基于耦合信號包絡分析的引線鍵合點剪切強度識別方法研究

馮武衛， 孟慶豐

（1.浙江海洋學院機電工程學院，舟山 316000；2.西安交通大學 機械學院軸承研究所，西安 710049）

鍵合點的抗剪切破壞強度是衡量鍵合質量的重要指標之一。由于任何一個鍵合點的缺陷都可能導致整個集成電路的失效，因此，深入研究鍵合點剪切強度自動檢測技術，對確保集成電路安全可靠運行具有十分重要的意義。

近年來，國內外針對鍵合點質量自動識別技術的研究發展迅速，主要是檢測鍵合過程信息，如鍵合接觸區域摩擦應力、鍵合工具振動、聚能器變形和換能器振動等，通過相應的特征提取與模式識別技術，進而識別鍵合強度［1－10］。但是由于嚴格的傳感器安裝要求以及傳感器與鍵合系統之間的相互影響制約了這些技術在工廠的實際應用。此外，在信號特征提取方面，現有的技術主要有：采用快速傅里葉變換提取信號幅頻特征［5］、通過濾波提取信號的二次諧波信號［6］、利用 Hilbert變換計算鍵合系統阻抗特征［6］、利用時－頻分析方法提取時頻分布等高線的面積［7］、計算信號的包絡能量［9］等，并取得了良好的效果。但由于鍵合信號的瞬態特性，現有技術在刻畫鍵合信號局部細微變化方面存在不足，不利于對鍵合強度的精確識別。

超聲波發生器驅動電信號與鍵合強度有密切聯系［10］，已引起高度關注。本文采用檢測鍵合過程中超聲波發生器電壓和電流信號作為信息載體，并提出了基于鍵合信號子頻帶包絡分段特征提取方法。通過對實驗數據進行分析，結果驗證了本文方法的有效性。

1 檢測方法原理

壓電換能器是引線鍵合系統的關鍵設備，由于其核心構件壓電晶體的雙向壓電效應，使得換能器既是一個執行器，也具有傳感器的功能。首先，基于壓電晶體的反向壓電效應，壓電換能器作為一個執行器來完成超聲波電能到機械能（機械振動）的轉換；其次，基于壓電晶體的正向壓電效應，壓電換能器同時也具有傳感器功能，在鍵合過程中，隨著鍵合界面機械、材料屬性的變化，鍵合工具尖端的振動狀況持續發生細微變化，經由鍵合工具和聚能器的傳遞，這個變化被感應到壓電晶體，并直接影響到超聲波發生器的電信號。由于鍵合工具的振動變化是影響鍵合點形成的關鍵，與鍵合強度之間存在內在關系，因此，通過檢測超聲波發生器的電信號，我們能夠提取鍵合工具尖端細微的振動變化，并通過特征提取與模式識別技術建立鍵合強度與超聲電信號之間的相互關系。

鍵合強度檢測原理如圖1所示。首先，為了避免鍵合系統與數據采集系統間的相互影響，在信號采集系統的前端安裝專用測量電路（見圖2），其中電壓和電流信號分別通過在測量電路中并聯1 MΩ和串聯高精度1 Ω電阻來獲取。采樣頻率為1 MHz，采樣時間為40 ms。為了捕獲瞬態超聲鍵合信號，采集程序中觸發方式設置為前觸發，觸發信號選為電壓信號，觸發值設置為0.03 V。當電壓信號超過觸發值時，采集系統將對電壓和電流信號進行同時采集，并保留觸發前2 ms的數據。通過現代信號分析處理方法對超聲電壓和電流信號進行特征提取、模式識別和質量檢測。

圖3是鍵合過程中采集的一組超聲電壓和電流信號以及相應的頻譜，這些信號都是典型的瞬態信號，持續時間極短（約30 ms～40 ms）。因此，采用傳統的頻譜分析方法無法將鍵合過程中各個階段的時變信息反映出來。采用聯合時頻分析方法雖然能夠同時提供信號的時域和頻域信息，但由于其固有的時頻分辨率的制約，仍然難以將瞬態的微弱故障特征精確地刻畫出來。鍵合瞬態超聲信號的包絡可以明顯地反映鍵合過程的狀態變化情況，已引起廣泛關注［3，9］。然而，如何從包絡波形上提取鍵合過程的細微變化仍是一個有待解決的關鍵問題。Michael在早期鍵合機理研究中，從冶金學角度將鍵合過程分為“去除鍵合接觸面氧化膜、鍵合點塑性變形和應力擴散”［9］，揭示了鍵合點形成的三個關鍵的物理過程。對應到超聲電信號包絡上，這三個物理過程分別體現在信號的上升、穩定和衰減三個階段，由于每個階段對鍵合質量的貢獻以及作用機理不同，其波形特征也必然不同。此外，從電壓和電流信號FFT譜圖［圖4（c）和（d）］我們還可以看出，超聲電信號的能量主要集中在前三階倍頻中，在特征提取過程中，為了反映信號在頻域上的變化，須進行濾波細化處理。

2 超聲電信號特征提取方法

針對超聲電信號，首先，通過一個帶通濾波器組，提取信號的基頻和高次諧波信號；然后，利用Hilbert變換，獲取各子頻帶信號包絡；最后，各子頻帶信號被分別分成三個階段進行特征提取。特征提取之后，為了消除冗余信息和實現特征降維，主分量分析方法被用來進行特征選擇。

2.1 超聲電信號濾波

為了提取超聲電信號各子頻帶信號，本文設計了一個帶通濾波器組，它包含3個子濾波器，子濾波器的中心頻率分別是超聲信號基頻、二次諧波和三次諧波頻率（可以通過傅里葉變換來獲?。?。

對于圖3給出的典型超聲電信號，通過上述設計的濾波器組濾波后結果如圖4所示?？梢钥闯?，每個子頻帶信號波形各不相同，反映出超聲電信號各子頻帶的變化特征。

2.2 包絡計算

文獻［6］利用Hilbert變換獲取了超聲電壓和電流信號的包絡并計算了鍵合系統的阻抗，取得了良好的效果。因此，本文利用Hilbert變換進行計算信號的包絡，針對超聲鍵合信號，設y（t）是某個子頻帶信號，它的Hilbert變換可表示為

信號的包絡為：

圖5給出了各子頻帶信號的包絡，可以看出，Hilbert變換在計算信號包絡上的有效性。

2.3 分段特征提取

本文以超聲電壓信號基頻包絡為例進行包絡分段和特征提取，如圖6所示。超聲電壓和電流信號的其它子頻帶包絡分段原則與電壓基頻包絡一致。

圖6 電壓信號基頻包絡分段原理Fig.6 Segmentation principle of fundamental envelope of voltage

2.3.1 電壓基頻包絡上升階段（T1～T2）的特征提取

在包絡上升階段，信號表現為持續上升，鍵合接觸面氧化膜被逐漸破壞。對于不同的鍵合樣本，由于其接觸面質量和氧化程度不同，因此反應到超聲信號上，上升的幅度以及上升的速率也會不同。在這個階段，從包絡信號上我們提取了3個特征量來反映這些變化，特征描述和方程如表1。

表1 電壓基頻包絡上升階段的特征Tab.1 Features and equations for the rising phase

2.3.2 電壓基頻包絡穩定階段（T2～T3）的特征提取

在包絡穩定階段，信號表現為小范圍波動。當鍵合接觸面受到污染時，包絡的波形會反應出較大的波動，其波動程度反應了引線與基板的接觸摩擦狀況，一些統計可以反映出這些波動程度。因此，為了獲取這些細微的波動變化，提取了11個統計量來表征包絡的波動程度，特征和方程如表2。

2.3.3 電壓基頻包絡衰減階段（T3～T4）的特征提取在包絡衰減階段，信號表現為振蕩衰減，鍵合接觸面內應力逐漸減小，鍵合點基本形成，其衰減速度及其幅度同樣能夠反應出鍵合點的接觸摩擦狀況。本文提取了5個特征量來描述此階段的衰減特性，詳細描述如表3。

表2 電壓基頻包絡穩定階段的特征Tab.2 Features and equations for the stable phase

表3 電壓基頻包絡衰減階段的特征和方程Tab.3 Features and equations for the damping phase

設f（t）是衰減階段點B到T4階段的包絡數據，則表3中衰減系數可以通過如下方程來擬合

其中，f（t）是點B到T4階段的包絡數據（參見圖6），本文利用最小二乘法來估計兩個衰減系數b，p。

對于其它的子頻帶信號，特征提取方法與電壓基頻包絡相似。最終，利用本文的方法，從超聲電壓和電流包絡上一共提取了115個特征量，其中包含每個子頻帶包絡提取19個特征（19×6=114）和一個基頻頻率特征。并以這些特征量來表征一個鍵合過程。

2.4 特征選擇

具體提取的特征量之間可能存在相關性，為了消除特征間的相關性并實現特征降維，通常需要進行特征選擇。本文選擇主分量分析方法進行特征選擇，設X=［x1，x2，…，xn］T是原始特征矩陣，n是特征變量的維數。主分量計算過程如下：

2.4.1 特征向量歸一化

設Y=［y1，y2，…，yi，…，yn］是歸一化特征矩陣，其中yi，（i=1，2，…，n）可以表示為：

2.4.2 主分量計算

設 ξi，i=1，2，…，n，是歸一化矩陣Y的線性組合，可以尋找正交轉換矩陣A來計算新特征變量ξi：

為了計算ξ，首先，我們能獲得歸一化矩陣Y的協方差陣R=（rij）n×n：

可以證明，矩陣A=（a1，a2，…，ai）是一個正交化矩陣，且能夠滿足主分量分析的要求。其主分量（PC）可以表示為：

2.4.3 主分量選擇

為了評估主分量的有效性和實現特征降維，這里引入兩個參數，一個是特征分量貢獻率κ，一個是累積貢獻率ζ

主分量貢獻率代表某個主分量占有原始信息量的比重，如果累積貢獻率ζk達到90%以上，就可以利用前k個主分量代替原始特征變量，實現特征降維。

3 鍵合點剪切強度識別

本文獲取了一些具有不同剪切破壞強度的鍵合點，實驗臺由深圳天力精密系統的MG10半自動球鍵合機改裝而成，工作頻率為62.5 kHz，引線為25 um金線，鍵合機工藝參數設置如下：鍵合力：147 mN，鍵合功率30 mW，鍵合時間：40 ms，加熱溫度：200℃。

圖7 鍵合點剪切強度測試儀Fig.7 Sketch of a precision bond shear strength tester

鍵合過程完成后，我們可以通過如圖7所示的測試儀來測試鍵合點剪切強度。其主要原理是：在顯微鏡下調整鍵合點位置，使剪切工具尖端對準鍵合點球面的中部。然后鍵合點在驅動電機勻速驅動下，發生剪切破壞，并同時記錄剪切工具測試力，即為鍵合點剪切強度。圖8給出了兩個典型的被剪切測試后鍵合點電鏡掃描圖片，其中圖8（a）是好的鍵合點（剪切強度=128 mN），圖8（b）是弱連接強度鍵合點（剪切強度=25 mN）?？梢钥闯?，好的鍵合點剪切測試過程中剪切斷裂面發生在鍵合球的中部，而弱連接強度鍵合點直接從根部剪斷。產生弱連接強度主要是由于鍵合基板表面受污染，我們通過在鍵合基板上粘附金屬顆粒來模擬鍵合表面受污染狀況。

利用本文特征提取方法對上述兩種鍵合樣本超聲電信號進行處理，圖9給出了各子頻帶包絡分析結果。直接通過子頻帶包絡區分鍵合強度的大小有一定難度，且精度不宜保證，然而，當子頻帶信號被分段處理后，其變化特征被明顯的展現出來（圖10）。除了上升階段上升速度、穩定階段幅值和衰減階段衰減速度有明顯差異外，弱連接強度鍵合點各子頻帶穩定階段包絡存在劇烈波動。表4給出了幾個區分不同鍵合強度鍵合點相對敏感的特征，定量的體現了本文特征提取方法的有效性。

表4 區分弱連接強度鍵合點的敏感特征Tab.4 Sensitive features for distinguishing the weakly bond

本文總共獲取了360個鍵合點，其中包括120個受污染鍵合點和240個好的鍵合點，好的鍵合點強度從78 mN到128 mN，受污染的鍵合點強度從19 mN到78 mN。利用本文特征提取方法對上述360個實驗樣本信號進行特征提取和主分量計算，表5給出了前15個主分量貢獻率，本文選擇前13個主分量作為識別鍵合剪切強度的特征，在保證充足原始特征信息的前提下實現特征降維。

鑒于提取的主分量與鍵合強度之間的復雜關系，本文構建了人工神經網絡來識別鍵合點的強度，網絡的輸入為提取的13個主分量，輸出為鍵合點強度。圖11給出了神經網絡的結構，它包含一個輸入層，一個隱層和一個輸出層，隱層的節點數為15，隱層的激活函數選擇sigmoid函數，輸出層選擇線性函數。首先利用200個實驗數據對（130個好的鍵合點數據和70個受污染的鍵合點）進行網絡訓練，循環步數設置為1 000，訓練完成后，其均方誤差達到0.9 mN。

圖10 子頻帶包絡分段分析Fig.10 The segmentation results of every subband signal

表5 主分量貢獻率Tab.5 Principal component contribution rate

圖11 神經網絡結構Fig.11 The structure of ANN

為了檢測網絡的有效性，其余的160個鍵合樣本對作為驗證數據輸入網絡進行測試，測試結果的均方誤差是1.4mN。圖12給出了預測結果，盡管有一些數據誤差比較大，然而，預測結果的趨勢有效的驗證了本文特征提取方法的有效性與可行性。

圖12 神經網絡訓練和預測結果Fig.12 ANN predicting bond shear strength

4 結論

本研究主要完成了3個方面的工作。首先，利用專用測量電路，采集了鍵合系統超聲波電壓和電流信號；其次，利用本文的特征提取方法，提取了115個特征量，并通過主分量分析進行特征選擇。最后，通過對實驗數據分析，驗證了本文所提出的鍵合點剪切強度識別方法的有效性。此外，本方法還存在以下優點，首先，它屬于無傳感器檢測技術，避免了傳感器安裝困難及其傳感器與鍵合系統的相互影響。第二，相應的信號處理及特征提取方法容易實現，為鍵合質量在線檢測提供了一條新途徑。

［1］Mcbrearty M，Kim L H，Bilgutay M.Analysis of inpedance loading in ultrasonic transducer systems［C］//Proc of 2006 Ultrasonics Symposium.Chicago，USA，2006：497－502.

［2］Khotanzad A，Banerjee H，Srinath M D.A vision system for inspection of ball bonds and 2－D profile of bonding wires in integrated circuits［J］.IEEE Trans.on Semiconductor Manufacturing，1994，7（4）：413 －422.

［3］ Lee H K，Yoo S I.A method for inspection of ball bonds in integrated circuits［C］//IEEE SMC’99 Conference Proceedings.Tokyo，Japen：IEEE，1999：975 －980.

［4］ Schwaller P，Groning P，Schneuwly A，et al.Surface and friction characterization by thermoelectric measurements during ultrasonic friction processes［J］.Ultrasonics，2000，38（1－8）：212－214.

［5］Or S W，H L，Chan W.Ultrasonic wire-bond quality monitoring using piezoelectric sensor［J］.Sens.Actuators A，1998，65（1）：69－75.

［6］Zhang D.Study of mechanism of ultrasonic wire bonding process［D］.Nanyang Techno.Univ.，Singapore，2002.

［7］Zhang D，Ling S F.Monitoring wire bonding via timefrequency analysis of horn vibration［J］.IEEE Trans.Electron.Package Manuf.，2003，26（3）：216 －220.

［8］Paul W P C，Li H L.Smart ultrasonic transducer for wire bonding applications［J］.Materials Chemistry and Physics，2002，75（1－3）：95－100.

［9］Micheal B，Jorg W C，Hans H.Bond process monitoring via self-sensing piezoelectric transducers［C］.IEEE International Ultrasonics，Ferroelectrics，and frequency Control joint 50th AnniversaryConference. SanJose， CA：IEEE， 2004：125－129.

［10］ Pufall R.Automatic process control of wire bonding［C］//Proc.Electron.Compon.Techno.Conf.，1993：159－162.