定量测量多通道串行数据系统中的串扰引起的抖动(一)

    多通道串行数据链路容易受到串扰的影响，这些串扰可能来自于相邻通道，也可能是外部的干扰源(Aggressor)，其结果是增加了受干扰通道（Victim Lanes）的抖动和噪声，最终带来了系统误码的增加。使用TDR或VNA可以测量出通道之间的耦合，但是他们不能直接测量出串扰影响带来的具体抖动值。本文将讨论的NQ-Scale测量方法能准确分离出串扰贡献的抖动大小并且介绍使用不同方法进行实际测量的案例。 

概述
 

    串扰的影响引起了Rj和Dj的增加，但是影响的程度会有非常大的差别，这取决于相邻通道传输的数据的特性。利用数字示波器和其它类型仪器的抖动分析技术可以提供详细的抖动分解结果，包括周期性抖动Pj，数据相关性抖动DDj和随机抖动Rj等。串扰从原理上来说是信道之间幅度上的耦合而产生的相关性的失真。在任何一个串行数据系统中，通常有两种类型的串扰存在：非相关性的或者说“alien”串扰和相关性的串扰。后者多表现为数据相关性抖动和随机抖动，而前者通常表现为周期性抖动。串扰的另外一个特征是，它直接影响信号的幅度，这个影响可以通过ISOBer的方法在眼图轮廓上看出来，也能在信号幅度的周期性的变化上看出来。考察周期性的幅度变化有助于确定非相关性串扰引起的周期性抖动。
 

    串扰的存在使得随机抖动的准确测量变得非常困难。根据相互干扰信号的不同类型，串扰可能导致随机抖动显著增加，但是这种随机抖动并不能通过大多数的抖动测量模型准确测量出来，特别是对于那些带有延迟特性的干扰源（Aggressor）的相关性的串扰所贡献的随机抖动，这种随机抖动由于只有非常低的统计权重却又有比较大的标准偏差，只有利用多种抖动测量模型才有助于揭示总体抖动的真正特点。
 

    随机抖动和固有抖动的分解通常是基于“双狄拉克(Dual-Dirac) ”抖动模型。双狄拉克(Dual-Dirac)模型是将抖动的PDF函数当作包含两个权重都是1/2的狄拉克 delta函数的单个高斯函数模型，而且将这两个狄拉克函数通过周期性抖动分离开来。对于串扰的分析，其它的一些模型可能是更有帮助，譬如双高斯模型，其具有两个分离的高斯函数，每一个具有自己的标准偏差、1/2的权重和平均值，而且这两个高斯函数也是通过固有抖动分离开的。第三种模型也是双高斯，但各自都有自己的权重和标准偏差。这三种模型拟合TIE测量结果的自由度在逐次增加，逐次提供了更加准确的抖动PDF和BER性能的估计。

    本文介绍了三组实验来证明不同类型的串扰引起的抖动成分的影响是不同的。第一组实验的干扰源（Aggressor）和受干扰对象（Victim）都使用一个简单的时钟信号码型，用以确定串扰和抖动之间的关系。 第二组实验的干扰源（Aggressor）是随机信号，而受干扰对象（Victim）是时钟信号码型，最后一个实验的干扰源（Aggressor）和受干扰对象(Victim)都是随机码型。在每组实验中，使用两个模型的抖动测量结果和基于串扰电压的峰峰值理论上计算的结果是相关的。

总体抖动和抖动分解
 

时序上的抖动从特征上看是一个随机过程因为它包含的成分是由热噪声引起的。最基本的观察抖动的方法是采用随机高斯噪声模型，可以根据标准偏差来对它进行分析。这种简单的模型在很多应用包括通信标准如SONET/SDH的应用中被用于预测串行数据链路长时间内的误码特性。 随着高速串行数据技术被应用于相对更低成本要求的平台上如PC行业，简单的高斯模型已不能准确测量抖动了，这主要是因为低成本的链路可能会有更多的不能用简单的高斯模型来描述的固有抖动。

双狄拉克(Dual-Dirac)抖动模型

    FibreChannel委员会在MJSQ文档[1]中提出了一种更成熟的抖动模型，该文介绍的统计模型包括了随机抖动和固有抖动，能够更好地表征实际上的抖动。这个模型就是我们现在熟知的双狄拉克(Dual-Dirac)模型。该模型是通过两个双狄拉克(Dual-Dirac)delta函数卷积组成单个高斯概率密度函数，而这两个函数通过与固有抖动成比例的数量分开，如图1所示。和简单的高斯模型一样，双狄拉克(Dual-Dirac)模型寻求预测串行数据链路长时间下的误码性能，而且因为它包括了固有抖动成分，它会更加准确。抖动测量的准确性提高是至关重要的，因为随着串行数据链路的传输速率提高，性能的裕量变得越来越小了。        

                                                 
     图1  带有模型参数的双狄拉克(Dual-Dirac)模型，函数QG（BER）表示一定BER时对应的高斯函数的标准偏差值
 

双狄拉克(Dual-Dirac)模型作为抖动测量方法被用于很多当前的串行数据标准中，其原因主要有两点，第一，这个简单的模型通过增加了双狄拉克(Dual-Dirac)固有抖动（有时侯也被称为Dj(ᵟ-ᵟ)成分，增加了随机抖动成分的平方和的均方根值，能够计算出链路的裕量，第二，该模型的参数能够通过多种类型的仪器计算出来，包括实时示波器、采样示波器和误码率测试设备。

测量双狄拉克(Dual-Dirac)模型参数

    尽管双狄拉克(Dual-Dirac)模型比较简单，但是确定该模型的相关参数并非易事。数字示波器是测量抖动的首选工具。模型的参数Rj和Dj可以通过最佳拟合抖动分布的尾部得到。示波器测量大量信号边沿的时序抖动并据此预测抖动的分布图。方法之一是在归一化的区域内累积测量时间间隔误差（TIE）形成直方图。直方图表征了一定时间范围内的概率密度函数。图2表示一个典型的抖动追踪图（Track）和直方图。通过拟合这个直方图可以得到Rj和Dj。直方图累积的测量样本数越多，预测的Rj和Dj值会增大，直到累积的直方图达到非常稳定的状态。最大的问题是直接通过直方图来得到的Rj和Dj需要的时间太长了。传统上的数字示波器并不能在可以接受的时间范围内累积大量的数据来得到稳定的测量结果。（译者注：假如用直接测量的方法需要测量10的12次方的样本）[page]
 
 

                          图2  抖动追踪（左）和直方图（右）
 

    所谓的频谱分析方法被用于解决上述直接测量的局限性，该方法利用FFT将TIE的追踪图转换为频域，分析抖动的频谱得到抖动参数。这个方法的原理就是要把随机噪声的频谱从固有抖动中“甄别”出来。这种分离方法需要定义一个幅值门槛，低于该门槛的FFT定义为随机噪声，高于该门槛的则为固有抖动。固有抖动的特点是它的频响表现为离散的“峰值点”。通过将门槛值以下的FFT的Bins以平方和相加得到随机抖动，因为这个方法中将随机抖动都假设为随机的和不相关的。这种计算Rj的方法计算速度快，可重复性好，这两点对于测量来说都是很好的特点。Dj则可以通过多种方法得到，譬如拟合抖动的直方图或者对门槛值以上的FFT的bins做复杂的加法运算。

    频谱方法是测量双狄拉克(Dual-Dirac)模型参数的初级方法，事实上也是非常有效的方法。但是频谱方法的一个先天性的不足是它是建立在这样一个假设前提下的：所有的随机抖动都是高斯分布的。通常来说实际中当然没有真正的高斯但是至少大多数的随机行为在实际的测量时间范围内是非常接近高斯分布的。但是也有些伪随机的案例，在短时间内表现为随机的，而实际上在比较长时间内观察则是属于固有抖动。还有些情况下虽然是随机抖动，但是其分布特性并不是高斯的。在这些情况下，频谱方法的假设就不成立了，Rj就会比实际的大或者小。
 
 

                 图3  带有门槛的抖动频谱图。低于门槛幅值的Bins被定义为随机噪声

    频谱方法遇到的另外一个问题是随机抖动的分布并不是单一的高斯分布，而是由多个高斯分布组成。例如，对于一个特定信号的每一个边沿可能是由一个在它之前的边沿引起的独特的上升时间。这在传输通道带宽受到限制而造成了ISI的情况下是很常见的。除了造成有些比特位的幅值减小，ISI还使一些边沿的转换速率降低。 更低的转换速率带来信号中更多的噪声，这些噪声会转换为时序上的抖动。 根据数据码型的不同，边沿上很小的变化可能会有更高的随机抖动，结果表现为在抖动分布上有一个主体的高斯抖布和一个很小的、低统计权重的高斯。如果这种低权重的高斯有一个比较高的标准偏差值，那么正确的方法应将此作为随机抖动值，但是，频谱方法仅仅是计算出了低分布，高权重的高斯，测量到的Rj就会偏小。

串扰带来的抖动行为就属于频谱方法不能准确测量的类型。有些情况下，串扰带来伪随机抖动，这时的干扰源(Aggressor)和受干扰对象(Victim)是不相关的。在另外一些情况下，干扰源(Aggressor)是和受干扰对象(Victim)相关的，但是这时候的码型一般特别长而且不重复的。 在这些情况下，抖动是伪随机但是有界，导致频谱方法会过高估计了抖动大小。

抖动分解

   双狄拉克(Dual-Dirac)模型对于评估串行数据链路长时间的误码性能是有效的，但是仅仅从Dj参数来确定固有抖动的根源是不够的。抖动测量仪器对固有抖动的组成成分进行更详细的分析以找出抖动的根源。图4是一种典型的抖动分解树，固有抖动包括数据相关性抖动DDj和非相关性抖动。数据相关性抖动DDj通常是由背板、电缆和连接器等组成的信道衰减和散射等引起的，而非相关性抖动则是从外部源如开关电源和串扰耦合到信号中的。
  
 

                       图4   抖动分解树

      非相关性抖动常被称做有界的非相关性抖动（BUj）。这种抖动通常可以根据频谱中的频率成分测量，它的分布是有界的，也就是说BUj的峰峰值范围是限定在一定范围以内，不会象高斯抖动那样随着观察时间的增加而增加。有些有界抖动并没有表现出离散的频率成分，至少在测量到的时间范围内它的表现形式是随机的。这种抖动被定义为其它的有界不相关抖动（OBUj）。应该注意到一些抖动模型将Pj单独作为一种类型而不是当作BUj的一部分，但是MJSQ[1]中将Pj当作BUj的一部分。不管BUj是否包括Pj，这并不影响抖动的整体分解结果，因为这只是一个词意上的分歧。两种情况下，Pj都是和数据码型不相关的。[page]

串扰存在时的信号完整性

      串扰是由一个或多个信号耦合到另外一个信号中引起的。耦合通常是由被称作干扰源(Aggressor)的信号的电磁辐射引起的。辐射常发生在干扰源(Aggressor)的信号改变状态的时刻，从“1”到“0”或者相反。在电平转换时，“受干扰对象(Victim)”感应的电压正比于“干扰源(Aggressor)”的电压转换的速率。

                           
     上式中的后缀标记”c”和“a” 表示干扰源(Aggressor)电压和受干扰源(Aggressor)电压。感应到的电压对受干扰源(Aggressor)信号的时序或幅度产生影响，是影响时序还是幅度取决于干扰源(Aggressor)发生电平转换的时刻和受干扰源(Aggressor)之间关系。图5以图形方式表示了这种影响。
          
 

          图5   图形化表示的串扰。 受干扰通道的失真与干扰源(Aggressor)和边沿极性紧密相关

    图6表示测量到的干扰信号通过干扰源(Aggressor)信号感应到受干扰对象(Victim)。上面栅格中显示的是串扰信号，干扰源(Aggressor)信号在下面的栅格。  推导出来的干扰源(Aggressor)信号（比较大的信号）叠加在测量到的串扰信号上，这表明等式1确是能预测串扰。  
   有很多种形式的串扰，包括近端串扰和远端串扰（NEXT和FEXT）以及在频率和时间上都和受干扰对象(Victim)不相关的不相关串扰。近端串扰和远端串扰是相关联的，从某种意义上来说他们和被测信号工作在相同的数据速率，但是不相关串扰是工作在不同的速率，和被测信号不相关。
 
 

                                 图6 干扰源(Aggressor)信号感应到被干扰的通道

时序影响
     当干扰源(Aggressor)的电平转换时刻和受干扰对象(Victim)的电平转换时刻刚好一致或者接近，受干扰对象(Victim)的时序会发生改变。当受干扰对象(Victim)的幅度被感应的串扰电压移动时，其结果必然是带来了时序的变化。如果信号的转换无限的快，那将没有时序上的变化，但是受干扰对象(Victim)的转换时间是一定的，它的时序就会按照和串扰电压成比例的大小变化。等式（2）表示串扰带来的峰峰值抖动所遵循的规则。

                  
     等式中  和 分别是感应到被干扰对象（Victim）上的峰峰值干扰电压和受干扰对象(Victim)的20%到80%的上升/下降时间， 是受干扰信号的峰峰值电压。等式2中假设了串扰的唯一后果是带来固有抖动的增加，但实际中的情况并不完全是这样。全部的上升时间将近是上述的20%到80%的上升时间的2倍[2]。串扰引起的抖动是有界的，因为电压幅度是干扰源(Aggressor)斜率（参考等式1）和干扰源(Aggressor)与被干扰对象之间的耦合程度的函数。这两者都是有界的。
     串扰抖动仅仅出现在干扰源(Aggressor)的电平转换和受干扰对象(Victim)的电平转换相同的时刻。多数情况下在多个通道同时传送串行数据时总会带来串扰问题。这时干扰源(Aggressor)和被干扰对象（Victim）的速率是相同的。