MOS器件是构成集成电路的基础元件,随着器件的尺寸进入到深亚微米级,由热载流子效应带来的可靠性问题变得越来越严重。热载流子效应通过损伤栅氧化层,使器件的直流参数和射频参数发生退化,严重影响了器件的性能和电路的稳定性,因此研究MOS器件的热载流子效应具有重要意义。评估热载流子效应影响的重要方法是对器件施加热载流子应力,测量其参数的退化情况。目前对直流应力下器件热载流子退化的研究已经较为深入,但是对射频应力下器件退化的研究并不充分,而且缺少退化模型。因此本文将在研究直流应力的基础上,对射频应力下器件参数的退化情况进行分析与建模。本文首先进行了0.18μm NMOS晶体管的热载流子效应加速应力退化实验。通过测量其直流参数（饱和漏电流、最大跨导、阈值电压）和射频参数（S参数）在直流应力和射频应力下的退化情况,研究了应力时间、应力条件和器件尺寸对热载流子效应的影响。实验结果表明,最差直流应力条件会随着栅极宽长比的变化发生偏移,应力对射频参数的影响比对直流参数的影响更大且更具规律性。整体而言,直流应力下器件的热载流子退化比射频应力下的退化更加严重。直流应力主要通过造成界面态和氧化层陷阱影响饱和漏电流、阈值电压和S参数的退化,射频应力主要通过造成界面态影响饱和漏电流、最大跨导和S参数的退化。根据加速应力实验的测量结果,本文首次利用基于知识的神经网络（KBNN）建立了射频应力下器件热载流子效应的退化模型。模型的输入变量分别为NMOS器件的栅极宽度、栅极长度、漏极电压、栅极电压、射频应力的频率、测量S参数时的扫描频率以及上述条件下三个直流参数在应力后的退化程度。输出变量为同样条件下S参数的幅度和角度的退化程度。将直流应力下测得的数据作为先验知识,射频应力下测得的数据作为模型的训练样本与测试样本。最终模型的输出结果与测试结果吻合程度良好,平均误差为8.39%,证明了该模型可以根据直流参数的退化程度拟合或者预测射频参数的退化程度;通过与其他模型对比,证明了该模型可以从直流应力下器件的退化特性中学习到直流参数和射频参数的映射关系,并辅助射频应力下退化模型的建立。使用KBNN建模具有速度快、样本数据需求量少等优点,为器件热载流子效应模型的建立提供了一种新的思路。