RU2380826C1

RU2380826C1 - Method of separating data signal jitter

Info

Publication number: RU2380826C1
Application number: RU2008126594/09A
Authority: RU
Inventors: Виктор Александрович Дамм (RU); Виктор Александрович Дамм; Владимир Александрович Шалагинов (RU); Владимир Александрович Шалагинов; Олег Олегович Басов (RU); Олег Олегович Басов
Priority date: 2008-06-30
Filing date: 2008-06-30
Publication date: 2010-01-27

Abstract

FIELD: physics.

SUBSTANCE: signal is received and stored in form of signal vectors. A function of the initial data structure of the first signal vector is formed. A data structure function is formed for each subsequent signal vector, which is then time shifted. Time interval error functions are calculated. The modified spectrum of periodic jitter is calculated. A histogram of the time sequence of the periodic jitter is constructed. The averaged spectral density of the power of the time interval error (TIE) function is calculated. The modified spectrum of random jitter is calculated. Mean-square deviation of random jitter values is calculated. Direct discrete Fourier transformation is carried out to transform the time interval error function into the frequency domain.

EFFECT: increased accuracy of evaluating components of overall data signal jitter when using spectral separation method.

6 dwg.

Description

Изобретение относится к области анализа сигналов, а именно к анализу джиттера цифровых тактируемых сигналов и разложению джиттера на его составляющие.The invention relates to the field of signal analysis, namely, jitter analysis of digital clock signals and decomposition of jitter into its components.

Джиттером (фазовым дрожанием) называется отклонение показательных участков цифрового сигнала (например, фронтов) от своих идеальных положений во времени [Рекомендация МСЭ-Т О.172]. В цифровых системах связи джиттер проявляется в виде изменений местоположения фронтов цифрового сигнала во времени, что приводит к рассинхронизации и, как следствие, к искажению передаваемой информации.Jitter (jitter) refers to the deviation of representative sections of a digital signal (eg, edges) from their ideal positions in time [ITU-T Rec. O.172]. In digital communication systems, jitter manifests itself in the form of changes in the location of the edges of the digital signal in time, which leads to desynchronization and, as a result, to distortion of the transmitted information.

Общий джиттер может быть разделен на случайный и детерминированный джиттер, состоящий из периодического джиттера и джиттера, зависящего от данных. Джиттер, зависящий от данных, в свою очередь может быть разделен на межсимвольную интерференцию и искажение коэффициента заполнения импульсной последовательности. Случайный джиттер обусловлен шумовыми процессами, происходящими во всех полупроводниках и компонентах. Предполагается, что этот джиттер подчиняется распределению Гаусса (нормальному распределению) [«Measuring Jitter in Digital Systems», Agilent Technologies Inc., Application Note 1448-1, June 1, 2003; http://cp.literature.agilent.com/litweb/pdf/5988-9109EN.pdf], является теоретически неограниченным и характеризуется средним значением и среднеквадратическим отклонением. Периодический джиттер описывает периодические изменения положений фронтов импульсов передаваемого сигнала во времени. Главными причинами периодического джиттера являются паразитная модуляция сигнала гармониками питающего напряжения, помехи от местных радиостанций или от переключений в сильноточных сетях. Джиттер, зависящий от данных, зависит от передаваемой по исследуемой линии связи битовой последовательности. Детерминированный джиттер имеет ограниченный размах своих значений.Common jitter can be divided into random and deterministic jitter consisting of periodic jitter and data-dependent jitter. Data-dependent jitter, in turn, can be divided into intersymbol interference and distortion of the pulse sequence duty cycle. Random jitter is caused by noise processes occurring in all semiconductors and components. This jitter is assumed to obey the Gaussian distribution (normal distribution) ["Measuring Jitter in Digital Systems", Agilent Technologies Inc., Application Note 1448-1, June 1, 2003; http://cp.literature.agilent.com/litweb/pdf/5988-9109EN.pdf], is theoretically unlimited and is characterized by an average value and standard deviation. Periodic jitter describes the periodic changes in the positions of the edges of the pulses of the transmitted signal in time. The main causes of periodic jitter are parasitic signal modulation by harmonics of the supply voltage, interference from local radio stations or from switching in high-current networks. Data-dependent jitter depends on the bit sequence transmitted over the communication link under investigation. Deterministic jitter has a limited range of values.

Джиттер является одной из основных проблем при проектировании устройств цифровой электроники, в частности цифровых интерфейсов. Исследование компонентов джиттера необходимо при анализе работоспособности, оценке надежности и поиске неисправностей исследуемой цифровой системы.Jitter is one of the main problems in the design of digital electronics devices, in particular digital interfaces. The study of jitter components is necessary in the analysis of performance, reliability assessment and troubleshooting of the investigated digital system.

Для разложения джиттера на составляющие компоненты используют различные методы, основанные как на статистической обработке значений джиттера во временной области, так и на спектральном представлении джиттера с использованием дискретного преобразования Фурье (ДПФ).Various methods are used to decompose jitter into component components, based both on the statistical processing of jitter values in the time domain and on the spectral representation of jitter using the discrete Fourier transform (DFT).

Однако сигнал данных может содержать идущие подряд логические нули или единицы, которые при кодировании, например, линейным кодом NRZ (Non-Return-to-Zero) не вызывают переходов значений исследуемого сигнала. Поэтому измерить значение ошибки временного интервала (отклонения фронта импульса линейного кода от своего идеального положения) между повторяющимися логическими символами невозможно. В моменты отсутствия смены состояний входного сигнала данных появляются неизвестные значения ошибок временных интервалов. Их наличие не позволяет напрямую использовать спектральный метод разделения джиттера на компоненты, так как для последовательности с неизвестными значениями нельзя выполнить ДПФ.However, the data signal may contain consecutive logical zeros or ones that, when encoded, for example, with the linear code NRZ (Non-Return-to-Zero) do not cause transitions of the values of the signal under study. Therefore, it is impossible to measure the error value of the time interval (deviation of the pulse front of the linear code from its ideal position) between repeating logical symbols. When there is no change in the state of the input data signal, unknown values of the error of time intervals appear. Their presence does not allow the direct use of the spectral method of dividing jitter into components, since it is impossible to perform DFT for a sequence with unknown values.

Известен способ разделения джиттера случайной последовательности данных по патенту US 7254168 В2 от 07.08.2007, заключающийся в измерении последовательности ошибок временных интервалов, оценке джиттера, зависящего от данных, устранении джиттера, зависящего от данных, из функции ошибок временных интервалов и разделении случайного и периодического джиттера спектральным методом на основе ДПФ. Недостатком данного способа является низкая точность оценки периодического и случайного джиттера. Недостаток обусловлен восстановлением неизвестных значений в последовательности ошибок временных интервалов путем использования интерполяции по ближайшим известным значениям с последующим применением спектрального метода разделения случайного и периодического джиттера.A known method of separating jitter of a random sequence of data according to patent US 7254168 B2 dated 08/07/2007, which consists in measuring a sequence of time-interval errors, evaluating a data-dependent jitter, eliminating data-dependent jitter from a function of time-interval errors, and separating random and periodic jitter DFT spectral method. The disadvantage of this method is the low accuracy of the estimation of periodic and random jitter. The disadvantage is due to the restoration of unknown values in the sequence of errors of time intervals by using interpolation from the nearest known values, followed by the use of the spectral method for separating random and periodic jitter.

Известен способ спектрального измерения джиттера последовательности данных по патенту US 6832172 В2 от 14.12.2004, заключающийся в измерении последовательности ошибок временных интервалов; вычислении спектра общего джиттера с помощью прямого ДПФ; спектральном разделении случайного и детерминированного джиттера; дальнейшем спектральном разделении детерминированного джиттера на периодический джиттер и джиттер, зависящий от данных; выполнении обратного ДПФ спектральных пиков, отнесенных к компонентам детерминированного джиттера; оценке параметров периодического джиттера и джиттера, зависящего от данных; оценке среднеквадратического отклонения значений случайного джиттера на основе спектральной плотности мощности случайного джиттера. Недостатком данного способа также является низкая точность оценок составляющих общего джиттера из-за восстановления неизвестных значений в последовательности ошибок временных интервалов путем использования интерполяции по ближайшим известным значениям.A known method of spectral measurement of jitter data sequence according to patent US 6832172 B2 dated 12/14/2004, which consists in measuring the sequence of errors of time intervals; computing the spectrum of common jitter using direct DFT; spectral separation of random and deterministic jitter; further spectral separation of the deterministic jitter into periodic jitter and data-dependent jitter; performing the inverse DFT of the spectral peaks assigned to the components of deterministic jitter; evaluating the parameters of periodic jitter and data-dependent jitter; estimating the standard deviation of the random jitter based on the power spectral density of the random jitter. The disadvantage of this method is the low accuracy of the estimates of the components of the overall jitter due to the restoration of unknown values in the error sequence of time intervals by using interpolation from the nearest known values.

Наиболее близким, принятым за прототип, является способ разделения джиттера сигнала с использованием многократного захвата по патенту US 6898535 B2 от 24.05.2005, заключающийся в том, что сохраняют входной сигнал в виде сигнальных векторов, формируют функцию исходной структуры данных первого сигнального вектора, вычисляют последовательность ошибок временных интервалов для каждого последующего сигнального вектора, усредняют последовательность ошибок временных интервалов, вычисляют параметры джиттера, зависящего от данных, устраняют джиттер, зависящий от данных, из последовательности ошибок временных интервалов, интерполируют неизвестные значения по ближайшим известным, выполняют прямое ДПФ, вычисляют усредненный спектр ошибок временных интервалов, формируют массив частот F_p, соответствующий частотам пиковых значений амплитуд в усредненном спектре ошибок временных интервалов, вычисляют модифицированный спектр периодического джиттера на частотах F_p, вычисляют временную последовательность периодического джиттера путем обратного преобразования Фурье от модифицированного спектра периодического джиттера, вычисляют гистограмму временной последовательности периодического джиттера, определяют размах значений периодического джиттера по гистограмме, вычисляют усредненную спектральную плотность мощности функции ошибок временных интервалов, вычисляют модифицированный спектр случайного джиттера, выполняют обратное преобразование Фурье от модифицированного спектра случайного джиттера, вычисляют среднеквадратическое отклонение значений случайного джиттера, принимают решение о дальнейшем усреднении результатов. Недостатком данного способа является низкая точность оценки составляющих общего джиттера за счет восстановления неизвестных значений в последовательности ошибок временных интервалов путем использования линейной интерполяции по ближайшим известным значениям.The closest adopted for the prototype is the method of separation of the jitter of the signal using multiple capture according to the patent US 6898535 B2 dated 05/24/2005, which consists in storing the input signal in the form of signal vectors, forming a function of the initial data structure of the first signal vector, calculating the sequence errors of time intervals for each subsequent signal vector, average the sequence of errors of time intervals, calculate the parameters of the jitter, depending on the data, eliminate the jitter, hanging on the data of the time slots error sequences, interpolate the unknown values of the closest known to perform direct DFT calculated average spectrum timeslots errors, formed array F _p of frequencies corresponding to frequencies of the peak amplitudes in the averaged time interval error spectrum calculated modified spectrum periodic jitter at frequencies F _p, is calculated temporal periodic jitter sequence by inverse Fourier transform on the modified the spectrum of the periodic jitter, calculate the histogram of the time sequence of the periodic jitter, determine the magnitude of the values of the periodic jitter from the histogram, calculate the average power spectral density of the error function of the time intervals, calculate the modified spectrum of the random jitter, perform the inverse Fourier transform from the modified spectrum of the random jitter, calculate the standard deviation of the values random jitter, decide on further averaging Performan. The disadvantage of this method is the low accuracy of the estimation of the components of the general jitter due to the restoration of unknown values in the error sequence of time intervals by using linear interpolation from the nearest known values.

Использование интерполяции по ближайшим известным значениям для восстановления неизвестных значений в последовательности ошибок временных интервалов с последующим вычислением спектра с помощью ДПФ приводит к искажению получаемых результатов. Если некоторые имеющиеся данные используются для оценки пропущенных значений, результирующее среднее значение смещается в пользу данных, используемых для оценки. Так, на фиг.1 изображен амплитудный спектр известной последовательности ошибок временных интервалов, в которой присутствуют случайная и три периодические составляющие. Из известной последовательности ошибок временных интервалов случайным образом (с вероятностью 0,5) удалены некоторые значения, которые затем линейно интерполированы согласно прототипу. Амплитудный спектр ошибок временных интервалов в результате интерполяции представлен на фиг.2. Из сравнения спектров на фиг.1 и фиг.2 видно, что применение интерполяции неизвестных значений по ближайшим известным искажает спектр последовательности ошибок временных интервалов в сторону нижних частот с подавлением амплитуд высокочастотных составляющих. Такое искажение спектра ведет к ухудшению точности оценивания компонентов общего джиттера при использовании спектрального метода разделения.The use of interpolation from the closest known values to restore unknown values in the sequence of errors of time intervals with subsequent calculation of the spectrum using the DFT leads to a distortion of the results. If some available data is used to estimate missing values, the resulting average is biased in favor of the data used for the estimate. So, figure 1 shows the amplitude spectrum of a known sequence of errors of time intervals, in which there are random and three periodic components. From the known sequence of errors of time intervals randomly (with a probability of 0.5), some values are removed, which are then linearly interpolated according to the prototype. The amplitude spectrum of errors of time intervals as a result of interpolation is presented in figure 2. From a comparison of the spectra in figure 1 and figure 2 it is seen that the application of interpolation of unknown values by the closest known distort the spectrum of the sequence of errors of time intervals towards the lower frequencies with the suppression of the amplitudes of the high-frequency components. Such a distortion of the spectrum leads to a deterioration in the accuracy of the estimation of the components of the common jitter using the spectral separation method.

Техническим результатом, на достижение которого направлено изобретение, является повышение точности оценивания компонентов общего джиттера сигнала данных при использовании спектрального метода разделения.The technical result to which the invention is directed is to increase the accuracy of estimating the components of a common jitter of a data signal using the spectral separation method.

Указанный технический результат достигается тем, что неизвестные значения в последовательности ошибок временных интервалов сначала заменяются нулевыми значениями, после чего выполняется ДПФ, находятся пиковые значения амплитудного спектра последовательности ошибок временных интервалов, остальным значениям составляющих спектра присваиваются нулевые значения, выполняется обратное ДПФ, полученная модифицированная временная последовательность усиливается в

раз, где N - длина сигнального вектора, а The specified technical result is achieved by the fact that unknown values in the sequence of time interval errors are first replaced by zero values, after which DFT is performed, peak values of the amplitude spectrum of the sequence of time interval errors are found, zero values are assigned to the remaining values of the spectrum components, the opposite DFT is performed, and the obtained modified time sequence amplified in

times, where N is the length of the signal vector, and

N_Δ - количество знакоперемен в текущем сигнальном векторе. В результате этих действий формируется модифицированная последовательность ошибок временных интервалов, содержащая только периодические составляющие. В исходной последовательности ошибок временных интервалов неизвестные значения заменяют на соответствующие значения из модифицированной последовательности ошибок временных интервалов, после чего выполняют разделение случайного и периодического джиттера с помощью спектрального метода.N _Δ is the number of alternating signs in the current signal vector. As a result of these actions, a modified sequence of errors of time intervals is formed, containing only periodic components. In the original sequence of time interval errors, unknown values are replaced with the corresponding values from the modified sequence of time interval errors, after which the random and periodic jitter are separated using the spectral method.

Заявленное изобретение поясняется следующими чертежами:The claimed invention is illustrated by the following drawings:

фиг.1 - амплитудный спектр известной последовательности ошибок временных интервалов;figure 1 - amplitude spectrum of a known sequence of errors of time intervals;

фиг.2 - амплитудный спектр линейно интерполированной последовательности ошибок временных интервалов согласно прототипу;figure 2 - amplitude spectrum of a linearly interpolated sequence of errors of time intervals according to the prototype;

фиг.3 - амплитудный спектр восстановленной последовательности ошибок временных интервалов согласно настоящему изобретению;figure 3 - amplitude spectrum of the reconstructed sequence of errors of time intervals according to the present invention;

фиг.4 - блок-схема способа разделения джиттера случайного сигнала данных согласно изобретению;4 is a flowchart of a method for separating jitter of a random data signal according to the invention;

фиг.5 - блок-схема заполнения неизвестных значений функции ошибок временных интервалов согласно изобретению;5 is a block diagram of the filling of unknown values of the error function of the time intervals according to the invention;

фиг.6 - результаты сравнения оценок параметров периодического и случайного джиттера согласно прототипу и предлагаемому способу.6 - the results of comparing estimates of the parameters of periodic and random jitter according to the prototype and the proposed method.

Для повышения точности оценивания компонентов общего джиттера сигнала данных согласно предлагаемому способу выполняют следующие операции. В блоке 402 входной сигнал данных сохраняют (буферизируют) в промежуточной памяти в виде сигнальных векторов x определенной длины N. Для каждого сигнального вектора в блоке 403 вычисляют функцию d структуры данных, представляющую собой последовательность логических нулей и единиц, содержащихся в сохраненном сигнальном векторе х. Значения функции d определяют из уровня входного сигнала x в одной или нескольких точках на протяжении длительности посылки одного логического символа. Далее сохраненный сигнальный вектор x поступает в блок 404 вычисления ошибок временных интервалов, в котором определяют отклонение значащих участков сигнала от своих идеальных положений во времени. Идеальные положения значащих участков могут быть определены как из самого входного сигнала, так и по внешнему опорному сигналу. Получившуюся последовательность отклонений обозначают как первую функцию у ошибок временных интервалов для текущего сигнального вектора х. Так как логические символы (нули и единицы) во входном сигнале могут повторяться, то для таких временных интервалов не будет смены состояний во входном сигнале, а следовательно, первая функция у ошибок временных интервалов на этих временных интервалах будет иметь неопределенные значения. Для первого сигнального вектора функцию d структуры данных фиксируют. Для последующих сигнальных векторов производят временной сдвиг функции d структуры данных для выравнивания по оси времени с функцией d структуры данных первого сигнального вектора. Функция ошибок временных интервалов может быть получена из сдвинутого по времени входного сигнала или из исходного сигнала и сдвинутого по времени первого сигнального вектора. В блоке 405 вычисляют функцию y' усредненной ошибки временных интервалов путем вычисления скользящего среднего между функциями у ошибок временных интервалов соседних сигнальных векторов. Для вычисления функции y' может быть использовано скользящее среднее с экспоненциальными, линейными или другими весами. Далее в блоке 406 определяют параметры джиттера, зависящего от данных. Сначала вычисляют среднее значение а1 функции y' для моментов времени, соответствующих передним фронтам входного сигнала, затем среднее значение а2 функции y' для моментов времени, соответствующих задним фронтам входного сигнала. Разница значений a1 и a2 соответствует величине искажения коэффициента заполнения импульсной последовательности. Затем определяют параметры межсимвольной интерференции. Для этого вычисляют размах значений c1 функции y' для моментов времени, соответствующих передним фронтам входного сигнала, затем значение с2 функции y' для моментов времени, соответствующих задним фронтам входного сигнала. Среднее значение величин c1 и c2 соответствует значению межсимвольной интерференции. В блоке 407 устраняют компоненты джиттера, зависящего от данных, из первой функции у ошибок временных интервалов. Данная операция происходит путем вычитания функции y' усредненной ошибки временных интервалов из первой функции у ошибок временных интервалов. В результате получают вторую функцию z ошибок временных интервалов. Функция y' усредненной ошибки временных интервалов дает оценку зависимой от данных функции ошибок временных интервалов, таким образом, после ее вычитания из функции у останется только независимая от данных составляющая функции ошибок временных интервалов. В блоке 408 происходит заполнение неизвестных значений функции z, вызванных повторением логических символов во входном сигнале х. Последовательность операций, выполняемых в блоке 408, представлена в виде блок-схемы на фиг.5.To improve the accuracy of estimation of the components of the common jitter of the data signal according to the proposed method, the following operations are performed. In block 402, the input data signal is stored (buffered) in the intermediate memory in the form of signal vectors x of a certain length N. For each signal vector in block 403, a function d of the data structure is calculated, which is a sequence of logical zeros and ones contained in the stored signal vector x. The values of the function d are determined from the level of the input signal x at one or several points during the duration of sending one logical symbol. Next, the stored signal vector x enters the block 404 calculation of errors of time intervals, which determine the deviation of significant sections of the signal from their ideal positions in time. The ideal positions of significant sections can be determined both from the input signal itself, and from an external reference signal. The resulting sequence of deviations is designated as the first function of time interval errors for the current signal vector x. Since logical symbols (zeros and ones) in the input signal can be repeated, then for such time intervals there will be no change of state in the input signal, and therefore, the first function of time interval errors at these time intervals will have undefined values. For the first signal vector, the function d of the data structure is fixed. For subsequent signal vectors, a time shift of the data structure function d is performed to align along the time axis with the data structure function d of the first signal vector. The error function of time intervals can be obtained from a time-shifted input signal or from an initial signal and a time-shifted first signal vector. In block 405, the function y ′ of the averaged error of the time intervals is calculated by calculating the moving average between the functions of the errors of the time intervals of adjacent signal vectors. To calculate the function y ', a moving average with exponential, linear or other weights can be used. Next, in block 406, data-dependent jitter parameters are determined. First, calculate the average value a1 of the function y 'for time instants corresponding to the leading edges of the input signal, then the average value a2 of the function y' for time instants corresponding to the trailing edges of the input signal. The difference in the values of a1 and a2 corresponds to the distortion of the duty cycle of the pulse sequence. Then determine the parameters of intersymbol interference. To do this, calculate the magnitude c1 of the function y 'for time points corresponding to the leading edges of the input signal, then the value c2 of the function y' for time points corresponding to the falling edges of the input signal. The average value of c1 and c2 corresponds to the value of intersymbol interference. At a block 407, data-dependent jitter components are eliminated from the first function for slot errors. This operation occurs by subtracting the function y 'of the averaged error of the time intervals from the first function of the errors of the time intervals. As a result, a second function z of time interval errors is obtained. The function y 'of the averaged error of time intervals gives an estimate of the data-dependent function of the error of time intervals, so after subtracting it from the function, only the data-independent component of the function of error of time intervals remains. In block 408, unknown values of the function z are filled in due to the repetition of logical symbols in the input signal x. The sequence of operations performed in block 408, is presented in the form of a flowchart in figure 5.

Вторая функция z ошибок временных интервалов из блока 407 поступает в блок 501, где неизвестные значения функции z заменяют нулями. В результате этой операции получают третью функцию g ошибок временных интервалов. Далее в блоке 502 выполняют прямое ДПФ функции g. Результатом данной операции является спектр G третьей функции ошибок временных интервалов. Вычисление спектра G в блоке 502 может быть реализовано посредством быстрого преобразования Фурье. Перед выполнением процедуры прямого преобразования Фурье для устранения эффекта «растекания спектра» третья функция g ошибок временных интервалов может быть умножена на оконную функцию, например на окно Блэкмана [Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения. / Пер. с англ. М.: Мир, 1990, 584 с.]. На следующем шаге в блоке 503 формируют усредненный спектр G' третьей функции ошибок временных интервалов путем усреднения амплитуд |G| спектральных составляющих спектров G третьих функций ошибок временных интервалов соседних спектральных векторов. Усреднение амплитуд может быть вычислено как взвешенное среднее установленного числа измерений или как скользящее среднее с экспоненциальными, линейными или другими весами. В блоке 504 определяют пики усредненного спектра G' третьей функции ошибок временных интервалов, которые по амплитуде превышают уровень шумов. Частоты усредненного спектра G', соответствующие пиковым значениям, заносят в массив F_P2. Один из способов нахождения пиковых значений может состоять в нахождении порога Т2 путем нахождения среднего значения спектра G' по всем частотам и умножении полученного среднего значения на постоянный коэффициент. Значения усредненного спектра G' третьей функции ошибок временных интервалов, которые превышают порог Т2, относят к спектральным пикам и их частоты записывают в массив F_P2. В блоке 505 обнуляют амплитуды |G| спектральных составляющих спектра G третьей функции ошибок временных интервалов на частотах, которые не вошли в массив F_P2, то есть на частотах, которые на соответствуют пиковым значениям спектра. В результате данной операции формируют модифицированный спектр S третьей функции ошибок временных интервалов. В блоке 506 модифицированный спектр S третьей функции ошибок временных интервалов из частотной области переводят во временную в результате выполнения обратного ДПФ. На выходе блока 506 формируют модифицированную функцию s третьей функции ошибок временных интервалов. Если в блоке 502 перед выполнением прямого ДПФ третья функция g ошибок временных интервалов была умножена на оконную функцию, например на окно Блэкмана, то после обратного ДПФ необходимо устранить влияние окна на полученную модифицированную функцию s путем умножения ее на обратную оконную функцию.The second function z of time interval errors from block 407 goes to block 501, where the unknown values of the function z are replaced with zeros. As a result of this operation, a third time interval error function g is obtained. Next, in block 502, a direct DFT of function g is performed. The result of this operation is the spectrum G of the third time interval error function. The calculation of the spectrum G in block 502 can be implemented by means of a fast Fourier transform. Before performing the direct Fourier transform procedure to eliminate the “spreading of the spectrum" effect, the third function g of time interval errors can be multiplied by a window function, for example, by the Blackman window [Marple ml. S.L. Digital spectral analysis and its applications. / Per. from English M.: Mir, 1990, 584 p.]. In the next step, in block 503, an averaged spectrum G ′ of the third time interval error function is formed by averaging the amplitudes | G | spectral components of the spectra G of the third error functions of the time intervals of adjacent spectral vectors. Amplitude averaging can be calculated as a weighted average of a set number of measurements or as a moving average with exponential, linear or other weights. In block 504, the peaks of the averaged spectrum G ′ of the third error function of time intervals that exceed the noise level in amplitude are determined. The frequencies of the averaged spectrum G 'corresponding to the peak values are recorded in the array F _P2 . One way to find peak values may be to find the threshold T2 by finding the average value of the spectrum G 'at all frequencies and multiplying the resulting average by a constant coefficient. The values of the averaged spectrum G ′ of the third error function of time intervals that exceed the threshold T2 are assigned to spectral peaks and their frequencies are recorded in the array F _P2 . At block 505, the amplitudes | G | the spectral components of the spectrum G of the third error function of time intervals at frequencies that are not included in the array F _P2 , that is, at frequencies that do not correspond to peak values of the spectrum. As a result of this operation, a modified spectrum S of the third time interval error function is formed. At block 506, the modified spectrum S of the third time interval error function from the frequency domain is transferred to the time domain as a result of performing the inverse DFT. At the output of block 506, a modified function s of the third time interval error function is formed. If, in block 502, before performing the direct DFT, the third function g of time interval errors was multiplied by a window function, for example, by the Blackman window, then after the inverse DFT, it is necessary to eliminate the influence of the window on the obtained modified function s by multiplying it by the inverse window function.

Далее в блоке 507 вычисляют коэффициент k усиления модифицированной функции s третьей функции ошибок временных интервалов путем подсчета количества N_Δ изменений состояния (знакоперемен) входного сигнала x и деления длины сигнального вектора N на количество знакоперемен N_Δ. В блоке 508 выполняют усиление модифицированной функции s третьей функции ошибок временных интервалов в k раз. Далее в блоке 509 заполняют неизвестные значения второй функции z ошибок временных интервалов путем подстановки значений из усиленной в k раз модифицированной функции s третьей функции ошибок временных интервалов из соответствующих временных интервалов. В результате заполнения неизвестных значений на выходе блока 509 формируют функцию w ошибок временных интервалов, у которой все значения известны. Значения функции w ошибок временных интервалов, которые были подставлены из модифицированной функции s третьей функции ошибок временных интервалов, обозначают как «интерполированные» и после разделения случайного и периодического джиттера спектральным методом не учитывают при построении гистограмм периодического и случайного джиттера. Выход блока 509 является общим выходом блока 408.Next, in block 507, the gain coefficient k of the modified function s of the third time interval error function k is calculated by counting the number N _{Δ of} state changes (alternating sign) of the input signal x and dividing the length of the signal vector N by the number of alternating sign N _Δ . At block 508, amplification of the modified function s of the third time interval error function is performed k times. Then, in block 509, unknown values of the second function z of time interval errors are filled by substituting values from the k-times enhanced function s of the third function of time interval errors from the corresponding time intervals. As a result of filling in unknown values at the output of block 509, a function w of time interval errors is generated, in which all values are known. The values of the function w of time interval errors, which were substituted from the modified function s of the third function of time interval errors, are designated as “interpolated” and after separation of random and periodic jitter by the spectral method are not taken into account when constructing histograms of periodic and random jitter. The output of block 509 is the common output of block 408.

Сформированная в блоке 408 функция w ошибок временных интервалов поступает на вход блока 409, где выполняют прямое ДПФ, в результате которого формируют спектр W функции ошибок временных интервалов. Перед выполнением процедуры прямого ДПФ для устранения эффекта «растекания спектра» функция w ошибок временных интервалов может быть умножена на оконную функцию, например на окно Блэкмана. На следующем шаге в блоке 410 формируют усредненный спектр W' функции ошибок временных интервалов путем усреднения амплитуд |W| спектральных составляющих спектров W функций ошибок временных интервалов соседних спектральных векторов. Усреднение амплитуд может быть вычислено как взвешенное среднее установленного числа измерений или как скользящее среднее с экспоненциальными, линейными или другими весами. В блоке 411 определяют пиковые значения усредненного спектра W' функции ошибок временных интервалов, которые по амплитуде превышают уровень шумов. Частоты усредненного спектра W', соответствующие пиковым значениям, заносят в массив F_P. Один из способов нахождения спектральных пиков описан выше.The function w of time interval errors formed in block 408 is fed to the input of block 409, where a direct DFT is performed, as a result of which the spectrum W of the time interval error function is formed. Before performing the direct DFT procedure to eliminate the spreading of the spectrum, the function w of the time interval errors can be multiplied by a window function, for example, by the Blackman window. In the next step, in block 410, an averaged spectrum W ′ of the error functions of time intervals is formed by averaging the amplitudes | W | spectral components of the spectra W of the error functions of time intervals of adjacent spectral vectors. Amplitude averaging can be calculated as a weighted average of a set number of measurements or as a moving average with exponential, linear or other weights. In block 411, the peak values of the averaged spectrum W ′ of the error function of time intervals that in amplitude exceed the noise level are determined. The frequencies of the averaged spectrum W 'corresponding to the peak values are recorded in the array F _P. One way to find spectral peaks is described above.

Массив частот спектральных пиков F_p может отличаться от массива частот F_p2. Это связано с тем, что при заполнении неизвестных значений в функции z нулевыми значениями спектральный уровень шумов в спектре G' будет больше спектрального уровня шумов в спектре W', особенно при наличии одной или нескольких относительно мощных гармонических составляющих периодического джиттера. В результате этого некоторые гармонические составляющие периодического джиттера могут быть неразличимы на уровне шумов спектра G' и не попасть в массив F_P2, а при анализе спектра W', в котором спектральный уровень шумов соответствует истинному, гармонические составляющие с малой амплитудой могут быть различимы и внесены в массив F_p.The array of frequencies of the spectral peaks F _p may differ from the array of frequencies F _p2 . This is due to the fact that when filling unknown values in the function z with zero values, the spectral noise level in the spectrum G 'will be greater than the spectral noise level in the spectrum W', especially if there is one or several relatively powerful harmonic components of the periodic jitter. As a result of this, some harmonic components of the periodic jitter can be indistinguishable at the noise level of the spectrum G 'and not get into the array F _P2 , and when analyzing the spectrum W', in which the spectral noise level corresponds to the true one, harmonic components with a small amplitude can be distinguished and introduced to the array F _p .

Блоки 412, 413, 414 и 415 описывают операции по анализу периодического джиттера. Сначала в блоке 412 вычисляют модифицированный спектр Р периодического джиттера. На частотах, вошедших в массив F_p, модифицированный спектр Р заполняют амплитудами из усредненного спектра W' и фазами из спектра W, а на частотах, не вошедших в F_p, амплитуды обнуляют. Затем в блоке 413 вычисляют обратное ДПФ от модифицированного спектра Р периодического джиттера. В результате этой операции формируют функцию p ошибок временных интервалов периодического джиттера. Если в блоке 409 перед выполнением прямого ДПФ функция w ошибок временных интервалов была умножена на оконную функцию, то после обратного ДПФ необходимо устранить влияние окна на полученную функцию p ошибок временных интервалов периодического джиттера путем умножения ее на обратную оконную функцию. Далее в блоке 414 вычисляют скользящую гистограмму значений функции р. Значения функции p, соответствующие неизвестным значениям функции z и помеченные как «интерполированные», не участвуют в построении гистограммы периодического джиттера. Далее в блоке 415 по гистограмме определяют размах значений периодического джиттера PJ_pp.Blocks 412, 413, 414, and 415 describe periodic jitter analysis operations. First, in block 412, a modified spectrum of periodic jitter P is calculated. At frequencies included in the array F _p , the modified spectrum P is filled with amplitudes from the averaged spectrum W 'and phases from the spectrum W, and at frequencies not included in F _p , the amplitudes are zeroed. Then, in block 413, the inverse DFT from the modified periodic jitter spectrum P is calculated. As a result of this operation, a function p of the errors of the time intervals of the periodic jitter is formed. If, in block 409, before performing the direct DFT, the function w of the time interval errors was multiplied by the window function, then after the inverse DFT, it is necessary to eliminate the influence of the window on the obtained function p of the errors of the time intervals of the periodic jitter by multiplying it by the inverse window function. Next, in block 414, a moving histogram of the values of the function p is calculated. Values of the function p corresponding to unknown values of the function z and marked as “interpolated” do not participate in the construction of a histogram of a periodic jitter. Next, in block 415, the magnitude of the periodic jitter PJ _{pp is} determined from the histogram.

Блоки 416, 417, 418 и 419 описывают операции по анализу случайного джиттера. В блоке 416 вычисляют усредненную спектральную плотность мощности R' функции ошибок временных интервалов путем усреднения квадратов амплитуд спектра W функций ошибок временных интервалов. Усреднение квадратов амплитуд |W|² может быть вычислено как взвешенное среднее установленного числа измерений или как скользящее среднее с экспоненциальными, линейными или другими весами. Далее в блоке 417 формируют модифицированный спектр Q случайного джиттера, который состоит из амплитуд и фаз спектра W на частотах, не вошедших в массив F_p, и амплитуд, равных корню квадратному из разности усредненной спектральной плотности мощности R' и квадрата модуля усредненного спектра W', и случайных, равномерно распределенных фаз на частотах F_p.После этого в блоке 418 выполняют обратное ДПФ от модифицированного спектра Q случайного джиттера. В результате данной операции формируют функцию q ошибок временных интервалов случайного джиттера. Если в блоке 409 перед выполнением прямого ДПФ функция w ошибок временных интервалов была умножена на оконную функцию, то после обратного ДПФ необходимо устранить влияние окна на полученную функцию q ошибок временных интервалов случайного джиттера путем умножения ее на обратную оконную функцию. Далее в блоке 419 из функции q ошибок временных интервалов случайного джиттера устраняют значения, соответствующие неизвестным значениям функции z и помеченные как «интерполированные».Blocks 416, 417, 418, and 419 describe random jitter analysis operations. At a block 416, the average power spectral density R ′ of the time interval error function is calculated by averaging the squares of the amplitudes of the spectrum W of the time interval error functions. Amplitude squared averaging | W | ² can be calculated as a weighted average of a specified number of measurements or as a moving average with exponential, linear or other weights. Next, in block 417, a modified random jitter spectrum Q is formed, which consists of the amplitudes and phases of the spectrum W at frequencies not included in the array F _p and amplitudes equal to the square root of the difference between the average power spectral density R 'and the square of the module of the average spectrum W' , and random, uniformly distributed phases at frequencies F _p. After that, in block 418, the inverse DFT from the modified spectrum of random jitter Q is performed. As a result of this operation, a function q of errors of time intervals of random jitter is formed. If, in block 409, before performing the direct DFT, the function w of time interval errors was multiplied by the window function, then after the inverse DFT, it is necessary to eliminate the influence of the window on the obtained function q of time intervals errors of random jitter by multiplying it by the inverse window function. Next, in block 419, values corresponding to unknown values of function z and marked as “interpolated” are eliminated from the function q of time intervals errors of the random jitter.

Следующим шагом является расчет скользящего среднеквадратического отклонения RJ_rms случайного джиттера по формуле:The next step is to calculate the moving standard deviation RJ _{rms of} random jitter according to the formula:

где L - количество знакоперемен в сигнальных векторах, используемых при вычислении скользящего среднеквадратического значения;where L is the number of alternating signs in the signal vectors used in calculating the moving rms value;

- среднее значение функций q сигнальных векторов, используемых при вычислении RJ_rms.

- the average value of the functions q of the signal vectors used in the calculation of RJ _rms.

При вычислении среднеквадратического отклонения RJ_rms и среднего значения

суммирование производят только по известным, не помеченным как «интерполированные», значениям функций q ошибок временных интервалов случайного джиттера сигнальных векторов.When calculating the standard deviation RJ _rms and mean

the summation is carried out only according to the known, not labeled as “interpolated”, values of the functions q of the errors of time intervals of the random jitter of signal vectors.

При вычислении скользящего среднеквадратического отклонения RJ_rmsслучайного джиттера могут быть использованы линейные, экспоненциальные или другие веса для взвешивания значений функций q сигнальных векторов, используемых в расчетах.When calculating the moving standard deviation RJ _{rms of a} random jitter, linear, exponential, or other weights can be used to weight the values of the q functions of the signal vectors used in the calculations.

В блоке 420 принимают решение о необходимости выполнения дальнейшего усреднения результатов. При решении выполнения дальнейшего измерения и усреднении полученных результатов производят переход к блоку 402 и обработку нового сигнального вектора сигнала данных. В противном случае процесс обработки сигнала данных прекращают. Процесс усреднения полученных результатов обеспечивает более высокую точность измерений по сравнению с методом, использующим один сигнальный вектор входного сигнала.At block 420, a decision is made on whether further averaging of the results is necessary. When deciding to perform further measurement and averaging the results, go to block 402 and process the new signal vector of the data signal. Otherwise, the processing of the data signal is stopped. The process of averaging the results provides a higher measurement accuracy compared to the method using a single signal vector of the input signal.

Для проверки работоспособности предлагаемого способа разделения джиттера сигнала данных было произведено математическое моделирование по оцениванию параметров периодического и случайного джиттера. В качестве случайной составляющей был принят случайный гауссовский процесс n(i) с нулевым математическим ожиданием и среднеквадратическим отклонением σ=2. В качестве периодических составляющих были взяты три гармонических сигнала с относительными частотами ƒ₁=0.25, ƒ₂=0.345, ƒ₃=0.44, амплитудами A₁=0.79, А₂=0.835, A₃=0.51 и случайными фазами φ₁, φ₂ и φ₃. Длина выборки (сигнального вектора) была принята за N=2¹⁴. Спектр последовательностиTo test the operability of the proposed method for separating the jitter of the data signal, mathematical modeling was performed to evaluate the parameters of periodic and random jitter. A random Gaussian process n (i) with zero mathematical expectation and standard deviation σ = 2 was taken as a random component. Three harmonic signals with relative frequencies ƒ ₁ = 0.25, ƒ ₂ = 0.345, ƒ ₃ = 0.44, amplitudes A ₁ = 0.79, A ₂ = 0.835, A ₃ = 0.51 and random phases φ ₁ , φ ₂ were taken as periodic components and φ ₃ . The length of the sample (signal vector) was taken as N = 2 ¹⁴ . Sequence spectrum

i=0…N-1, представлен на фиг.1. Из данной последовательности случайным образом (с вероятностью 0,5) были удалены значения, тем самым была смоделирована вторая функция z ошибок временных интервалов от случайного входного сигнала данных.i = 0 ... N-1, is presented in figure 1. From this sequence, values were randomly removed (with a probability of 0.5), thereby simulating the second function z of time interval errors from a random input data signal.

Далее был применен спектральный метод оценки параметров периодическогоNext, the spectral method for estimating the parameters of the periodic

PJ _рри случайного RJ_rms джиттера согласно прототипу и предлагаемому способу. Амплитудные спектры восстановленных последовательностей ошибок временных интервалов представлены на фиг.2 и 3 соответственно, а результаты моделирования представлены в таблице на фиг.6.PJ _pp and random RJ _rms jitter according to the prototype and the proposed method. The amplitude spectra of the reconstructed error sequences of time intervals are presented in FIGS. 2 and 3, respectively, and the simulation results are presented in the table in FIG. 6.

В качестве критерия, по которому была оценена точность разделения компонентов общего джиттера согласно прототипу и предлагаемому способу, была выбрана средняя абсолютная ошибка, вычисляемая по формуле:As a criterion by which the accuracy of separation of the components of the common jitter was estimated according to the prototype and the proposed method, the average absolute error was calculated, calculated by the formula:

где n - количество проведенных опытов;where n is the number of experiments;

- значение исходного значения оцениваемого параметра в i-м опыте;

- the value of the initial value of the estimated parameter in the i-th experiment;

у_i - значение оцениваемого параметра в i-м опыте.y _i is the value of the estimated parameter in the i-th experiment.

Как видно из таблицы на фиг.6, предлагаемый способ обеспечивает более высокую точность оценивания компонентов общего джиттера сигнала данных по сравнению с прототипом по выбранному критерию. Необходимо отметить, что при увеличении мощности периодической составляющей общего джиттера по сравнению со случайной точность оценки параметров RJ_rms и PJ_рр по прототипу резко падает, что не наблюдается в предлагаемом способе.As can be seen from the table in Fig.6, the proposed method provides a higher accuracy of the estimation of the components of the common jitter of the data signal in comparison with the prototype according to the selected criterion. It should be noted that with an increase in the power of the periodic component of the general jitter as compared to random, the accuracy of the estimation of the parameters RJ _rms and PJ _pp by the prototype sharply decreases, which is not observed in the proposed method.

Claims

A method for separating the jitter of a random data signal, which consists in receiving and storing an input signal in the form of signal vectors, forming a function of the initial data structure of the first signal vector for each subsequent signal vector following the first signal vector, calculating the data structure function, and producing a time shift functions of the data structure for alignment along the time axis with the function of the initial data structure of the first signal vector, calculate the first error function of time intervals shafts, calculate the function of the average error of time intervals as a moving average of the first functions of the error of time intervals, determine the parameters of the jitter, data-dependent, calculate the second function of the error of time intervals by subtracting the function of the average error of time intervals from the first function of the error of time intervals, perform a direct discrete Fourier transform to transfer the error function of time intervals to the frequency domain, calculate the average spectrum of errors of time intervals by edneniya amplitudes of spectral components of the spectra timeslots error function adjacent signal vectors formed array frequency F _p, the corresponding frequencies of peak amplitudes in the averaged time interval error spectrum calculated modified spectrum periodic jitter at frequencies F _p with amplitudes averaged spectrum errors slot and spectrum phase error time intervals, calculate the time sequence of periodic jitter by the inverse Fourier transform t of the modified spectrum of the periodic jitter, calculate the histogram of the time sequence of the periodic jitter, determine the magnitude of the values of the periodic jitter from the histogram, calculate the average power spectral density of the error function of the time intervals by averaging the squares of the amplitudes of the spectral components of the spectra of the error function of the time intervals of adjacent signal vectors, and calculate the modified spectrum of the random jitter by substituting at frequencies F _{p the} amplitude equal to To the square of the difference between the average spectral power density and the square of the modulus of the average spectrum of errors of time intervals, and the random uniformly distributed phase, the inverse Fourier transform from the modified spectrum of the random jitter is performed, the standard deviation of the values of the random jitter is calculated, a decision is made on further averaging of the results, characterized in that that after calculating the second function of errors of time intervals, the third function of errors of time intervals is calculated By substituting zero values into the second function of time interval errors in intervals that do not have transitions of the input signal states, a direct discrete Fourier transform of the third time interval error function is performed, and the average spectrum of the third time interval error function is calculated by averaging the amplitudes of the spectral components of the spectra of the third error functions time intervals of adjacent signal vectors form an array of frequencies F _p2 corresponding to the frequencies of the amplitude peaks in the spectrum of the third function of errors of time intervals, form a modified spectrum of the third function of errors of time intervals by zeroing the amplitudes at frequencies not included in the array F _p2 , perform the inverse discrete Fourier transform from the modified spectrum of the third function of errors of time intervals, calculate the number of changes in the state of the input signal in signal vector, calculate the gain of the modified third error function of time intervals by dividing the length of the signal vector by the number of changes in the state of the input signal in the signal vector, enhance the modified third function of the errors of time intervals, form the function of errors of time intervals by substituting into the intervals of the second function errors of time intervals that do not have transitions of states of the input signal, values from the corresponding intervals of the modified third function of errors of time intervals, and then perform the direct discrete Fourier transform to translate the error function of time intervals into stotnaya area.