Comparison of power consumption and circuit performance between back bias in FDSOI and body bias in bulk silicon
-
摘要:
针对功耗和工作频率对22 nm FDSOI背偏和28 nm体硅体偏电路的偏置能力进行对比和分析。以带有4级分频电路的65级环阵(RO)为例进行后仿真,后仿真结果表明,利用背偏技术的22 nm FDSOI环阵的输出频率可在57.8~206 MHz的范围内进行调节,相应的工作电流变化范围为24.4~90.4 μA;而利用体偏技术的28 nm体硅环阵的输出频率调节范围则为92.8~127 MHz,对应的工作电流变化范围为67.8~129 μA。对22 nm FDSOI工艺的环阵进行了实测,实测结果与仿真结果一致。分析认为,在功耗和性能2个方面,22 nm FDSOI电路的背偏调节能力优于28 nm体硅电路的体偏调节能力。
Abstract:In this paper, the body bias circuit in 28 nm bulk and the back bias circuit in 22 nm FDSOI are analyzed and compared from two aspects:power consumption and circuit performance. Taking a 65-stage ring oscillator (RO) with 4-level frequency divider as an example, post simulation was conducted. The simulatior results show that, for 22 nm FDSOI RO using the back bias technology, the output frequency can be adjusted from 57.8 MHz to 206 MHz, with the corresponding operating current varing from 24.4 μA to 90.4 μA, while for 28 nm bulk silicon RO using the body bias technology, the output frequency can be modulated from 92.8 MHz to 127 MHz, with the corresponding operating current varing from 67.8 μA to 129 μA. The 22 nm FDSOI process RO was measured and the measured results are consistent with the simulation results. Therefore, from the view of both power consumption and performance, the adjustment ability of 22 nm FDSOI circuits with back bias is much more efficient than that of 28 nm bulk circuits with body bias.
-
Key words:
- body bias /
- bulk /
- back bias /
- FDSOI /
- ring oscillator (RO)
-
对于全球导航卫星系统(Global Navigation Satellite System,GNSS)的单频用户,电离层延迟是最大的定位误差源。为保证航空用户的安全,星基增强系统(Satellite Based Augmentation System,SBAS)为单频用户提供网格点电离层改正数和改正误差[1]。由于观测值不充分、电离层结构复杂、异常事件难以预测等原因,电离层异常是影响SBAS完好性的最大风险项[2]。电离层在不同区域具有不同的结构特点。其中,中国国土范围跨越中低纬地区,与全球平均电离层水平相比,中国电离层变化更为复杂。文献[3]研究了中国区域SBAS电离层网格校正技术,针对中国南部区域的异常特性,提出了南北分区的研究思路。文献[4-7]分析了中国电离层异常现象的产生原因与影响,其中包括赤道异常、电离层暴、电离层闪烁等典型电离层异常现象。为保证SBAS完好性,需要针对中国区域复杂的电离层分布特性,开展中国区域的电离层异常研究工作。
目前,美国利用广域增强系统(Wide Area Augmentation System,WAAS)分布在美国本土、阿拉斯加、夏威夷岛和墨西哥的多个参考站收集的高精度观测数据进行电离层异常事件的提取和分析,以建立适用于SBAS的电离层异常模型和处理方法[8-11]。由于WAAS同一站配备3套接收机,数据质量得到了保障,电离层延迟值提取较为准确。研究国内电离层特性,可使用可靠性较高的连续运行参考站(Continuously Operating Reference Stations,CORS)的实测数据,但其数据质量无法达到WAAS站的水平。袁运斌等[12-13]研究了中国区域电离层延迟精确建模方法,使用CORS数据拟合电离层延迟值时,由于模型的平滑作用,拟合延迟值对接收机野值并不敏感;但进行完好性研究时,由于接收机野值具备和电离层异常相似的“异常”特性,会严重干扰电离层异常事件的提取。因此,在电离层异常研究中,需要对各个参考站的数据进行筛查以排除非电离层因素(例如卫星故障或接收机故障等)导致的数据异常,以保证电离层异常建模准确有效。
针对上述问题,本文定义由于非电离层因素导致的数据异常为“野值”,并提出一种基于电离层垂直延迟时间梯度的野值检测方法。
1. 电离层延迟数据提取
电离层垂直延迟数据是电离层异常研究的基础。本文采用数据质量较为可靠的GPS卫星L1和L2频点的双频码和载波相位观测值进行电离层延迟值的解算。L1和L2双频码伪距和载波相位伪距观测方程可表示为[14]
(1) 式中:r为接收机到卫星的真实距离;c为光速;δtu为接收机钟差;δts为卫星钟差;T为对流层延迟;I为L1频率信号上的电离层延迟。由于电离层延迟与信号频率的平方成反比,因此可通过给I乘上一个比例因子得到L2频率信号上的电离层延迟γI。下标1表示L1频率信号,下标2表示L2频率信号。f1和f2为信号频率;λ1和λ2为波长;d1r和d2r为接收机硬件延迟;d1s和d2s为卫星硬件延迟;ερ1和ερ2为码噪声;N1和N2为载波测量值的整周模糊度;εϕ1和εϕ2为载波相位噪声; ρ1和ρ2为码伪距观测值;ϕ1和ϕ2为载波相位观测值。式(1)中双频码伪距值相减再除以常数项可得到L1的电离层延迟码观测值Iρ1;双频载波伪距值相减再除以常数项可得到L1的电离层延迟载波观测值Iϕ1:
(2) 其中:延迟观测值Iρ1和Iϕ1可作为延迟真实值I的估计,但其中还包含噪声以及码间偏差(Differential Code Biases,DCB)项的干扰,DCB也称为内频偏差,是由于卫星和接收机的硬件电路对不同频率的信号产生的硬件延迟不同导致的[15]。双频码伪距计算得到的电离层延迟值噪声大;载波相位伪距噪声小,却有整周模糊度的问题。因此可利用载波相位平滑码伪距,得到低噪声的电离层延迟观测值,而平滑之前还需要进行周跳探测以确保载波相位观测值的连续性。参考Bernese软件的后处理方法进行周跳探测以及平滑[16],并建立区域垂直总电子含量(Vertical Total Electron Content,VTEC)球谐模型以估计卫星和接收机的DCB值,最后得到准确的电离层垂直延迟数据[17]。
欧洲定轨中心(Center for Orbit Determination in Europe,CODE)是国际上权威的GNSS分析机构,以其发布的全球电离层图(Global Ionosphere Maps,GIM)产品内插得到的延迟值作为参考,与处理得到的电离层垂直延迟值结果进行一致性比对,结果如图 1所示。结果表明,相比于单频定位普遍采用的Klobuchar模型值,本文处理得到的双频观测值更接近CODE电离层产品,证明了该方法可用于中国区域电离层延迟数据的提取。
通过分析结果发现,电离层垂直延迟双频观测值有时会出现跳变、梯度增大、剧烈抖动等异常现象。由式(2)可看出,除电离层因素引起真实延迟值I异常会导致电离层延迟观测值异常外,卫星故障、接收机故障、接收机受到干扰引起噪声增大等非电离层因素也会导致延迟观测值出现异常,这种异常会干扰对电离层真实特性的研究和分析,因此视其为“野值”,需要剔除。
卫星端异常(例如星历故障、星钟故障等)会导致不同参考站的同一颗卫星的观测值发生异常变化;接收机端异常(例如接收机故障、受到电磁干扰等)会导致单个参考站的观测值发生异常变化。由于卫星发生故障的概率非常小,且卫星端具备自主完好性监测能力,目前处理的数据还未出现卫星端异常的事件。因此实际数据中“野值”产生的原因主要是接收机异常,可通过剔除参考站数据的方法进行处理。
2. 野值检测方法
以利用上述方法处理得到的电离层垂直延迟数据作为基础,进行野值检测,剔除由非电离层因素导致的异常数据,并筛选出由电离层因素导致的异常数据。根据电离层活动的物理特性,可对电离层延迟异常值进行初步的识别。电离层异常导致的数据异常一般具有空间相关性和时间相关性,即在一定范围内,多于一个站或一颗星的电离层垂直延迟值在相同时间段内发生趋势相近的异常变化。而非电离层因素引起的数据野值,往往表现为不同卫星在不同时间段的电离层延迟值的跳变。
本文选取每个站每颗卫星的电离层垂直延迟值序列进行差分处理,得到电离层垂直延迟时间梯度(单位:mm/s)。电离层异常或者接收机异常都会导致时间梯度增大。通过对中国大陆构造环境监测网络(简称中国陆态网)200多个站的数据进行处理分析,计算得到每个站所有卫星的电离层垂直延迟时间梯度。以2016年3月26日(磁静期)为例,所有站的所有历元的时间梯度概率分布如图 2所示(样本数为4 896 618)。结果表明90%以上的时间梯度值都集中在(-0.5, 0.5) mm/s的区间内,仅存在少部分由于电离层异常或非电离层异常因素而增大的时间梯度值,最大异常梯度甚至超过20 mm/s。
利用CODE电离层产品计算出的电离层垂直延迟时间梯度最大值为1~2 mm/s,可认为实际电离层延迟正常梯度在其范围之内。由于接收机热噪声以及预处理时弧段划分等原因,CORS数据解算出的双频延迟值时间梯度会产生2~3 mm/s的干扰。因此可认为约5 mm/s以内的时间梯度都为正常值。根据对数据量的不同要求可调整检测门限以满足不同的场景。电离层异常研究中需采用尽可能密集的穿透点延迟数据以捕捉中国区域小时空尺度下的异常事件,因此不能剔除过多的数据。考虑到研究中国区域电离层异常特性的数据需求,以及野值对电离层异常检测的影响,本文选择了10 mm/s作为门限对数据进行筛选。根据电离层异常和非电离层异常的不同特性,以实际经验数据为基础,提出一种野值检测和剔除的方法,其流程如图 3所示。首先,计算单站单星的电离层垂直延迟时间梯度序列并进行遍历,若时间梯度绝对值超过10 mm/s,则判定其为异常值(野值或是电离层异常)。然后,根据该点附近2 h间隔内是否有其他历元的时间梯度绝对值超过5 mm/s来区分电离层异常或是野值。若单个站的野值个数小于2,则剔除该站该星的异常数据,否则剔除该站所有数据。最后,利用剔除站的单双频定位结果进行复核,验证其为野值。
对不同检测结果的参考站数据进行具体分析,可发现由于不同异常因素而导致的不同时间梯度特性。图 4~图 7分别是4个站所有卫星的电离层垂直延迟时间梯度值随时间变化。
图 4是2016年3月26日(磁静期)位于中国北部的HLAR站的电离层垂直延迟时间梯度。该站所有数据在野值检测中都被判定为正常值。由于不受到电离层暴和赤道异常等因素的影响,HLAR站所在区域电离层活动很平静,延迟值变化均匀且缓慢,因此时间梯度大部分都很小,个别不连续的点是由于观测值平滑时弧段划分引起的。
图 5是2016年3月26日QHTR站的电离层垂直延迟时间梯度。该站在野值检测中数据出现多个野值,被判定为剔除站。由图 5可见,该站时间梯度的极端异常值可超过±20 mm/s,而且异常值不连续。通过对该站周边站的电离层延迟值进行一致性比对,证明该异常不具有空间相关性,因此判定其产生异常的原因是该站接收机故障或受到干扰。
图 6是2016年3月26日位于海南的QION站的电离层垂直延迟时间梯度。野值检测中,该站出现了电离层异常。由图 6可以看出,13~16 h有几颗卫星的延迟值发生了异常变化,时间梯度出现了连续异常值,且波动较大。对北纬20°附近的多个站进行分析,都发现了相似的异常现象,其发生时间与区域都与电离层等离子体泡现象相吻合[18]。因此判断该站电离层异常的原因是电离层等离子体泡。
图 7是2015年3月17日(磁暴期)HAQS站的电离层垂直延迟时间梯度。野值检测中,该站也出现了电离层异常。该天的地磁指数Kp最大值为7,全球区域发生了强磁暴,因此中国区域有很大可能性发生了电离层暴。由图 7可看出,在GPS时5~10 h(当地时间13~18 h,日间),电离层最活跃也是延迟值变化最快的时段,多颗卫星的电离层垂直延迟值时间梯度连续增大。对比附近站的数据,发现该异常具有空间相关性。与图 6的电离层异常相比,图 7所示时间梯度变化更为缓慢,延迟值变化具有单调性,判定其电离层异常原因为赤道异常引起的电子密度增强或电离层暴引起的风暴增强密度(Storm Enhanced Density,SED)。
无论是哪种原因引起的电离层异常,其时间梯度异常都具有连续性的特点。而由于非电离层原因导致的数据野值,则不具有连续性的特点。基于这一特点,提出了以上区分野值和电离层异常的检测方法。为证明检测结果的正确性,用单站的定位误差结果进行复核。
3. 定位误差验证
野值检测的难点之一是判别异常值产生原因是否为电离层因素。一般认为,双频观测值可消除电离层异常对定位结果的影响。因此,可利用单双频定位误差结果来验证异常产生的原因。电离层异常会引起单频定位结果异常,而不影响双频定位结果;非电离层因素的“野值”则会引起单双频定位结果都出现异常。
RTKLIB是GNSS标准/精密定位开源程序包,由日本东京海洋大学开发,可支持多种GNSS定位模式[19]。本文利用RTKLIB的后处理单点定位模式对观测数据进行单双频定位解算。单频定位采用广播模型进行电离层改正。
对单双频定位结果进行对比,可验证异常产生的原因。图 8~图 10分别是2016年3月26日YNMZ站GPS时1~1.25 h(以下未作说明均为GPS时),YNMZ站14~14.25 h,QHTR站1~1.25 h 3个方向的单双频定位误差结果。野值检测结果表明,QHTR站由于数据出现较多野值而被剔除;YNMZ站在13~16 h发生了电离层异常。对比图 8未发生异常时段的单双频定位结果,图 9的双频定位结果正常,而单频定位出现较大误差,证明了YNMZ站该时段由于电离层异常引起数据异常的结论。而图 10的单双频定位结果都出现了较大误差,可说明QHTR站由于非电离层因素引发了异常。通过比较单双频定位误差结果,验证了野值检测结果的合理性。
4. 野值检测结果
采用上述方法对2016年不同月份的12天电离层垂直延迟数据进行野值检测,并统计剔除站数,如表 1所示。结果显示,在中国陆态网200多个站中,野值检测所剔除的参考站数目在3~10个,对电离层延迟值数据分布的影响在可接受范围内。
表 1 野值剔除结果Table 1. Outlier elimination results日期 剔除站数 2016-01-08 8 2016-01-17 5 2016-02-22 3 2016-02-28 5 2016-03-06 9 2016-03-13 9 2016-03-26 9 2016-04-09 5 2016-06-18 10 2016-10-13 10 2016-12-16 6 2016-12-25 3 在12天中剔除次数超过2次的参考站如图 11所示。对于某些站,多天的野值检测结果呈现一致性。例如,GSTS站在每天的野值检测中都被判别为剔除站,可能由于其接收机长期故障或者是受到干扰,在后续电离层异常建模研究中,将不采用此站的数据。
5. 结论
1) 野值检测方法可根据电离层异常和野值的不同时空相关特性有效检测出野值,并将其剔除,以保证电离层异常数据的可靠性。
2) 利用电离层垂直延迟时间梯度不仅可以筛选野值,还可以区分不同类型的电离层异常现象(电离层等离子体泡或电子密度增强),后续研究电离层异常时可借鉴该方法。
3) 利用单双频定位误差结果可判别异常值产生的原因是否是电离层因素,也可验证野值检测结果的正确性。
4) 在中国陆态网200多个站中,野值检测所剔除的参考站数目在3~10个,对电离层延迟值数据分布的影响在可接受范围内。
本文野值检测方法将用于中国区域电离层异常研究数据预处理阶段,以保障电离层延迟值数据的真实可靠性。为适应不同接收机以及不同数据要求的场景,仍需适当调整野值检测门限参数。
致谢: 感谢“中国大陆构造环境监测网络”(简称中国陆态网)提供的数据支持。 -
表 1 2种工艺环阵的输出频率对比
Table 1. Comparison of output frequency of RO between two processes
MHz 工艺环阵 最小值 正常值 最大值 28nm体硅CMOS 92.8 120 127 22nm FDSOI 57.8 158 206 表 2 2种工艺环阵的静态电流对比
Table 2. Comparison of standby current of RO between two processes
A 工艺环阵 最小值 正常值 最大值 28 nm体硅CMOS 1.70×10-8 2.34×10-7 1.26×10-6 22 nm FDSOI 1.33×10-9 2.99×10-9 5.34×10-9 表 3 2种工艺环阵的工作电流对比
Table 3. Comparison of operating current of RO between two processes
A 工艺环阵 最小值 正常值 最大值 28nm体硅CMOS 6.78×10-5 1.01×10-4 1.29×10-4 22nm FDSOI 2.44×10-5 7.03×10-5 9.04×10-5 表 4 22 nm FDSOI工艺环阵输出频率仿真与实测对比
Table 4. Comparison of output frequency of 22 nm FDSOI RO between simulation and test
背偏电压/V 输出频率/MHz 仿真值 实测值 (0, 0) 158 154 (+1, 0) 177 175 (+1, -1) 201 193 (+2, 0) 205 195 (+2, -2) 255 239 -
[1] SUN P P, WANG G A, WOODS W, et al.An adaptive body-bias low voltage low power LC VCO[C]//Proceedings of 2010 IEEE International Symposium on Circuits and Systems (ISCAS).Piscataway, IEEE Press, 2010: 1121-1124. [2] HART M J, YOUNG S P, GITLIN D, et al.Structures and methods for selectively applying a well bias to portions of a programmable device: US2003/0053335A1[P].2003-03-27. [3] NABAA G, NAJM F, AZIZI N.FPGA architecture with threshold voltage compensation and reduced leakage: US2008/0180129A1[P].2008-07-31. [4] NEDELCU S, HAUER J, KLEIN L, et al.Dynamic body bias for 22 nm FD-SOI Technology[C]//Proceedings of Analog 2016 IET/GMM-Symposium.Berlin: VDE-Verlag, 2016: 44-48. [5] DE STREEL G, BOL D.Impact of back gate biasing schemes on energy and robustness of ULV logic in 28 nm UTBB FDSOI technology[C]//IEEE International Symposium on Low Power Electronics and Design (ISLPED).Piscataway, NJ: IEEE Press, 2013: 255-260. [6] BERNARD S, BELLEVILLE M, VALENTIAN A, et al.Experimental analysis of flip-flops minimum operating voltage in 28 nm FDSOI and the impact of back bias and temperature[C]//2014 24th International Workshop on Power and Timing Modeling, Optimization and Simulation (PATMOS).Piscataway, NJ: IEEE Press, 2014, 5596: 1-7. [7] CHANG W T, LIN S W, SHIH C T, et al.Back bias modulation of UTBB FDSOI, bulk FinFET, and SOI FinFET[C]//2016 IEEE International Nanoelectronics Conference (INEC).Piscataway, NJ: IEEE Press, 2016: 1-2. [8] SKOTNICHI T.Competitive SOC with UTBB SOI[C]//2011 IEEE International SOI Conference.Piscataway, NJ: IEEE Press, 2011: 1-61. [9] CHRIRAT S, BEIGNE E, BERTHIER F, et al.Ultra low energy FDSOI asynchronous reconfiguration network for an IoT wireless sensor network node[C]//IEEE S3S Microelectronics Technology Unified Conference.Piscataway, NJ: IEEE Press, 2016: 1-3. [10] RASHED M.22FDX FDSOI application towards IOT for smart devices[C]//2017 30th International Conference on VLSI Design and 2017 16th International Conference on Embedded Systems (VLSID).Piscataway, NJ: IEEE Press, 2017. [11] CHEN L, LOMBARDI F, HAN J.FDSOI SRAM cell for low power design at 22 nm technology node[C]//IEEE International Midwest Symposium on Circuits & Systems, College Station. Piscataway, NJ: IEEE Press, 2014: 527-530. [12] SAKURAI T, MATTSUZAWA A, DOUSEKI T.Fully-depleted SOI CMOS circuits and technology for ultra-low power applications[M].Berlin:Springer, 2006:108-113. [13] RABARY J M, ANANTHA C, BORIVOJE N.数字集成电路——电路、系统与设计[M].北京:电子工业出版社, 2012:140-146.RABARY J M, ANANTHA C, BORIVOJE N.Digital integrated circuit-Circuits, systems and designs[M].Beijing:Publishing House of Electronics Industry, 2012:140-146(in Chinese). [14] 黄如, 张国艳, 李映雪, 等.SOI CMOS技术及其应用[M].北京:科学出版社, 2005:168-172.HUANG R, ZHANG G Y, LI Y X, et al.SOI CMOS technology and its application[M].Beijing:Science Press, 2005:168-172(in Chinese). [15] GAO C, ZHAO X, ZHAO K, et al.DSOI-A novel structure enabling adjust circuit dynamically[J].Journal of Semiconductor, 2016, 37(6):065003. doi: 10.1088/1674-4926/37/6/065003 期刊类型引用(3)
1. 何金花,李伟伟. 北斗三代SBAS在抗干扰天线下的实现及验证. 现代导航. 2024(05): 324-329 . 百度学术
2. 张振军. 基于数据筛选的无人机测绘数据异常检测. 西华大学学报(自然科学版). 2022(04): 66-71 . 百度学术
3. 冯乔. 基于超球面支持向量机的传感器网络数据异常检测分析. 微型电脑应用. 2020(10): 174-176 . 百度学术
其他类型引用(2)
-