4. 耗尽层电容模型：Cj0、VJ、M参数的定义与物理意义

在PN结耗尽层电容（结电容）的SPICE模型中，三个核心参数——Cj0（零偏结电容）、VJ（内建电势）和M（梯度因子）——共同决定了电容随反向偏压变化的特性。理解这三个参数的物理来源与提取方法，是准确建模结电容的基础。

Cj(V) = Cj0 / (1 - V/VJ)^M

4.1 参数定义速览

4.2 Cj0：零偏结电容

Cj0 是当外加偏压为零时，耗尽层呈现的电容值。它直接由PN结的几何尺寸和掺杂浓度决定。

• 物理公式： 对于突变结，Cj0 = A × √(q·ε·N_eff / (2·VJ))，其中 A 为结面积，N_eff 为等效掺杂浓度。
• 提取方法： 在低频（如1 MHz）下测量零偏压时的电容值，直接读取。
• 影响因素： 结面积越大、掺杂浓度越高，Cj0 越大。

4.3 VJ：内建电势

VJ 代表PN结在热平衡状态下，耗尽区两侧的静电势差。它由半导体材料的禁带宽度和掺杂浓度决定。

• 物理公式： VJ = (kT/q) · ln(N_A·N_D / n_i²)，其中 N_A、N_D 为受主、施主浓度，n_i 为本征载流子浓度。
• 温度依赖性： VJ 随温度升高而降低，典型温度系数约为 -2 mV/°C。
• 提取方法： 通过测量不同偏压下的电容值，拟合 1/C² 与 V 的关系曲线，外推至 1/C² = 0 处的截距即为 VJ。

4.4 M：梯度因子

M 描述了耗尽层电容随偏压变化的非线性程度，其值取决于PN结的掺杂分布轮廓。

• 物理意义： M 值越大，电容随反向偏压增加而下降的速度越快。
• 提取方法： 在双对数坐标下绘制 Cj 与 (1 - V/VJ) 的关系曲线，斜率即为 M。

4.5 参数物理关系与电容变化曲线

下图展示了不同 M 值下，归一化电容 Cj/Cj0 随反向偏压变化的趋势。可以看出，M=0.5（突变结）的电容下降速度明显快于 M=0.333（缓变结）。

4.6 参数提取流程

从实测 CV 数据中提取 Cj0、VJ、M 的典型步骤如下：

1. 测量 CV 数据： 在反向偏压范围（如 0 V ~ -5 V）内，以适当步长测量电容值。
2. 绘制 1/C² 曲线： 计算 1/C² 并绘制其与偏压 V 的关系图。
3. 线性拟合求 VJ： 对 1/C² 曲线进行线性拟合，延长至与 V 轴相交，交点即为 VJ。
4. 计算 Cj0： 从拟合直线在 V=0 处的截距计算 Cj0（Cj0 = 1/√(截距)）。
5. 拟合求 M： 使用非线性最小二乘法，将 Cj(V) 数据拟合到 Cj(V) = Cj0 / (1 - V/VJ)^M，得到 M 的最优值。

import numpy as np
from scipy.optimize import curve_fit

# 实测数据
V = np.array([0, -0.5, -1.0, -1.5, -2.0, -2.5, -3.0])
Cj_meas = np.array([1.0e-12, 0.82e-12, 0.71e-12, 0.63e-12, 0.58e-12, 0.54e-12, 0.51e-12])

# 定义模型函数
def cj_model(V, Cj0, VJ, M):
    return Cj0 / (1 - V/VJ)**M

# 初始猜测
p0 = [1.0e-12, 0.8, 0.5]

# 非线性拟合
popt, pcov = curve_fit(cj_model, V, Cj_meas, p0=p0)

Cj0_fit, VJ_fit, M_fit = popt
print(f"Cj0 = {Cj0_fit:.3e} F")
print(f"VJ  = {VJ_fit:.3f} V")
print(f"M   = {M_fit:.3f}")

4.7 参数对电路性能的影响