CN106886637A - 基于pdn与通道协同分析法的时域分析方法 - Google Patents
基于pdn与通道协同分析法的时域分析方法 Download PDFInfo
- Publication number
- CN106886637A CN106886637A CN201710049061.0A CN201710049061A CN106886637A CN 106886637 A CN106886637 A CN 106886637A CN 201710049061 A CN201710049061 A CN 201710049061A CN 106886637 A CN106886637 A CN 106886637A
- Authority
- CN
- China
- Prior art keywords
- probability distribution
- edge
- voltage
- line
- magnitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于PDN与通道协同分析法的时域分析方法,用于判断实际的设计是否符合要求。其实现步骤是:(1)搭建全链路电路仿真模型;(2)仿真获得电源噪声;(3)获得通道部分上升边响应和下降边响应数据;(4)获得电源噪声的概率分布;(5)确定上升边响应和下降边响应的起点;(6)求受害线码间干扰的概率分布;(7)求进攻线上升边和下降边向量;(8)求进攻线对受害线串扰的概率分布;(9)求解通道部分的概率分布;(10)求解全链路的概率分布;(11)求解全链路的误码率。本发明可以精确得到有电源噪声影响时高速系统的误码率眼图。
Description
技术领域
本发明属于电子技术领域,更进一步涉及高速电路电源分配技术领域中的一种基于电源分配网络PDN(Power Distribution Network)与通道协同分析法的快速时域分析方法。本发明的通道通常包括驱动器、封装、过孔、PCB走线、去耦电容、接收器等结构。本发明可应用于高速电路中信号完整性的设计分析及对高速电路性能的评价。
背景技术
随着电子系统向高速、高密度、低电压和大电流的趋势发展,电源完整性问题日益凸显。在实际工业制造中,工程师往往使用误码率眼图来衡量设计是否符合要求,然而目前的误码率眼图求解都没有包括电源分配网络PDN的影响,这使得结果过于乐观。因此误码率眼图的计算中加入电源分配网络PDN的影响对于评价全链路性能显得尤为重要。
Kiyeong Kim,Heegon Kim等人在其发表的论文“Analytical Approaches forWorst and Statistical Eye Estimation in HBM Channel”(DesignCon 2015)提出了一种方法来计算全链路的误码率眼图,该方法将驱动器建模为全晶体管电路,通过计算电源与接收端之间的数学表达式,在仿真得到电源端噪声后便可计算出接收端的电源噪声。该方法存在的不足之处是:未考虑电源分配网络PDN通过互感耦合到数据线的噪声从而使得电源噪声不准确;此外,实际的设计中,由于厂家对产品产权的保护,要想知道驱动器的全晶体管模型是很难做到的。
西安电子科技大学在其申请的专利文献“一种高速并行链路系统快速时域仿真方法”(申请号:201410367337.6授权公告号CN 104143024A)中提出了一种基于双边沿响应法的快速时域仿真方法。该方法的步骤是:(1)选用并行高速链路系统;(2)建立SPICE模型;(3)获得边沿响应信号(4)计算仿真阶数;(5)获得上升边和下降边向量(6)获得最坏码型序列向量;(7)获得预估的最坏眼图;(8)用步骤(2)建立的SPICE模型仿真最坏眼图;(9)获得预估精度的绝对误差。该方法存在的不足之处是:只考虑了通道部分而忽略了电源分配网络PDN对眼图的影响,使得结果相对实际情况更加乐观;此外,该方法仅仅计算了最坏眼图而并未涉及概率,对实际设计指导意义不大。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种基于PDN与通道的协同分析法的快速时域分析方法,以获得电源噪声、码间干扰和串扰共同影响时边沿响应不对成的系统的误码率BER(Bit Eror Ratio),提高了误码率眼图的仿真精度,进而指导高速系统的设计。
为实现上述目的,本发明的具体步骤包括:
(1)搭建全链路电路仿真模型:
(1)搭建全链路电路仿真模型:
(1a)将并行高速链路系统中的电路参数,赋给通用模拟电路仿真器SPICE模型中对应的参数,共建立16条数据线通路,得到通用模拟电路仿真器SPICE模型;
(1b)将实际的电源分配网络PDN的平面尺寸、平面间距、介质的介电常数赋值给三维高速电路仿真软件建立的电源分配网络PDN对应的参数,稳压源模块VRM用1.22v的直流电压源代替,得到电源分配网络PDN模型;
(1c)将电源分配网络PDN模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端相连,得到全链路电路仿真模型;
(2)仿真获得电源噪声:
(2a)将通用模拟电路仿真器SPICE的仿真频率设置为1066MHz,采样间隔设置为5ps;
(2b)用伪随机码激励全链路电路仿真模型,获取电源分配网络PDN输出端的电压信号,将该电压信号作为同时开关噪声SSN;
(2c)断开电源分配网络PDN模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端之间的连接;
(2d)将读入通用模拟电路仿真器SPICE的同时开关噪声SSN的波形作为电压源,将该电压源与通用模拟电路仿真器SPICE模型中的驱动器供电端相连,得到电源噪声等效仿真模型;
(2e)在电源噪声等效仿真模型中的任意一条数据线驱动器前加0激励,仿真后获取该数据线接收端的电压信号,将该电压信号作为电源噪声;
(3)获得通道部分上升边响应和下降边响应数据:
(3a)断开电源分配网络模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端之间的连接,将1.14v的直流电压源接入通用模拟电路仿真器SPICE模型中的驱动器供电端,得到通道电路仿真模型;
(3b)将通用模拟电路仿真器SPICE的仿真频率设置为1066MHz,采样间隔设置为5ps;
(3c)将通道电路仿真模型中第8条数据线作为受害线,在受害线驱动器前端加码型00000001111激励并仿真后,在受害线接收器输入端获得受害线上升边响应,在其余数据线接收器输入端获得进攻线上升边响应;
(3d)在受害线驱动器前端加码型11111110000激励并仿真后,在受害线接收器输入端获得受害线下降边响应,在其余数据线接收器输入端获得进攻线下降边响应;
(4)获得电源噪声的概率分布:
(4a)将步骤(2e)获得的电源噪声读到数据处理软件中,以离散数组的形式保存;
(4b)找出电源噪声离散数组中的最大值和最小值,在最小值到最大值之间均匀地插入1000个小区间;
(4c)按照下式,计算每个小区间所有电压值对应的概率值:
其中,Pt表示第t个区间所有电压值对应的概率值,nt表示第t个区间内电压值的个数为n,N表示电源噪声离散数组中电压值的总数;
(4d)将每个区间电压值对应的概率值与该区间的电压中值组成一个二维数组,将该二维数组作为电源噪声的概率分布;
(5)确定上升边响应和下降边响应的起点:
(5a)用受害线上升边响应中每一个电压值减去受害线上升边响应数据中最后一个电压值,得到上升边向量,给上升边向量末尾加一个位宽的0,作为拓展上升边向量;
(5b)用受害线下降边响应中每一个电压值减去受害线下降边响应数据中最后一个电压值,得到下降边向量,给下降边向量前端加一个位宽的0,作为拓展下降边向量;
(5c)将拓展上升边向量和拓展下降边向量逐点对应相加后,从中找出最大值;
(5d)依次计算最大值左右相邻一个位宽的两个电压值的差值,从中找出差值最小的两个电压值,将这两个电压值对应序号的中间序号,向前推93个序号,作为上升边响应和下降边响应的起点;
(6)求受害线码间干扰的概率分布:
(6a)按照下式,将上升边向量和下降边向量分别左右翻转:
VR{i}(m)=VR{i}(N-m)
VF{i}(m)=VF{i}(N-m)
其中,VR{i}(m)表示受害线上升边向量按位宽划分后,第m位内第i个电压值,VF{i}(m)表示受害线下降边向量按位宽划分后,第m位内第i个电压值,i=1,2,3...,93,表示一个位宽内采样电压值的次序,m=1,2,3,…,N,N表示受害线上升边向量位宽总数;
(6b)按照格子法,计算采样电压值的概率分布;
(6c)判断是否计算完第93个采样电压值对应的概率分布,若是,则执行步骤(6d),否则,执行步骤(6b);
(6d)将得到的93个电压值对应的概率分布,作为受害线码间干扰的概率分布;
(7)求进攻线上升边和下降边向量:
(7a)用进攻线上升边响应中每一个电压值分别减去该响应的最后一个电压值,得到进攻线的上升边向量;
(7b)用进攻线下降边响应中每一个电压值分别减去该响应最后一个电压值,得到进攻线的下降边向量;
(8)求进攻线对受害线串扰的概率分布:
(8a)按照下式,将每条进攻线上升边向量和下降边向量分别左右翻转:
ARk{i}(m)=ARk{i}(N-m)
AFk{i}(m)=AFk{i}(N-m)
其中,ARk{i}(m)表示第k条进攻线上升边向量按位宽划分后,第m位内第i个电压值,AFk{i}(m)表示第k条进攻线下降边向量按位宽划分后,第m位内第i个电压值,k=1,2,3,...,15,表示进攻线次序,i=1,2,3,...,93,表示一个位宽内采样电压值的次序,m=1,2,3,…,N,N表示进攻线上升边向量总的位宽个数;
(8b)选取未计算串扰概率分布的进攻线的上升边向量和下降边向量;
(8c)按照格子法,计算采样电压值的概率分布;
(8d)判断是否计算完第93个采样电压值对应的概率分布,若是,执行步骤(8e),否则,执行步骤(8c);
(8e)将得到的93个电压值对应的概率分布作为该进攻线对受害线串扰的概率分布;
(8f)判断是否计算完15条进攻线对受害线串扰的概率分布,若是,则执行步骤(9),否则,执行步骤(8b);
(9)求解通道部分的概率分布:
(9a)按照下式,计算15条进攻线对受害线串扰总的概率分布:
其中,CCIall表示15条进攻线对受害线串扰总的概率分布,CCIj表示第j条进攻线对受害线串扰的概率分布,j=1,2,3,...,15,表示卷积操作;
(9b)将15条进攻线对受害线串扰总的概率分布与步骤(6d)所得到的第N位为0的受害线码间干扰的概率分布进行卷积,得到通道低电平噪声的概率分布;
(9c)将通道低电平噪声的概率分布中所有的电压值加上受害线下降边响应最后一个电压值,将结果作为左“0”的概率分布,其中N表示受害线上升边向量总的位宽个数;
(9d)将15条进攻线总的概率分布与步骤(6d)所得到的第N位为1的受害线码间干扰的概率分布卷积,得到通道高电平噪声的概率分布;
(9e)将通道高电平噪声的概率分布中所有的电压值加上受害线上升边响应最后一个电压值,作为左“1”的概率分布;
(9f)将受害线下降边的概率分布与15条进攻线总的概率分布卷积,得到通道下降边的概率分布;
(9g)将通道下降边的概率分布中所有的电压值加上受害线下降边稳定后的值,作为右“0”的概率分布;
(9h)将受害线上升边的概率分布与15条进攻线总的概率分布卷积,得到通道上升边的概率分布;
(9i)将通道上升边的概率分布中所有的电压值加上受害线上升边稳定后的值,作为右“1”的概率分布;
(9j)将左“0”的概率分布、左“1”的概率分布、右“0”的概率分布、右“1”的概率分布组成通道部分的概率分布;
(10)求解全链路的概率分布:
(10a)用电源噪声的概率分布分别与通道部分中左“0”的概率分布、左“1”的概率分布、右“0”的概率分布、右“1”的概率分布进行卷积;
(10b)将四个卷积结果中相同电压值对应的概率值相加,作为全链路的左“0”、左“1”、右“0”和右“1”的概率分布;
(11)求解全链路的误码率:
(11a)找出左“0”、左“1”、右“0”和右“1”的概率分布中电压值的最小值和最大值,从最小值到最大值之间每隔0.1mv设置一个参考电压;
(11b)按照下式,计算每一个参考电压下全链路的误码率:
BERs=0.5P(Vout<VREF(s)|bu=1)+0.5P(Vout>VREF(s)|bu=0)
其中,BERs表示第s个参考电压下全链路的误码率,P(Vout<VREF(s)|bu=1)表示在bu为1时,Vout小于VREF(s)的概率,Vout表示“0”、左“1”、右“0”和右“1”的概率分布中的电压值,VREF(s)表示第s个参考电压值,bu表示第u位的数字状态,bs的取值为0或者1,s=1,2,3,…,N,N表示受害线上升边向量的位宽总数;
(11b)将所有参考电压下全链路的误码率合成全链路的误码率。
本发明与现有技术相比具有如下优点:
第一,本发明通过仿真获得电源噪声,克服了现有技术未考虑电源分配网络通过互感耦合到数据线的噪声从而使得电源噪声不准确的缺点,使得本发明具有可以准确得到电源噪声的优点。
第一,本发明通过获得电源噪声的概率分布,克服了现有技术只考虑了通道部分而忽略电源分配网络对眼图的影响的缺点,使得本发明具有同时考虑电源分配网络和通道对眼图影响的优点。
第二,本发明通过将所有参考电压下全链路的误码率合成全链路的误码率,克服了现有技术仅仅计算了最坏眼图而并未涉及概率的缺点,使得本发明具有可以得到误码率眼图的优点。
附图说明
图1是本发明的流程图;
图2是本发明仿真图。
具体实施方式
下面结合附图对本发明进行详细描述。
参照附图1,本发明的实施步骤如下:
步骤1,搭建全链路电路仿真模型。
将实际高速链路系统中的参数:线宽、线间距、传输线厚度、介质厚度和耗散因子,赋给通用模拟电路仿真器SPICE模型中对应的参数,建立16条数据线通路,得到通用模拟电路仿真器SPICE模型。
将实际的电源分配网络PDN的平面尺寸、平面间距、介质的介电常数赋值给三维高速电路仿真软件建立的电源分配网络PDN对应的参数,稳压源模块VRM(Voltage RegulatorModule)用1.22v的直流电压源代替,得到电源分配网络PDN模。;
将电源分配网络PDN模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端相连,得到全链路电路仿真模型。
步骤2,仿真获得电源噪声。
将通用模拟电路仿真器SPICE的仿真频率设置为1066MHz,采样间隔设置为5ps。
用伪随机码激励全链路电路仿真模型,获取电源分配网络PDN输出端的电压信号,将该电压信号作为同时开关噪声SSN。
断开电源分配网络PDN模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端之间的连接。
将读入通用模拟电路仿真器SPICE的同时开关噪声SSN的波形作为电压源,将该电压源与通用模拟电路仿真器SPICE模型中的驱动器供电端相连,得到电源噪声等效仿真模型。
在电源噪声等效仿真模型中的任意一条数据线驱动器前加0激励,仿真后获取该数据线接收端的电压信号,将该电压信号作为电源噪声。
步骤3,获得通道部分上升边响应和下降边响应数据。
断开电源分配网络模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端之间的连接,将1.14v的直流电压源接入通用模拟电路仿真器SPICE模型中的驱动器供电端,得到通道电路仿真模型。
将通用模拟电路仿真器SPICE的仿真频率设置为1066MHz,采样间隔设置为5ps。
将通道电路仿真模型中第8条数据线作为受害线,在受害线驱动器前端加码型00000001111激励并仿真后,在受害线接收器输入端获得受害线上升边响应,在其余数据线接收器输入端获得进攻线上升边响应。
在受害线驱动器前端加码型11111110000激励并仿真后,在受害线接收器输入端获得受害线下降边响应,在其余数据线接收器输入端获得进攻线下降边响应。
步骤4,获得电源噪声的概率分布。
将步骤2中获得的电源噪声读到数据处理软件中,以离散数组的形式保存。
找出电源噪声离散数组中的最大值和最小值,在最小值到最大值之间均匀地插入1000个小区间。
按照下式,计算每个小区间所有电压值对应的概率值:
其中,Pt表示第t个区间所有电压值对应的概率值,nt表示第t个区间内电压值的个数为n,N表示电源噪声离散数组中电压值的总数;。
将每个区间电压值对应的概率值与该区间的电压中值组成一个二维数组,将该二维数组作为电源噪声的概率分布。
步骤5,确定上升边响应和下降边响应的起点。
用受害线上升边响应中每一个电压值减去受害线上升边响应数据中最后一个电压值,得到上升边向量,给上升边向量末尾加一个位宽的0,作为拓展上升边向量。
用受害线下降边响应中每一个电压值减去受害线下降边响应数据中最后一个电压值,得到下降边向量,给下降边向量前端加一个位宽的0,作为拓展下降边向量。
将拓展上升边向量和拓展下降边向量逐点对应相加后,从中找出最大值。
依次计算最大值左右相邻一个位宽的两个电压值的差值,从中找出差值最小的两个电压值,将这两个电压值对应序号的中间序号,向前推93个序号,作为上升边响应和下降边响应的起点。
步骤6,求受害线码间干扰的概率分布。
(6a)按照下式,将上升边向量和下降边向量分别左右翻转:
VR{i}(m)=VR{i}(N-m)
VF{i}(m)=VF{i}(N-m)
其中,VR{i}(m)表示受害线上升边向量按位宽划分后,第m位内第i个电压值,VF{i}(m)表示受害线下降边向量按位宽划分后,第m位内第i个电压值,i=1,2,3...,93,表示一个位宽内采样电压值的次序,m=1,2,3,…,N,N表示受害线上升边向量位宽总数。
(6b)按照格子法,计算采样电压值的概率分布。
格子法的具体步骤如下:
第一步:将积累电压初始化为0,将激励系统的码型中0和1的概率均初始化为0.5;
第二步:如果上升边向量的第1个位宽对应的数字状态为1,按照下式,计算该位第i个电压值的码间干扰的概率分布:
其中,表示积累到第m位且该位为0时的积累电压,表示第m位积累电压为时的概率,表示积累到第m位且该位为1时的积累电压,表示第1位积累电压为时的概率,[·]|m=1表示m=1时[·]的值,VR{i}(m-1)|m=1表示上升边向量第m-1位中第i个电压值,且VR{i}(0)=0,表示卷积操作;
第三步:如果上升边向量的第1个位宽对应的数字状态为0,按照下式,计算该位码间干扰的概率分布:
其中,VF{i}(m)表示下降边向量第m-1位中第i个电压值,且VF{i}(0)=0;
第四步:如果m不等于N,则执行第二步,如果m等于N,则计算结果表示第N位中第i个电压值的概率分布和其中N表示上升边向量的位宽总数。
(6c)判断是否计算完第93个采样电压值对应的概率分布,若是,则执行步骤(6d),否则,执行步骤(6b)。
(6d)将得到的93个电压值对应的概率分布,作为受害线码间干扰的概率分布。
步骤7,求进攻线上升边和下降边向量。
用进攻线上升边响应中每一个电压值分别减去该响应的最后一个电压值,得到进攻线的上升边向量。
用进攻线下降边响应中每一个电压值分别减去该响应最后一个电压值,得到进攻线的下降边向量。
步骤8,求进攻线对受害线串扰的概率分布。
(8a)按照下式,将每条进攻线上升边向量和下降边向量分别左右翻转:
ARk{i}(m)=ARk{i}(N-m)
AFk{i}(m)=AFk{i}(N-m)
其中,ARk{i}(m)表示第k条进攻线上升边向量按位宽划分后,第m位内第i个电压值,AFk{i}(m)表示第k条进攻线下降边向量按位宽划分后,第m位内第i个电压值,k=1,2,3,...,15,表示进攻线次序,i=1,2,3,...,93,表示一个位宽内采样电压值的次序,m=1,2,3,…,N,N表示进攻线上升边向量总的位宽个数。
(8b)选取未计算串扰概率分布的进攻线的上升边向量和下降边向量。
(8c)按照格子法,计算采样电压值的概率分布。
(8d)判断是否计算完第93个采样电压值对应的概率分布,若是,执行步骤(8e),否则,执行步骤(8c)。
(8e)将得到的93个电压值对应的概率分布作为该进攻线对受害线串扰的概率分布。
(8f)判断是否计算完15条进攻线对受害线串扰的概率分布,若是,则执行步骤(9),否则,执行步骤(8b)。
步骤9,求解通道部分的概率分布。
按照下式,计算15条进攻线对受害线串扰总的概率分布:
其中,CCIall表示15条进攻线对受害线串扰总的概率分布,CCIj表示第j条进攻线对受害线串扰的概率分布,j=1,2,3,...,15,表示卷积操作。
将15条进攻线对受害线串扰总的概率分布与步骤(6d)所得到的第N位为0的受害线码间干扰的概率分布卷积,得到通道低电平噪声的概率分布。
通道部分概率分布的求解可以划分为以下四个部分概率分布的求解:左“0”、左“1”、右“0”和右“1”。
将通道低电平噪声的概率分布中所有的电压值加上受害线下降边响应最后一个电压值,将结果作为左“0”的概率分布,其中N表示受害线上升边向量总的位宽个数。
将15条进攻线总的概率分布与步骤6得到的第N位为1的受害线码间干扰的概率分布卷积,得到通道高电平噪声的概率分布。
将通道高电平噪声的概率分布中所有的电压值加上受害线上升边响应最后一个电压值,作为左“1”的概率分布。
将受害线下降边的概率分布与15条进攻线总的概率分布卷积,得到通道下降边的概率分布。
受害线下降边的概率分布的求解方法如下:
第一步:按照下式,计算有边沿时下降边的概率分布:
其中,A表示有边沿时下降边的概率分布,Zx表示受害线上升边响应中第92位中第x个积累电压值,Pe表示受害线上升边响应中第92位中第e个概率值,表示卷积操作,F_cur(d)表示下降边主光标中第d个电压值,d=1,2,3,...,93,下降边主光标是指,下降边响应从起点开始的一个位宽内的序号;
第二步:按照下式,计算无边沿时下降边的概率分布:
其中,B表示无边沿时下降边的概率分布
第三步:将有边沿时下降边的概率分布和无边沿时下降边的概率分布相同电压值对应的概率相加,作为该电压对应的概率值,将所有电压值与概率值组成的分布作为下降边的概率分布。
将通道下降边的概率分布中所有的电压值加上受害线下降边稳定后的值,作为右“0”的概率分布。
将受害线上升边的概率分布与15条进攻线总的概率分布卷积,得到通道上升边的概率分布。
受害线上升边的概率分布的求解方法如下:
第一步:按照下式,计算有边沿时上升边的概率分布:
其中,C表示有边沿时上升边的概率分布,Zq表示受害线上升边响应中第92位中第q个积累电压值,Pc表示受害线上升边响应中第92位中第c个概率值,表示卷积操作,R_cur(g)表示上升边主光标中第g个电压值,g=1,2,3,...,93,上升边主光标是指,上升边响应从起点开始的一个位宽内的序号;
第二步:按照下式,计算无边沿时上升边的概率分布:
其中,D表示无边沿时上升边的概率分布;
第三步:将有边沿时上升边的概率分布和无边沿时上升边的概率分布相同电压值对应的概率相加,作为该电压对应的概率值,将所有电压值与概率值组成的分布作为上升边的概率分布。
将通道上升边的概率分布中所有的电压值加上受害线上升边稳定后的值,作为右“1”的概率分布。
步骤10,求解全链路的概率分布。
用电源噪声的概率分布分别与通道部分中左“0”的概率分布、左“1”的概率分布、右“0”的概率分布、右“1”的概率分布进行卷积。
将四个卷积结果中相同电压值对应的概率值相加,作为全链路的左“0”、左“1”、右“0”和右“1”的概率分布。
步骤11,求解全链路的误码率。
找出左“0”、左“1”、右“0”和右“1”的概率分布中电压值的最小值和最大值,从最小值到最大值之间每隔0.1mv设置一个参考电压。
按照下式,计算每一个参考电压下全链路的误码率:
BERs=0.5P(Vout<VREF(s)|bu=1)+0.5P(Vout>VREF(s)|bu=0)
其中,BERs表示第s个参考电压下全链路的误码率,P(Vout<VREF(s)|bu=1)表示在bu为1时,Vout小于VREF(s)的概率,Vout表示“0”、左“1”、右“0”和右“1”的概率分布中的电压值,VREF(s)表示第s个参考电压值,bu表示第u位的数字状态,bs的取值为0或者1,s=1,2,3,…,N,N表示受害线上升边向量的位宽总数。
将所有参考电压下全链路的误码率合成全链路的误码率。
下面结合仿真实验对本发明效果做进一步的描述。
1.仿真条件:
本发明的仿真实验是在CPU为Intel(R)Core(TM)i7-4790k 4.0GHZ、内存8G、WINDOWS 7系统上进行的。采用HSPICE2013软件、BER_Tools软件以及MATLAB软件作为仿真工具。
2.仿真过程:
本发明仿真实验需建立HSPICE电路模型,共建立16条数据线。设置仿真时间从4.69ns到200ns,仿真频率为1066MHz,采用间隔为5ps,上升边和下降边均设置为20ps。
为了验证本发明的效果,使用BER_Tools来计算出误码率眼图与本发明所得到的误码率眼图对比。BER_Tools是西安电子科技大学开发的计算误码率眼图与最坏眼图的工具,该工具在计算误码率的计算过程中未考虑电源分配网络的影响。在使用BER_Tools前按照下述方式使用HSPICE仿真得到受害线和进攻线的边沿响应:使用1.14v直流电压源给驱动器供电,驱动器分别加上升边和下降边激励,其余部分与本发明所述参数一致,在受害线与进攻线接收端获取上升边响应与下降边响应,作为BER_Tools的输入数据。
3.仿真结果及分析:
仿真结果如图2所示,其中图2(a)是本发明所述方法计算得到的误码率眼图,图2(b)是使用BER_Tools计算得到的误码率眼图。误码率眼图由两个位宽组成,横坐标为时间对位宽的归一化,-1指的是-1*UI,UI为位宽。纵坐标表示电压值,图中颜色的深浅表示不同的误码率,不同灰度所代表的误码率指示在图的右侧。从图中可以看出,在10-18误码率下,两种计算方法的最大眼高、眼宽、中心眼高如下表1所示:
表1仿真结果对比表
最大眼高(mv) | 中心眼高(mv) | 眼宽(ps) | |
本发明结果 | 484.4 | 437.5 | 357 |
BER_Tools结果 | 714.9 | 697.9 | 420 |
由表1可以看出在特定误码率下,本发明的最大眼高、中心眼高和眼宽都比现有技术BER_Tool的结果小,说明本发明在考虑了电源分配网络后,误码率眼图结果覆盖了BER_Tools的结果,对实际的设计更加有指导价值。
Claims (6)
1.一种基于PDN与通道协同分析法的时域分析方法,具体步骤如下:
(1)搭建全链路电路仿真模型:
(1a)将并行高速链路系统中的电路参数,赋给通用模拟电路仿真器SPICE模型中对应的参数,共建立16条数据线通路,得到通用模拟电路仿真器SPICE模型;
(1b)将实际的电源分配网络PDN的平面尺寸、平面间距、介质的介电常数赋值给三维高速电路仿真软件建立的电源分配网络PDN对应的参数,稳压源模块VRM用1.22v的直流电压源代替,得到电源分配网络PDN模型;
(1c)将电源分配网络PDN模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端相连,得到全链路电路仿真模型;
(2)仿真获得电源噪声:
(2a)将通用模拟电路仿真器SPICE的仿真频率设置为1066MHz,采样间隔设置为5ps;
(2b)用伪随机码激励全链路电路仿真模型,获取电源分配网络PDN输出端的电压信号,将该电压信号作为同时开关噪声SSN;
(2c)断开电源分配网络PDN模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端之间的连接;
(2d)将读入通用模拟电路仿真器SPICE的同时开关噪声SSN的波形作为电压源,将该电压源与通用模拟电路仿真器SPICE模型中的驱动器供电端相连,得到电源噪声等效仿真模型;
(2e)在电源噪声等效仿真模型中的任意一条数据线驱动器前加0激励,仿真后获取该数据线接收端的电压信号,将该电压信号作为电源噪声;
(3)获得通道部分上升边响应和下降边响应数据:
(3a)断开电源分配网络模型的输出端与通用模拟电路仿真器SPICE模型中的驱动器供电端之间的连接,将1.14v的直流电压源接入通用模拟电路仿真器SPICE模型中的驱动器供电端,得到通道电路仿真模型;
(3b)将通用模拟电路仿真器SPICE的仿真频率设置为1066MHz,采样间隔设置为5ps;
(3c)将通道电路仿真模型中第8条数据线作为受害线,在受害线驱动器前端加码型00000001111激励并仿真后,在受害线接收器输入端获得受害线上升边响应,在其余数据线接收器输入端获得进攻线上升边响应;
(3d)在受害线驱动器前端加码型11111110000激励并仿真后,在受害线接收器输入端获得受害线下降边响应,在其余数据线接收器输入端获得进攻线下降边响应;
(4)获得电源噪声的概率分布:
(4a)将步骤(2e)获得的电源噪声读到数据处理软件中,以离散数组的形式保存;
(4b)找出电源噪声离散数组中的最大值和最小值,在最小值到最大值之间均匀地插入1000个小区间;
(4c)按照下式,计算每个小区间所有电压值对应的概率值:
其中,Pt表示第t个区间所有电压值对应的概率值,nt表示第t个区间内电压值的个数为n,N表示电源噪声离散数组中电压值的总数;
(4d)将每个区间电压值对应的概率值与该区间的电压中值组成一个二维数组,将该二维数组作为电源噪声的概率分布;
(5)确定上升边响应和下降边响应的起点:
(5a)用受害线上升边响应中每一个电压值减去受害线上升边响应数据中最后一个电压值,得到上升边向量,给上升边向量末尾加一个位宽的0,作为拓展上升边向量;
(5b)用受害线下降边响应中每一个电压值减去受害线下降边响应数据中最后一个电压值,得到下降边向量,给下降边向量前端加一个位宽的0,作为拓展下降边向量;
(5c)将拓展上升边向量和拓展下降边向量逐点对应相加后,从中找出最大值;
(5d)依次计算最大值左右相邻一个位宽的两个电压值的差值,从中找出差值最小的两个电压值,将这两个电压值对应序号的中间序号,向前推93个序号,作为上升边响应和下降边响应的起点;
(6)求受害线码间干扰的概率分布:
(6a)按照下式,将上升边向量和下降边向量分别左右翻转:
VR{i}(m)=VR{i}(N-m)
VF{i}(m)=VF{i}(N-m)
其中,VR{i}(m)表示受害线上升边向量按位宽划分后,第m位内第i个电压值,VF{i}(m)表示受害线下降边向量按位宽划分后,第m位内第i个电压值,i=1,2,3...,93,表示一个位宽内采样电压值的次序,m=1,2,3,…,N,N表示受害线上升边向量位宽总数;
(6b)按照格子法,计算采样电压值的概率分布;
(6c)判断是否计算完第93个采样电压值对应的概率分布,若是,则执行步骤(6d),否则,执行步骤(6b);
(6d)将得到的93个电压值对应的概率分布,作为受害线码间干扰的概率分布;
(7)求进攻线上升边和下降边向量:
(7a)用进攻线上升边响应中每一个电压值分别减去该响应的最后一个电压值,得到进攻线的上升边向量;
(7b)用进攻线下降边响应中每一个电压值分别减去该响应最后一个电压值,得到进攻线的下降边向量;
(8)求进攻线对受害线串扰的概率分布:
(8a)按照下式,将每条进攻线上升边向量和下降边向量分别左右翻转:
ARk{i}(m)=ARk{i}(N-m)
AFk{i}(m)=AFk{i}(N-m)
其中,ARk{i}(m)表示第k条进攻线上升边向量按位宽划分后,第m位内第i个电压值,AFk{i}(m)表示第k条进攻线下降边向量按位宽划分后,第m位内第i个电压值,k=1,2,3,...,15,表示进攻线次序,i=1,2,3,...,93,表示一个位宽内采样电压值的次序,m=1,2,3,…,N,N表示进攻线上升边向量总的位宽个数;
(8b)选取未计算串扰概率分布的进攻线的上升边向量和下降边向量;
(8c)按照格子法,计算采样电压值的概率分布;
(8d)判断是否计算完第93个采样电压值对应的概率分布,若是,执行步骤(8e),否则,执行步骤(8c);
(8e)将得到的93个电压值对应的概率分布作为该进攻线对受害线串扰的概率分布;
(8f)判断是否计算完15条进攻线对受害线串扰的概率分布,若是,则执行步骤(9),否则,执行步骤(8b);
(9)求解通道部分的概率分布:
(9a)按照下式,计算15条进攻线对受害线串扰总的概率分布:
其中,CCIall表示15条进攻线对受害线串扰总的概率分布,CCIj表示第j条进攻线对受害线串扰的概率分布,j=1,2,3,...,15,表示卷积操作;
(9b)将15条进攻线对受害线串扰总的概率分布与步骤(6d)所得到的第N位为0的受害线码间干扰的概率分布进行卷积,得到通道低电平噪声的概率分布;
(9c)将通道低电平噪声的概率分布中所有的电压值加上受害线下降边响应最后一个电压值,将结果作为左“0”的概率分布,其中N表示受害线上升边向量总的位宽个数;
(9d)将15条进攻线总的概率分布与步骤(6d)所得到的第N位为1的受害线码间干扰的概率分布卷积,得到通道高电平噪声的概率分布;
(9e)将通道高电平噪声的概率分布中所有的电压值加上受害线上升边响应最后一个电压值,作为左“1”的概率分布;
(9f)将受害线下降边的概率分布与15条进攻线总的概率分布卷积,得到通道下降边的概率分布;
(9g)将通道下降边的概率分布中所有的电压值加上受害线下降边稳定后的值,作为右“0”的概率分布;
(9h)将受害线上升边的概率分布与15条进攻线总的概率分布卷积,得到通道上升边的概率分布;
(9i)将通道上升边的概率分布中所有的电压值加上受害线上升边稳定后的值,作为右“1”的概率分布;
(9j)将左“0”的概率分布、左“1”的概率分布、右“0”的概率分布、右“1”的概率分布组成通道部分的概率分布;
(10)求解全链路的概率分布:
(10a)用电源噪声的概率分布分别与通道部分中左“0”的概率分布、左“1”的概率分布、右“0”的概率分布、右“1”的概率分布进行卷积;
(10b)将四个卷积结果中相同电压值对应的概率值相加,作为全链路的左“0”、左“1”、右“0”和右“1”的概率分布;
(11)求解全链路的误码率:
(11a)找出左“0”、左“1”、右“0”和右“1”的概率分布中电压值的最小值和最大值,从最小值到最大值之间每隔0.1mv设置一个参考电压;
(11b)按照下式,计算每一个参考电压下全链路的误码率:
BERs=0.5P(Vout<VREF(s)|bu=1)+0.5P(Vout>VREF(s)|bu=0)
其中,BERs表示第s个参考电压下全链路的误码率,P(Vout<VREF(s)|bu=1)表示在bu为1时,Vout小于VREF(s)的概率,Vout表示“0”、左“1”、右“0”和右“1”的概率分布中的电压值,VREF(s)表示第s个参考电压值,bu表示第u位的数字状态,bs的取值为0或者1,s=1,2,3,…,N,N表示受害线上升边向量的位宽总数;
(11b)将所有参考电压下全链路的误码率合成全链路的误码率。
2.根据权利要求1所述的基于PDN与通道协同分析法的时域分析方法,其特征在于,步骤(1a)中所述的电路参数包括线宽、线间距、传输线厚度、介质厚度和耗散因子。
3.根据权利要求1所述的基于PDN与通道协同分析法的时域分析方法,其特征在于,步骤(3c)中所述的受害线是指在所有的数据线中按照如下方法选择一条:如果数据线总数为奇数,则将最中间的一条数据线作为受害线;如果数据线总数为偶数,则从最中间的两条数据线中任意选择一条作为受害线。
4.根据权利要求1所述的基于PDN与通道协同分析法的时域分析方法,其特征在于,步骤(6b)中所述的格子法的具体步骤如下:
第一步:将积累电压初始化为0,将激励系统的码型中0和1的概率均初始化为0.5;
第二步:如果上升边向量的第1个位宽对应的数字状态为1,按照下式,计算该位第i个电压值的码间干扰的概率分布:
其中,表示积累到第m位且该位为0时的积累电压,表示第m位积累电压为时的概率,表示积累到第m位且该位为1时的积累电压,表示第1位积累电压为时的概率,[·]|m=1表示m=1时[·]的值,VR{i}(m-1)|m=1表示上升边向量第m-1位中第i个电压值,且VR{i}(0)=0,表示卷积操作;
第三步:如果上升边向量的第1个位宽对应的数字状态为0,按照下式,计算该位码间干扰的概率分布:
其中,VF{i}(m)表示下降边向量第m-1位中第i个电压值,且VF{i}(0)=0;
第四步:如果m不等于N,则执行第二步,如果m等于N,则计算结果表示第N位中第i个电压值的概率分布和其中N表示上升边向量的位宽总数。
5.根据权利要求1所述的基于PDN与通道协同分析法的时域分析方法,其特征在于,步骤(9f)中所述受害线下降边的概率分布的求解方法如下:
第一步:按照下式,计算有边沿时下降边的概率分布:
其中,A表示有边沿时下降边的概率分布,Zx表示受害线上升边响应中第92位中第x个积累电压值,Pe表示受害线上升边响应中第92位中第e个概率值,表示卷积操作,F_cur(d)表示下降边主光标中第d个电压值,d=1,2,3,...,93,下降边主光标是指,下降边响应从起点开始的一个位宽内的序号;
第二步:按照下式,计算无边沿时下降边的概率分布:
其中,B表示无边沿时下降边的概率分布;
第三步:将有边沿时下降边的概率分布和无边沿时下降边的概率分布相同电压值对应的概率相加,作为该电压对应的概率值,将所有电压值与概率值组成的分布作为下降边的概率分布。
6.根据权利要求1所述的基于PDN与通道协同分析法的时域分析方法,其特征在于,步骤(9h)中所述的受害线上升边的概率分布的求解方法如下:
第一步:按照下式,计算有边沿时上升边的概率分布:
其中,C表示有边沿时上升边的概率分布,Zq表示受害线上升边响应中第92位中第q个积累电压值,Pc表示受害线上升边响应中第92位中第c个概率值,表示卷积操作,R_cur(g)表示上升边主光标中第g个电压值,g=1,2,3,...,93,上升边主光标是指,上升边响应从起点开始的一个位宽内的序号;
第二步:按照下式,计算无边沿时上升边的概率分布:
其中,D表示无边沿时上升边的概率分布;
第三步:将有边沿时上升边的概率分布和无边沿时上升边的概率分布相同电压值对应的概率相加,作为该电压对应的概率值,将所有电压值与概率值组成的分布作为上升边的概率分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710049061.0A CN106886637B (zh) | 2017-01-23 | 2017-01-23 | 基于pdn与通道协同分析法的时域分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710049061.0A CN106886637B (zh) | 2017-01-23 | 2017-01-23 | 基于pdn与通道协同分析法的时域分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106886637A true CN106886637A (zh) | 2017-06-23 |
CN106886637B CN106886637B (zh) | 2019-08-06 |
Family
ID=59176608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710049061.0A Active CN106886637B (zh) | 2017-01-23 | 2017-01-23 | 基于pdn与通道协同分析法的时域分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106886637B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330221A (zh) * | 2017-07-21 | 2017-11-07 | 西安电子科技大学 | 基于pdn与通道协同模型的最坏眼图实现方法 |
US20180137228A1 (en) * | 2016-11-14 | 2018-05-17 | Fujitsu Limited | Simulation assist apparatus and simulation assist method |
CN112329372A (zh) * | 2020-11-17 | 2021-02-05 | 南京蓝洋智能科技有限公司 | 一种用于信号完整性分析的码型的产生方法 |
CN114021831A (zh) * | 2021-11-12 | 2022-02-08 | 西安电子科技大学 | 基于边沿响应的pdn网络最坏电压噪声预测方法 |
WO2023173943A1 (zh) * | 2022-03-16 | 2023-09-21 | 北京地平线机器人技术研发有限公司 | 一种用于信号完整性仿真的激励信号生成方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143024A (zh) * | 2014-07-29 | 2014-11-12 | 西安电子科技大学 | 一种并行高速链路系统的快速时域仿真方法 |
US9148235B1 (en) * | 2014-09-15 | 2015-09-29 | Global Unichip Corporation | Eye diagram measuring circuit and measuring method thereof |
US9166846B1 (en) * | 2014-09-26 | 2015-10-20 | Phytrex Technology Corporation | Eye diagram construction display apparatus |
-
2017
- 2017-01-23 CN CN201710049061.0A patent/CN106886637B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143024A (zh) * | 2014-07-29 | 2014-11-12 | 西安电子科技大学 | 一种并行高速链路系统的快速时域仿真方法 |
US9148235B1 (en) * | 2014-09-15 | 2015-09-29 | Global Unichip Corporation | Eye diagram measuring circuit and measuring method thereof |
US9166846B1 (en) * | 2014-09-26 | 2015-10-20 | Phytrex Technology Corporation | Eye diagram construction display apparatus |
Non-Patent Citations (1)
Title |
---|
徐志华等: "高速链路系统的误码率(BER)算法实现", 《电子科技》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180137228A1 (en) * | 2016-11-14 | 2018-05-17 | Fujitsu Limited | Simulation assist apparatus and simulation assist method |
CN107330221A (zh) * | 2017-07-21 | 2017-11-07 | 西安电子科技大学 | 基于pdn与通道协同模型的最坏眼图实现方法 |
CN107330221B (zh) * | 2017-07-21 | 2020-06-16 | 西安电子科技大学 | 基于pdn与通道协同模型的最坏眼图实现方法 |
CN112329372A (zh) * | 2020-11-17 | 2021-02-05 | 南京蓝洋智能科技有限公司 | 一种用于信号完整性分析的码型的产生方法 |
CN114021831A (zh) * | 2021-11-12 | 2022-02-08 | 西安电子科技大学 | 基于边沿响应的pdn网络最坏电压噪声预测方法 |
CN114021831B (zh) * | 2021-11-12 | 2024-03-29 | 西安电子科技大学 | 基于边沿响应的pdn网络最坏电压噪声预测方法 |
WO2023173943A1 (zh) * | 2022-03-16 | 2023-09-21 | 北京地平线机器人技术研发有限公司 | 一种用于信号完整性仿真的激励信号生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106886637B (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106886637A (zh) | 基于pdn与通道协同分析法的时域分析方法 | |
CN101341488B (zh) | 用于分析逻辑级的方法和系统 | |
US8504334B2 (en) | Simulating the transmission and simultaneous switching output noise of signals in a computer system | |
CN104143024B (zh) | 一种并行高速链路系统的快速时域仿真方法 | |
US8516420B1 (en) | Sensitivity and static timing analysis for integrated circuit designs using a multi-CCC current source model | |
US6775807B2 (en) | Numerically modeling inductive circuit elements | |
US9898566B2 (en) | Method for automated assistance to design nonlinear analog circuit with transient solver | |
US20060095218A1 (en) | Analysis apparatus, analysis program product and computer readable recording medium having analysis program recorded thereon | |
US7027941B2 (en) | Device and method for calculating electro-magnetic field intensity by cooperation of circuit analyses and electro-magnetic wave analyses | |
CN106126804A (zh) | 一种功放底层电路的行为级建模与验证方法 | |
CN106646403A (zh) | K分布雷达杂波实时模拟方法及系统 | |
CN105447214A (zh) | 器件参数的确定方法和装置 | |
KR100404065B1 (ko) | Emi 시뮬레이션용 반도체 집적 회로 전원 모델의 작성 방법 및 장치 | |
US7428477B1 (en) | Simulation of electrical circuits | |
Lho et al. | Eye-width and eye-height estimation method based on artificial neural network (ANN) for USB 3.0 | |
CN104915496A (zh) | 一种差分信号线的布线方法及装置 | |
CN104461878A (zh) | 一种基于自定义模型的软件质量评价方法 | |
AhadiDolatsara et al. | Jitter and eye estimation in SerDes channels using modified polynomial chaos surrogate models | |
CN107346300A (zh) | 一种基于绝对传递率函数的传递路径分析方法 | |
CN102012955B (zh) | 获取背板连接器针头钻阵列的散射矩阵的方法和装置 | |
Geng et al. | Integrating field measurements into a model-based simulator for industrial communication networks | |
US8510092B2 (en) | Recursive summation algorithms useful for statistical signal analysis of transmission of signals in a computer system | |
CN116595945B (zh) | 高精度仿真散射参数提取方法、电子设备和存储介质 | |
Fevola | Greedy Algorithms for Black-Box Parameterized Modeling of Electromagnetic Structures | |
US20040236557A1 (en) | Method for simulation of electronic circuits and N-port systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |