[发明专利]基于改进的自适应重要性采样算法的SRAM良率评估方法

权利要求书

1.基于改进的自适应重要性采样算法的SRAM良率评估方法，包括如下步骤：

(1)提取SRAM的工艺参数，并在归一化处理后表示为参数空间中的单位长度的超球面，利用超球面采样算法在每个超球面上找到N个失效样本；

(2)根据N个失效样本构建N个联合正态分布，并利用N个联合正态分布构造初始的扭曲采样函数g⁽⁰⁾(x)；

(3)设置batch数目，在每个batch中执行M次的迭代；其中第t次迭代中，利用第t-1次迭代构建的扭曲采样函数g^(t-1)(x)产生N个样本点根据当前N个样本点计算第t次迭代中的权重w_i,t以及失效率的无偏估计归一化样本权重为根据归一化的权重进行重采样，并利用重采样的样本点更新均值

(4)完成1个batch迭代后，利用EM算法更新N个联合正态分布的协方差矩阵；

(5)判断失效率估计的相对偏差是否小于0.1，如果是，则结束程序，输出最终的失效率的无偏估计，否则返回(4)。

2.根据权利要求1所述的基于改进的自适应重要性采样算法的SRAM良率评估方法，其特征在于：所述步骤(1)的具体步骤为：

(11)从代工厂提供的PDK中提取构建SRAM的MOS管的工艺参数，这些工艺参数相互独立且均服从正态分布；

(12)将工艺参数归一化为标准正态分布，表示为参数空间中的单位长度的超球面，超球面的半径表示这些工艺参数的波动；

(13)利用超球面采样算法，通过不断增加超球面的半径找到N个失效样本。

3.根据权利要求1所述的基于改进的自适应重要性采样算法的SRAM良率评估方法，其特征在于：所述步骤(2)的具体步骤为：

(21)将步骤(1)中N个失效点归一化后的观测值作为N个联合正态分布的初始均值，即第i个联合正态分布的初始均值的值为第i个失效样本归一化后的观测值；第i个联合正态分布的初始协方差矩阵的值为第i个失效点对应的初始归一化后的工艺参数分布的协方差；

(22)利用这N个联合正态分布构造初始的扭曲采样函数g⁽⁰⁾(x)，即其中，为第i个联合正态分布的概率密度，x表示样本。

4.根据权利要求1所述的基于改进的自适应重要性采样算法的SRAM良率评估方法，其特征在于：所述步骤(3)具体为：

(31)第t次迭代中的权重为：

其中π(x)为样本点在失效域内的理想分布，f(x)＝q(x|u₀,Σ₀)为步骤(1)中提取的存储器工艺参数的原始概率密度函数，u₀和Σ₀分别为步骤(1)中提取的存储器工艺参数归一化后的均值和方差，为第t-1次迭代中的第i个联合正态分布的概率密度；

(32)第t次迭代中失效率的无偏估计为：

(33)归一化当前迭代t中的样本点的权重值为：

(34)按归一化的权重进行重新采样：以归一化的权重值作为新的样本占比进行重采样；

(35)根据(34)重采样得到的样本点更新第t次迭代中采样函数的均值即是重采样后样本点归一化后的观测值。