Rechnergestützte Schaltungssimulation und deren Algorithmen (EDA)

Verantwortlicher: Prof. Dr.-Ing. Ralf Sommer

Zielgruppen:
1. Fachsemester EIT_MA, II_MA

Detaillierte Informationen zur Vorlesung finden Sie ebenfalls in Moodle.

Lehrinhalt

  • Einführung in die Schaltungssimulation
    Historie, Simulationsarten, Anwendungsfelder
  • Netzwerktheorie als Grundlage für die automatisierte Aufstellung von Schaltungsgleichungen
    Kirchhoffgleichungen, lineare Elementebeziehungen
    Sparce-Tableau-Analyse (STA)
    Orthogonalität der Kirchhoffgleichungen: Maschenströme und Knotenpotentiale
    Maschenstromanalyse, RLA
    Knotenanalyse, Superknotenanalyse
    Modifizierte Knotenanalyse
    Schnitte, Fundamentalschnittmengen
    Automatische Baum- und Maschensuche und rechnergestützte STA
  • Lösung linearer Gleichungssysteme (LU-Zerlegung, Pivotisierung, Makrowitz-Reordering, Sparse-Matrix-Techniken)
  • Lösung nichtlinearer Gleichungen
    Newton-Raphson-Verfahren
    Implementierung des Newton Verfahrens (Newton-Ersatzschaltung, Konvergenzbeschleunigung, Simulationssteuerung)
  • Lösung von Differentialgleichungen
    Numerische Integrationsverfahren (Vorwärts- und Rückwärts-Euler, Trapezregel, Mehrschrittverfahren, Runge-Kutta- und Gearverfahren, Prädikator-Korrektor-Verfahren, Exactness Constraints zur Konstruktion eigener Integrationsverfahren, Schrittweitensteuerung: Nordsiek-Vektor)
    Konvergenz numerischer Integrationsverfahren, Stabilität
    Optionen und Steuerparameter
  • Device-Modelle SPICE
    Dioden-, Bipolartransistor-, MOS-Modelle und ihre Parameter
  • Verhaltensmodellierung - Lösung von Verhaltensmodellen
  • Symbolische Analyse
    Überblick symbolische Analyse und Analyseprogramme
    Symbolische Vereinfachsungsalgorithmen (SAG, SBG, SDG)
    Symbolische Extraktion von Polen und Nullstellen
    Automatisierte Verhaltensmodellgenerierung
    Automatische Gleichungsaufstellung für nichtlineare dynamische Systeme
    Verfahren der Approximation von symbolischen DAE-Systemen
  • Statistische Analyse und Entwurfszentrierung/Ausbeuteoptimierung
    Einführung in die Statistik - Grundbegriffe für die Statistik von Device-Streuungen
    Automatische Dimensionierung (numerisch)
    Automatische Design-Constraints-Generierung, Feasibility-Optimierung, Nominaloptimierung, Monte-Carlo-Analyse, Contributor-Identification, Worst-Case-Abstandsoptimierung (Ausbeuteoptimierung)
  • Überblick über die statistische Devicemodellierung
  • Überblick Device-Alterung und Alterungsimulation (Cadence ReIXpert)
  • RF-Simulationsverfahren (Cadence SpectreRF)
    PSS - Periodic Steady State
    PAC - Periodic Alternating-Current
    PXF - Periodic Transfer-Function
    PNOISE - Periodic Noise
    PDISTO - Periodic Distortion
    QPSS - Quasi-Periodic Non-Linear Steady State
    QPNoise - Quasi-Periodic Noise
    HB - Harmonic Balance
  • Anwendungen
    Überblick über industrielle Designflows, Cadence Design Framework II
    Design-Kits (Cadence Methodology Kits)
    Praktisches Arbeiten mit dem Cadence Framework, WiCkeD und Analog Insydes