采用深度学习优化算法，可根据目标性能，进行参数智能优化，传输特性得到了明显改善。
[0063]
如图10所示，本发明提供的射频微系统中金丝互连垂直补偿结构经过不同深度学习优化算法中设计时间对比图，与传统遗传优化算法相比，采用深度学习优化算法，采集样
本的时间得到明显减小；与传统神经网络算法相比，本发明所提出的广义神经网络，神经网络模型的训练时间得到明显减小；最后采用本发明中的广义神经网络和遗传算法进行结构参数智能优化设计，整体时间减小，优化效率明显提升。
[0064]
综上，根据本发明提供的射频微系统中金丝互连垂直补偿结构及深度学习设计方法，可有效解决小型化、多通道、高密度射频微系统封装中金丝互连线的寄生电感效应补偿设计问题，改善金丝互连线的阻抗匹配和传输特性，利用射频微系统的多层结构，在垂直方向上进行混合电感和电容的特征阻抗补偿设计，与现有技术相比，该结构不占用金丝互连线的表面面积，仅在内层结构中进行补偿设计；同时本发明基于深度学习算法进行补偿结构尺寸的智能优化设计，通过广义人工神经网络算法先建立三维电磁模型库，并融入到优化算法流程中去，与现有优化算法相比，将广义神经网络算法作为黑盒子来根据输入结构参数得到输出s参数，可有效提高优化效率，明显降低优化时间。本发明技术在2层arlon clte
‑
xt微波介质中应用，在0
‑
20ghz的频率范围内，回波损耗大于16db，有效地改善了射频微系统的传输特性。
[0065]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。