一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结
构及其智能优化设计方法
技术领域
背景技术
[0002] 随着
电子系统向高速度、高功耗、高
密度、
低电压和大
电流的趋势发展，未来的混合
电路系统中，需要将高速数字处理器、
存储器、射频(RF)/模拟电路、
传感器、微
机电系统(MEMS)、光电器件等多功能器件集成，这种微系统集成同时又要求具有通信和计算能
力。系统级封装(SOP)技术则为封装-芯片协同设计提供了最有效的解决方案,成为微电子技术发展的趋势之一。在SOP技术中，高速混合电路系统芯片和射频/模拟电路芯片常被设计在同一个集成电路系统。而在高速数字处理器中,由于数字
开关不同步所产生的噪声，会通过电源分配网络(PDN)耦合到射频/模拟这些对噪声较敏感的电路上。引起严重的
锁相环(PLL)抖动和RF
振荡器的
相位噪声，进而引发时序容限、噪声容限的减小和误码率的增加。一般，晶体管的同步开关行为需要吸取大量的瞬时电流，导致供电轨道电压的
波动，而电压波动在PDN上传播又会形成分布式电源噪声，随后电源噪声通过PDN耦合到
信号线上，会引起信号畸变，眼图闭合。另外，电源和地平面之间构成的
谐振腔也很容易被高速
数字信号的返回电流和同步开关噪声(SSN)激励而产生谐振，引发严重的电源平面噪声和边缘上的电磁
辐射。
[0003] 因此,目前高速电子系统设计与分析的重点正逐渐从信号完整性(SI)转移到电源完整性(PI)领域。PDN是高速电路系统中最庞大也最复杂的互连分布结构，系统上所有元器件都会直接或间接的连接PDN上，大约有40％的互连空间用于PDN布局。也就是说PDN的设计及其噪声管理影响了电路系统的所有方面。如何减小混合电子系统中的同步开关噪声成为当代高速数字设计的主要
瓶颈之一。
[0004] 为解决这一问题，减小电源和地平面之间的SSN，保证电路系统SI、PI和电磁完整性(EMI)，需要设计出符合要求的噪声抑制结构。然而，随着电源分配网络朝着低电压、大电流趋势发展，伴随着现代高速混合电路设计中参数的非线性、不连续和不可微性，传统的噪声抑制结构设计方法存在着效率低下、设计周期长、依赖设计者的理论和经验，优化计算成本高，导致经常使用的确定性优化方法变得耗时费力，难以做到最优化设计，面对现在的电源完整性新要求往往无能为力。
[0005] 因此，高效的优化
算法对于实现高性价比的设计具有举足轻重的作用。同时，研究更为智能的自动设计优化方法帮助设计噪声抑制结构变得尤为重要。
遗传算法(GA)作为智能
优化算法的代表算法，是参考
生物系统自然选择以及遗传进化机制开发出的一种自适应全局优化概率搜索算法，由于其具备不依赖带求解问题的具体领域，对问题的种类具有很强的鲁棒性，并适用于并行计算。因此，遗传算法在电磁领域取得了广泛的应用。
[0006] 那么，如何基于遗传算法的设计思想研发出一种高效的噪声抑制结构及其智能优化设计方法已经成为急需解决的技术问题。
发明内容
[0007] 本发明的目的是为了解决
现有技术中噪声抑制结构效率低下、设计周期长、难以最优化设计的
缺陷，提供一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结构及其智能优化设计方法来解决上述问题。
[0008] 为了实现上述目的，本发明的技术方案如下：
[0009] 一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结构，包括介质
基板，介质基板的背面印刷有金属接地板，介质基板的
正面印刷有电源分配网络，电源分配网络包括电磁带隙结构，电磁带隙结构的数量为9个，电磁带隙结构以“3×3”的形式布置在介质基板上，
[0010] 所述的电磁带隙结构包括器件承放
铜板，器件承放铜板外围连接有“L”形桥，横、纵向相邻的两个电磁带隙结构之间均通过“L”形桥相连接，器件承放铜板上划分出矩形区域，矩形区域的四条边由72个矩形
块组成，72个矩形块的面积均相同，其中矩形区域的横边由20个矩形块呈两行规则布置，矩形区域的竖边由16个矩形块呈两列规则布置，若干个矩形块
刻蚀为镂空结构；9个电磁带隙结构中任意2个电磁带隙结构上设有馈电通孔，两个馈电通孔均与器件承放铜板和金属接地板相连。
[0011] 所述的两个馈电通孔分别位于电源分配网络对
角线上的两个电磁带隙结构上。
[0012] 所述的器件承放铜板上连接的“L”形桥数量为2-4个。
[0013] 所述的馈电通孔位于器件承放铜板的中心处。
[0014] 所述的介质基板的材质为有耗介质材料FR-4,相对
介电常数＝4.4，损耗角正切＝0.02，介质厚度＝0.2mm，电源层和接
地层的材质为铜，金属厚度＝35um。
[0015] 所述的通孔与SMA同轴接头插接，用于连接到
矢量网络分析仪来测量噪声耦合传输系数；所述的器件承放铜板用于放置高速混合电路系统的噪声源或电路系统中易受噪声影响的设备；所述的“L”形桥为电磁带隙结构提供电感，构成低通
滤波器原型。
[0016] 一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结构的智能优化设计方法，包括以下步骤：
[0017] 71)
选定自动设计区域：选择矩形区域作为自动设计区域，将72个矩形块作为自动设计最小单元；
[0018] 72)进行待优化的电磁带隙结构尺寸参数的变量设定：选择器件承放铜板(103)的边长、“L”形桥的长度与宽度、“L”形桥与器件承放铜板连接时抽头的长度为优化变量，设定参数优化范围、优化
精度；
[0019] 73)设定适应度函数：利用改进型遗传算法根据个体的适应度值判断其表现的优劣，判断是否选择作为父代将基因遗传给下一代；将适应度函数表达式设定如下：
[0020]
[0021]
[0022] 其中，fiti和|S21|分别为
采样点
频率的适应度值和插入损耗，n代表着对电源分配网络传输响应的采样点个数；
[0023] 74)利用改进型遗传算法进行自动优化设计：利用改进型遗传算法自动设计优化方法得到适应度值最高的个体，根据适应度值最高个体的
染色体设计最佳电源分配网络形式，包括矩形块的刻蚀
位置及数量、器件承放铜板的边长、“L”形桥的长度与宽度、“L”形桥与器件承放铜板连接时抽头的长度。
[0024] 利用改进型遗传算法进行自动优化设计包括以下步骤：
[0025] 81)设定遗传算法基本参数：
[0026] 设定遗传算法中每个个体的染色体被分为两个功能串，第一功能串的长度为72，第二功能串的长度为24，第一功能串用于设计矩形区域中矩形块的刻蚀位置及数量、第二功能串用于优化电磁带隙结构参数的尺寸；
[0027] 82)按照汉明距离初始化方法初始化种群，设定种群大小，设定最小汉明距离,
迭代计数器置1；
[0028] 83)选取种群中第一个个体，将代表个体染色体的二进制数串通过VB Script传输数据给HFSS建立电源分配网络模型并仿真出S21数据；
[0029] 84)将HFSS仿真出的S21数据通过VB Script传送给MATLAB自动进行第一个个体适应度值的计算，将适应度值存入数组；
[0030] 85)依次选择种群中剩下的个体进行83)步骤、84)步骤操作，直到种群中所有个体的适应度值都被计算出并存入数组中；
[0031] 86)根据适应度值对第一代种群中的个体进行排序，选择适应度值较高的10％个体作为精英个体直接存入下一代种群中；
[0032] 87)将第一代种群中的全部个体按照随机轮盘赌的方式、依照设定的选择率进行选择操作，对选择出的个体按照设定的交叉率、突变率进行交叉，突变操作成新个体，与之前的精英个体组成子代种群，同时，迭代计数器加1；
[0033] 88)判断迭代计数器是否达到最大迭代次数，若没有达到，返回83)步骤对第子代种群执行相同操作；若达到最大迭代次数，输出适应度值最高的个体的设计优化方案。
[0034] 所述根据个体的染色体建立电源分配网络模型的方法如下：
[0035] 将96位二进制数长度的个体染色体，其中前72位二进制数用于刻蚀矩形区域，刻蚀原则为若二进制数为“1”，与之对应的小矩形框不做刻蚀处理；若二进制数为“0”，与之对应的小矩形框位置的铜片被刻蚀为镂空形式；
[0036] 个体染色体二进制数的1至20位用于刻蚀矩形区域上横边的20个矩形块、21至40位用于刻蚀矩形区域下横边的20个矩形块、41至56位用于刻蚀矩形区域左竖边的16个矩形块、57至72位用于刻蚀矩形区域右竖边的16个矩形块；
[0037] 个体染色体二进制数的73至78位二进制数解码为“L”形桥的长度、79至84位二进制数解码为“L”形桥的宽度、85至90二进制数解码为器件承放铜板的边长、91至96位解码为“L”形桥与器件承放铜板连接时抽头的长度。
[0038] 所述的改进型遗传算法由简单遗传算法改进而成，对简单遗传算法改进如下：
[0039] 101)将简单遗传算法中随机初始化种群方法改进为汉明距离初始化种群：
[0040] 汉明距离是两个等长字符串对应位置的不同字符的个数，每个初代个体之间的汉明距离都必须大于一个设定值，初代种群可以在不失随机性的情况下尽可能的分散，改进遗传算法使用有限的个体数量科学刻画解空间；
[0041] 102)将简单遗传算法完全轮盘赌选择方法改进为精英个体保护加轮盘赌选择方法：
[0042] 简单遗传算法中使用轮盘赌方法进行选择，个体被选择的期望数量与其适应度和群体平均适应度的比例相关，即先计算每个个体的适应度值，然后计算出此适应度值在群体适应度值总和中所占的比例，表示该个体在选择过程中被选中的概率，因为轮盘赌随机选择，已经进化出的最优个体即使适应度值很高，也有可能在选择过程中被淘汰，即出现夭折现象，导致种群的退化，因为改进遗传算法在轮盘赌选择之前，先将适应度值较高的个体即精英个体直接遗传到下一代，再在原种群中使用轮盘赌选择，进行常规的交叉、突变操作，产生新个体，这样，夭折现象可以避免；
[0043] 103)将简单遗传算法中随机交叉操作改进为非重复性双点交叉方法：
[0044] 交叉算子是遗传算法中产生新个体的主要方式，在算法的迭代后期，种群中有很多表现好的个体，由于他们遗传自表现良好的上一代个体，这些个体的染色体
片段有许多相同片段；如果交叉算子不对参与交叉操作的相同染色体片段进行判断，交叉操作就会变得没有意义，因为没有新个体产生；因此，改进遗传算法使用非重复性交叉算子，只对非重复的染色体片段进行交叉操作，不符合要求的染色体片段舍弃并重新选择；同时，为了适应多参数优化，简单遗传算法的单点交叉算子改进为双点交叉算子；基于以上改进，改进遗传算法相比于简单遗传算法，可以详细刻画解空间，增加交叉效率，具有更快的收敛速度与精度。
[0045] 有益效果
[0046] 本发明的一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结构及其智能优化设计方法，与现有技术相比通过在电源分配网络电源层设计电磁带隙结构形状，降低噪声抑制低频截止频率，增大噪声抑制频率带宽范围；通过自动优化方法自动优化分配网络的尺寸，加大噪声抑制深度；只对电源分配网络电源层做出设计，不对地平面做出改动，减少对返回电流路径的破坏，改善高速混合电路的信号完整性；有效解决高速混合电路系统中由于瞬态电流变化所引起的电压波动问题，能够明显的抑制电源分配网络中产生的同步开关噪声，保证混合电路中射频/模拟电路模块在宽频带范围内的正常工作。
[0047] 本发明提出噪声抑制结构的改进型遗传算法自动设计优化方法，无需人工设计调整，有效解决以往噪声抑制结构效率低下、设计周期长、难以最优化设计的缺陷。本发明使用改进型遗传算法作为噪声抑制结构自动设计的工具，根据遗传算法个体的染色体决定电源层中特
定位置铜片的留存，从而使电源分配网络的表面阻抗增大，降低同步开关噪声在电源分配网络中的传播。
附图说明
[0048] 图1为本发明中电源分配网络中电源面的俯视图；
[0049] 图2为本发明中电源分配网络中的基本单元电磁带隙结构的示意图；
[0050] 图3为本发明中使用改进型遗传算法作为自动设计方法的示例图；
[0051] 图4为本发明中使用改进型遗传算法作为自动设计方法的适应度曲线图；
[0052] 图5为本发明中使用的改进型遗传算法设计过程中的电源分配网络的传输相应曲线；
[0053] 图6为本发明的仿真与测试结果比较图；
[0054] 图7为本发明中电源分配网络的色散图；
[0055] 图8为本发明中贴片划分情况对结构效果产生影响的比较图；
[0056] 图9为本发明中改进型遗传算法的算法
流程图；
[0057] 其中，101-介质基板、102-矩形区域、103-器件承放铜板、104-“L”形桥、105-馈电通孔、106-矩形块。
具体实施方式
[0058] 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：
[0059] 如图1所示，本发明所述的一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结构，包括介质基板101，介质基板101的背面印刷有金属接地板(背面为完整接地面)，保证其信号完整性。
[0060] 介质基板101的正面印刷有电源分配网络，电源分配网络包括电磁带隙结构，电磁带隙结构的数量为9个，电磁带隙结构以传统的“3×3”的形式布置在介质基板101上。
[0061] 如图2所示，电磁带隙结构包括器件承放铜板103，器件承放铜板103用于放置噪声源或易受噪声影响的射频/数字芯片。器件承放铜板103外围连接有“L”形桥104，“L”形桥104用于相邻的器件承放铜板103之间连接传导使用，横、纵向相邻的两个电磁带隙结构之间均通过“L”形桥104相连接。
[0062] 器件承放铜板103上划分出矩形区域102，矩形区域102为器件承放铜板103上的一块矩形，矩形区域102的四条边由72个矩形块106组成，72个矩形块106的面积均相同。其中矩形区域102的横边由20个矩形块106呈两行规则布置，矩形区域102的竖边由16个矩形块106呈两列规则布置，通过对矩形块106刻蚀为镂空结构，实现基于改进型遗传算法对矩形区域102的设计。矩形区域102与第一功能串中的二进制数一一对应；若二进制数为“1”，与之对应的小矩形框不做变化；若二进制数为“0”，与之对应的小矩形框位置的铜片被去除(刻蚀为镂空结构)。这样，随着功能串1的变化，电磁带隙结构的形状会随之变化。
[0063] 由于现代高速混合电路设计中参数的非线性、不连续和不可微性，传统的噪声抑制结构设计方法存在着效率低下、依赖设计者的理论和经验、设计周期长、优化计算成本高、难以做到最优化设计等问题，面对现在的电源完整性新要求往往无能为力。因此，使用本发明所述智能优化设计方法进行高效的电源分配网络设计，将设计人员从重复繁杂的人工优化设计解脱出来，从而实现更高性价比、更智能的设计。
[0064] 9个电磁带隙结构中任意2个电磁带隙结构上设有馈电通孔105，两个馈电通孔105均与器件承放铜板103和金属接地板相连。馈电通孔105位于器件承放铜板103的中心处，馈电通孔105与SMA同轴接头插接，用于连接到矢量网络分析仪来测量噪声耦合传输系数。其中，两个馈电通孔105可以分别位于电源分配网络对角线上的两个电磁带隙结构上，左上角为端口1，右下角为端口2。
[0065] 在此，“L”形桥104为电磁带隙结构提供电感，构成
低通滤波器原型。每个器件承放铜板103上连接的“L”形桥104数量可以为2-4个，具体数量根据器件承放铜板103与其他相邻器件承放铜板103所需连接的数量来定，实际应用中为了加工方便，可以将每个器件承放铜板103上连接的“L”形桥104数量均设为4个。
[0066] 介质基板101的材质可以为有耗介质材料FR-4,相对介电常数＝4.4，损耗角正切＝0.02，介质厚度＝0.2mm，电源层(正面)和接地层(背面)的材质为铜，金属厚度＝35um。
[0067] 在此还提供一种应用于系统级封装中电源分配网络的宽阻带噪声抑制结构的智能优化设计方法，包括以下步骤：
[0068] 第一步，选定自动设计区域：选择矩形区域102作为自动设计区域，将72个矩形块106作为自动设计最小单元。
[0069] 第二步，进行待优化的电磁带隙结构尺寸参数的变量设定。选择器件承放铜板103的边长、“L”形桥104的长度与宽度、“L”形桥104与器件承放铜板103连接时抽头的长度为优化变量，按传统方式设定参数优化范围、优化精度。
[0070] 第三步，设定适应度函数。
[0071] 利用改进型遗传算法根据个体的适应度值判断其表现的优劣，判断是否选择作为父代将基因遗传给下一代。将适应度函数表达式设定如下：
[0072]
[0073]
[0074] 其中，fiti和|S21|分别为采样点频率的适应度值和插入损耗，n代表着对电源分配网络传输响应的采样点个数。
[0075] 通常认为，当电源分配网络的传输响应小于-30dB时，电源分配网络可被认为有效抑制同步开关噪声。所以，当采样点的仿真|S21|的抑制
水平大于-30dB时，采样点对个体的总体适应度值没有贡献，相应的适应度值置“0”。当采样点的|S21|小于-30dB大于-40dB时，将该采样点的适应度置一个较大权重“5”。围绕-30dB给与采样点适应度值一个较大的跳跃(0→5)是为了使自动设计电源分配网络拥有基本抑制噪声能力。为了使抑制同步开关噪声能力达到最佳，采样点的|S21|达到-40dB和-50dB之间、小于-50dB时，采样点的适应度分别置“6”、“7”。在这两个频段给与采样点适应度值较小的跳跃(5→6、6→7)，是为了防止电源分配网络出现若干频段没有达到基本抑制噪声水平，而有些频段的抑制水平很高的情况，造成抑制带宽的降低。
[0076] 第四步，利用改进型遗传算法进行自动优化设计。
[0077] 利用改进型遗传算法自动设计优化方法得到适应度值最高的个体，根据适应度值最高个体的染色体设计最佳电源分配网络形式，包括矩形块106的刻蚀位置及数量、器件承放铜板103的边长、“L”形桥104的长度与宽度、“L”形桥104与器件承放铜板103连接时抽头的长度。
[0078] 自动设计算法使用改进型遗传算法作为自动设计工具。遗传算法是参考生物系统自然选择以及遗传进化机制开发出的一种自适应全局优化概率搜索算法，由于其具备不依赖带求解问题的具体领域，对问题的种类具有很强的鲁棒性，并适用于并行计算。因此，遗传算法在电磁领域取得了广泛的应用。但是简单遗传算法可以解决许多传统优化方法无法解决的问题，特别在多参数非线性不可微优化领域。
[0079] 简单遗传算法可以解决许多传统优化方法无法解决的问题，特别在多参数非线性不可微领域。但是，其也具有容易掉入早熟陷阱、收敛迭代次数较多等缺陷。因此，为了改善遗传算法的性能，加快收敛速度与优化精度，本方法对简单遗传算法做出改进，改进型遗传算法由简单遗传算法改进而成，对简单遗传算法改进如下：
[0080] 首先，将简单遗传算法中随机初始化种群方法改进为汉明距离初始化种群：
[0081] 汉明距离(Hamming distance)是两个等长字符串对应位置的不同字符的个数，每个初代个体之间的汉明距离都必须大于一个设定值，初代种群可以在不失随机性的情况下尽可能的分散，改进遗传算法使用有限的个体数量科学刻画解空间；
[0082] 其次，将简单遗传算法完全轮盘赌选择方法改进为精英个体保护加轮盘赌选择方法：
[0083] 简单遗传算法中使用轮盘赌方法进行选择，个体被选择的期望数量与其适应度和群体平均适应度的比例相关，即先计算每个个体的适应度值，然后计算出此适应度值在群体适应度值总和中所占的比例，表示该个体在选择过程中被选中的概率，因为轮盘赌随机选择，已经进化出的最优个体即使适应度值很高，也有可能在选择过程中被淘汰，即出现夭折现象，导致种群的退化，因为改进遗传算法在轮盘赌选择之前，先将适应度值较高的个体即精英个体直接遗传到下一代，再在原种群中使用轮盘赌选择，进行常规的交叉、突变操作，产生新个体，这样，夭折现象可以避免；
[0084] 最后，将简单遗传算法中随机交叉操作改进为非重复性双点交叉方法：
[0085] 交叉算子是遗传算法中产生新个体的主要方式，在算法的迭代后期，种群中有很多表现好的个体，由于他们遗传自表现良好的上一代个体，这些个体的染色体片段有许多相同片段；如果交叉算子不对参与交叉操作的相同染色体片段进行判断，交叉操作就会变得没有意义因为没有新个体产生；因此，改进遗传算法使用非重复性交叉算子，只对非重复的染色体片段进行交叉操作，不符合要求的染色体片段舍弃并重新选择；同时，为了适应多参数优化，简单遗传算法的单点交叉算子改进为双点交叉算子；基于以上改进，改进遗传算法相比于简单遗传算法，可以详细刻画解空间，增加交叉效率，具有更快的收敛速度与精度。
[0086] 如图9所示，为本发明中使用遗传算法自动设计电源分配网络的算法流程图。算法流程如下：
[0087] (1)按照汉明距离初始化方法初始化种群。
[0088] (2)选取种群中第一个个体，将代表个体染色体的二进制数串通过VB Script传输数据给HFSS建立电源分配网络模型并仿真出S21数据。
[0089] (3)将HFSS仿真出的S21数据通过VB Script传送给MATLAB自动进行第一个个体适应度值的计算，将适应度值存入数组。
[0090] (4)依次选择种群中剩下的个体进行(2)步骤、(3)步骤操作，直到种群中所有个体的适应度值都被计算出并存入数组中。
[0091] (5)根据适应度值对第一代种群中的个体进行排序，选择适应度值较高的10％个体作为精英个体直接存入下一代种群中。
[0092] (6)将第一代种群中的全部个体按照随机轮盘赌的方式、依照设定的选择率进行选择操作，对选择出的个体按照设定的交叉率使用非重复性双点交叉算子进行交叉，随后按照设定的突变率突变操作成新个体，与之前的精英个体组成子代种群，同时，迭代计数器加1。
[0093] (7)判断迭代计数器是否达到最大迭代次数，若没有达到，返回(3)步骤对第子代种群执行相同操作；若达到最大迭代次数，输出适应度值最高的个体的设计优化方案。
[0094] 基于此，利用改进型遗传算法进行自动优化设计包括以下步骤：
[0095] (1)设定遗传算法基本参数：
[0096] 如图3所示，设定遗传算法中每个个体的染色体被分为两个功能串，第一功能串的长度为72，第二功能串的长度为24，第一功能串用于设计矩形区域102中矩形块106的刻蚀位置及数量、第二功能串用于优化电磁带隙结构参数的尺寸。如图3所示，遗传算法种群中个体的染色体被划分为两个功能串。第一功能串负责设计电磁带隙结构中自动设计结构的形状。二进制数“0”和“1”分别表示对应区域铜皮的去留，从而改变电磁带隙的形状。第二功能串负责优化电磁带隙结构的若干参数的具体尺寸，其包括：设备平板的边长d，“L”形桥的宽度wl1，“L”形桥与平板连接时抽头的位置长度t，两个电磁带隙结构之间的距离wl2。
[0097] (2)按照汉明距离初始化方法初始化种群，设定种群大小，设定最小汉明距离，迭代计数器置1。此处为针对于简单遗传算法的第一处改进，将传统简单遗传算法中随机初始化种群方法改进为汉明距离初始化种群，使得初代种群可以在不失随机性的情况下尽可能的分散，改进遗传算法就可以使用有限的个体数量科学刻画解空间。
[0098] (3)选取种群中第一个个体，将代表个体染色体的二进制数串通过VB Script传输数据给HFSS建立电源分配网络模型并仿真出S21数据。
[0099] 其中，根据个体的染色体建立电源分配网络模型的方法如下：
[0100] 将96位二进制数长度的个体染色体，其中前72位二进制数用于刻蚀矩形区域102，刻蚀原则为若二进制数为“1”，与之对应的小矩形框不做刻蚀处理；若二进制数为“0”，与之对应的小矩形框位置的铜片被刻蚀为镂空形式；
[0101] 个体染色体二进制数的1至20位用于刻蚀矩形区域102上横边的20个矩形块106、21至40位用于刻蚀矩形区域102下横边的20个矩形块106、41至56位用于刻蚀矩形区域102左竖边的16个矩形块106、57至72位用于刻蚀矩形区域102右竖边的16个矩形块106。
[0102] 个体染色体二进制数的73至78位二进制数解码为“L”形桥104的长度、79至84位二进制数解码为“L”形桥104的宽度、85至90二进制数解码为器件承放铜板103的边长、91至96位解码为“L”形桥104与器件承放铜板103连接时抽头的长度。
[0103] (4)将HFSS仿真出的S21数据通过VB Script传送给MATLAB自动进行第一个个体适应度值的计算，将适应度值存入数组。
[0104] (5)依次选择种群中剩下的个体进行(3)步骤、(4)步骤操作，直到种群中所有个体的适应度值都被计算出并存入数组中。
[0105] (6)根据适应度值对第一代种群中的个体进行排序，选择适应度值较高的10％个体作为精英个体直接存入下一代种群中。此处为针对于简单遗传算法的第二处改进，将简单遗传算法完全轮盘赌选择方法改进为精英个体保护加轮盘赌选择方法，避免夭折现象的出现。
[0106] (7)将第一代种群中的全部个体按照随机轮盘赌的方式、依照设定的选择率进行选择操作，对选择出的个体按照设定的交叉率使用非重复性双点交叉算子进行交叉，随后按照设定的突变率突变操作成新个体，与之前的精英个体组成子代种群，同时，迭代计数器加1。此处为针对于简单遗传算法的第三处改进，将传统简单遗传算法中随机交叉操作改进为非重复性双点交叉方法。通过针对于简单遗传算法的三处改进，可以详细刻画解空间，增加交叉效率，具有更快的收敛速度与精度。
[0107] (8)判断迭代计数器是否达到最大迭代次数，若没有达到，返回(3)步骤对第子代种群执行相同操作；若达到最大迭代次数，输出适应度值最高的个体的设计优化方案。
[0108] 如图4所示，为本发明使用的遗传算法的每代最优个体适应度值曲线和种群平均适应度曲线示意图。改进遗传算法在第14代收敛为1377，与之对应的最佳设计结构如图1所示。算法初期，种群的最佳个体的适应度值就处于比较高的状态，体现了汉明距离初始化方法使初始种群就包含了良好的基因。在算法的前五次迭代，种群的平均适应度迅速提高。在算法迭代的后期，平均适应度和每代的最佳适应度差距很小，这说明改进遗传算法在迭代后期的侧重点由全局优化转为局部优化。在整个算法优化的过程中，没有出现种群的退化，体现了精英个体保护机制的优势。
[0109] 如图5所示，为本发明中使用遗传算法自动设计的电源分配网络在不同设计优化阶段的传输响应示意图。未经过优化的电源分配网络的|S21|在较高频阶段就有许多反谐振点，初始结构仅能在0.55MHz至3.9GHz之间抑制噪声，性能远远不足。随着遗传算法推动种群进化，在电源分配网络的电源层刻蚀图案，增大表面阻抗，其某些频率的反谐振点也随之被抑制，传输响应越来越好。知道第14代进化出最佳设计结构，其能够在0.37GHz到20GHz频率带宽范围内对同步开关噪声达到-50dB抑制深度，达到超宽带高抑制度的噪声抑制效果，反谐振问题在设计频段内得到完美解决。
[0110] 如图6所示，为本发明中使用遗传算法自动设计的最佳电源分配网络结构的测试结果与仿真结果对比图，由对比图可知，仿真结果和测试结果基本吻合，达到了预计的宽频带高抑制度的噪声抑制效果。
[0111] 如图7所示，为本发明中使用遗传算法自动设计的最佳电源分配网络结构与全面板和未经过遗传算法优化结构的色散图对比。色散图通过对布里渊三角中所有可能的入射波波矢方向进行遍历，来计算出相应的本征模值，进而求解出结构的色散特性。有入射波经过的频带为通代，没有入射波经过的频带则为禁带。本发明提出的电源分配网络的色散图显示，其低频
通带为0GHz至0.37GHz,与S参数仿真结果一致。
[0112] 如图8所示，为本发明中使用遗传算法自动设计不同划分方案的对比图。划分方案对设计电源分配网络抑制同步开关噪声的能力具有很大的影响。将矩形区域102分别划分为36个贴片与72个贴片，进行比较。可以发现划分为72贴片后，电源分配网络的抑制噪声性能明显优于划分为36个贴片。可见划分太少会导致电磁带隙结构缺乏多样性，划分密度的增加可以增强电源完整性，但是，与此同时也会造成仿真时间的增长，也会使电源层表面变得
破碎，影响电路信号完整性。因此，权衡性能和仿真时间两要素，最终本发明采用将自动设计区域划分为72个贴片形式。
[0113] 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。
