如果有人問我5G的必備需求，我可能會說大規模的MIMO和大量獨特並行DSP處理，也可能需要新智能方法來連接適應基礎設施中的網路切片。但在那之前，在射頻前端的數位智能也變得相當奇特，這就是過濾器。
這些設備從周圍的無線電雜音中提取出有用的射頻通道，而過濾掉其他的波段。 這個級別的濾波器無論是模擬電路還是數位電路都和傳統電路都不一樣。它們作用在壓電基板上;一端的電子傳感器(由輸入的無線電信號驅動)刺激機械動作，從而產生聲波。傳播到另一端，在那裡聲波會觸發第二個傳感器，將聲波信號轉換回電信號。 似乎要完成工作並不多，但神奇的是如何處理聲波。這就像一個小樂器，過濾器(加上下面的一個腔)有一個窄帶的共振頻率;在那個頻率範圍之外的一切都被阻尼出去。對於樂器來說，共振範圍取決於設備的機械設計—尺寸、厚度、材料和腔體。 2G、3G和4G的前端使用了聲錶面波(SAW)過濾器，波在設備錶面傳播。這顯然是非常經濟有效的，但也僅限於頻率在~2GHz以下，在那之後過濾器選擇性開始下降。這對於3G來說還好，對於4G、5G來說還不夠完善。這推動了體聲波(BAW)過濾器發展，它可以支持更高的頻率，更高的成本。 造成成本增加的一個原因可能是設計這種過濾器的復雜性。這些實際上是MEMS設備，因為它們是機電的;即使你沒有看到任何移動，聲波在壓電(Piezoelectric)結構中是機械變形。典型的過濾器是兩個電極之間位於空腔的頂部的一層聚乙烯薄膜。我以前談到過設計MEMS的挑戰—沒有可以進行可靠建模的預描述單元或定義良好的PDK。 還有第二個問題，聲波會到達他們想去的地方。雖然看起來正方形或矩形結構似乎是構建這些事物的邏輯方法，但聲波可以從末端反射，也可以在錶面傳播。兩種效應都可能乾擾理想的整體性能。因此，以有趣的形狀（例如不規則的五邊形）構造結構，以抑制不良影響。此外，構建諧振器網路是很常見的，每個諧振器可以具有不同的幾何形狀。 現在，你已經看到了問題–機電3D建模（因為您正在建模體聲波和錶面聲波），通過奇特的幾何結構以及很少的參考數據來指導模型。有人告訴我，生產這些濾波器的一些領先公司仍在使用design-fab-analyze-correct循環來優化設計。沒有更好的方法。但這仍然值得，因為這些設備的容量巨大–在包括手機在內的所有5G邊緣設備中都需要用到。但是現在有了更好的方法，那就是從定製的PDK開始虛擬化這些設備的原型。 比如採用Mentor / Tanner-SoftMEMS-OnScale解決方案。可以在L-Edit中逐層設計器件（這在處理奇怪的形狀（如不規則的五邊形）方面很出色），然後通過添加材料定義，通過矩陣的壓電特性，厚度，過程數據，機械特性和邊界條件將其轉換為3D模型。然後在雲端使用OnScale的可擴展有限元分析(FEM)，對整個事物或其中一部分進行建模，他們甚至可以對完整的晶圓建模，觀察其邊緣的行為和成品率。更好的虛擬建模和更好的分析，一直到晶元級的分析，這將有助於縮短上市時間。
Translated by 電子工程世界網
Comments