使用统计设计
以下为《使用统计设计》的无排版文字预览，完整内容请下载
使用统计设计
统计设计是以下过程：
1.考虑设计参数的随机（统计）变化。
2.测量这些变化的影响。
3.修改设计以尽量减少这些影响。
良率分析是使用指定的概率分布改变一组参数值的过程，以确定有多少可能的组合满足预定的性能规格。
产量是统计设计的计量单位。 它被定义为通过性能规范的设计数量与生产的设计总数的比率。 也可以将其视为给定设计样本通过规范的概率。
由于生产的设计总数可能很大或未知，因此通常在称为产量估算的过程中对有限数量的设计样本或试验进行测量。 随着试验次数的增加，良率估计接近真实的设计良率。 具有统计变化的参数值称为产量变量。
提供了三种统计设计选项：
1.产量分析 此过程涉及在给定次数的试验中模拟设计，在这些试验中，产量变量的值随指定概率分布函数的标称值随机变化。 记录通过和失败试验的次数，这些数字用于计算产量的估计值。
2.Monte Carlo 分析 此过程涉及在给定次数的试验中对设计进行仿真，在这些试验中，产量变量的值随指定概率分布函数的标称值随机变化。
3.良率优化 也称为设计居中，此过程涉及多个良率分析，目的是调整良率变量标称值以最大化良率估计。 在良率优化期间，每一次良率改进都称为设计迭代。
ADS 的良率和蒙特卡罗分析以及良率优化支持如下：
1.模拟/射频系统 任何分析类型（例如 AC、DC、S 参数、谐波平衡、电路包络和瞬态仿真类型）。
2.用于 ADS 托勒密模拟的信号处理。
统计设计最低要求
在执行统计设计之前，您需要：
1.设计中至少有一个组件参数被标识为良率变量。 您可以通过选择 Tune/Opt/Stat/DOE Setup 按钮在 Component Parameter 对话框中指定详细信息。
2.至少指定一个良率规范 ( YieldSpec ) 组件，然后放置在设计窗口中。 良率规范定义了给定响应的可接受性能的单（或双）边范围。 对于良率分析期间的每次试验，将良率规格与模拟响应进行比较以确定当前试验的通过/失败状态。
3.一个良率分析 ( Yield ) 或良率优化 ( YldOpt ) 组件放置在设计窗口中，用于指定要包含的所有 YieldSpec 组件、要保存的数据、阴影模型类型（如果使用）、启用后期生产调整以及要设置的参数 显示。
4.一个仿真控制组件（例如，用于模拟/射频系统的交流、直流、S 参数、谐波平衡、电路包络或瞬态组件或用于信号处理的数据流控制器）。
良率分析所需的设计组件位于模拟/射频系统的 Optim/Stat/Yield/DOE 库或调色板以及信号处理的控制器库或调色板中。 它们包括以下内容：
良率分析 ( Yield ) 蒙特卡罗分析 ( MC ) 良率分析规范 ( YieldSpec ) 良率优化 ( YldOpt )
执行产量分析
产量分析基于 YieldSpec 组件定义确定可接受和不可接受单位的百分比。 Yield 分析根据统计分布随机改变网络参数值，同时将网络测量值与 YieldSpec 中的用户指定性能标准进行比较。
产量分析基于蒙特卡罗方法。 运行一系列试验，其中将随机值分配给您设计的所有统计变量，执行模拟，并根据模拟测量值检查良率规格。 通过和失败模拟的数量在一组试验中累积并用于计算产量估计。
产量分析的其他功能包括：
1.可以查看或绘制所选网络响应的累积集。
2.可以查看或绘制性能直方图以显示测量电路响应的分布。 有关完整详细信息，请参阅创建测量直方图。 有关查看这些直方图的详细信息，请参阅编辑 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。
良率分析中的扫描温度
在进行屈服分析时随机改变温度有点复杂。 温度 temp 可以在参数扫描中扫描，但不允许在 VarEqn 中将其指定为变量。 ADS 允许在屈服分析期间在参数扫描中扫描温度。 这些步骤显示了如何在温度随机化的情况下设置屈服分析：
1.使 YieldSpec 参考参数扫描而不是实际分析。
2.使参数扫描扫描成为所需的分析。
3.将 Parameter Sweep 的变量设置为 temp。
4.创建一个变量（或任何需要的变量）： vtemp = 25 stat{uniform 0 to 125}
5.使用单个扫描点使参数扫描在 vtemp 和 vtemp 之间变化：
/
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《使用统计设计》的无排版文字预览，完整内容请下载
使用统计设计由用户“Polaris_0317”分享发布，转载请注明出处