信号完整性分析基础系列之五--抖动的分类

过去多年来用于量化抖动的最常用的方法是峰峰值抖动（Peak-to-peak Jitter）和均方根抖动（Root-Mean-Square Jitter,抖动直方图或者抖动分布的1 或者RMS值）。但是由于随机抖动以及非固定抖动的存在，使得抖动的峰峰值随着观察样本数量的增加而增加，因此说峰峰值抖动参数用于衡量固有抖动会很有效，但是衡量随机性抖动却会出现很大误差；相同的道理，由于固有抖动及非高斯性抖动和噪声的存在，使得抖动的直方图或者分布图不呈现完全的高斯分布，因此统计得到的抖动的1σ或者RMS值不等于真实高斯分布的1 值。

峰峰值抖动和均方根抖动均是对某一类抖动的统计分析指标。

二、相位抖动、周期抖动、相邻周期间抖动

由于时钟系统是数字电路系统非常关键的一部分，直接决定了数据信号发送和接收的成败，是整个系统的主动脉，因此时钟的抖动一直备受关注。描述时钟系统的抖动参量一般分为三类，即相位抖动（Phase jitter）、周期抖动(Period jitter)、相邻周期间抖动(Cycle to cycle jitter).

1、相位抖动
在数字系统中，两个逻辑电平之间的切换通常伴随着快沿的出现，这些边沿在时序上的不稳定性就叫做相位抖动（phase jitter,有时也叫累积抖动，accumulated jitter，指实际边沿位置与理想边沿位置的偏差，以时间为单位，也可以换算成弧度，角度等）；相位抖动是相位噪声在数字域的等效体现，它是离散量，因此只有当边沿存在时候才有定义。

理想边沿位置一般定义在数字信号一个比特位时间间隔的整数倍位置处。如下图1所示为某一

不会直接使用时钟的边沿来保证时序关系，而是看周期的稳定性，也就是周期的抖动，有时候时钟周期越长，可能带来保持时间余量不足的问题，这个时候就需要测量周期抖动；而相邻周期间抖动常常可以用来衡量时钟分频器的稳定性。总之，这三种抖动都是衡量时钟本身性能的指标，在不同的应用背景下需要关注不同的指标，通常时钟芯片的手册会给出对时钟的抖动指标要求。

三、串行数据系统中抖动的分类

在上一篇文章中，我们提到了串行数据系统中接收端芯片的工作原理以及TIE（Time Interval Error）抖动的概念,即数据与时钟之间的相对抖动，而不是单纯指数据本身或者时钟本身的抖动。那么如果我们假定时钟边沿位置（对于高速数据链路系统，或者叫异步系统来说，该时钟一般是恢复时钟）为数据的理想边沿，那么数据的TIE抖动事实上就是前文中分析时钟抖动时的相位抖动，唯一不同的是时钟信号的相位抖动在每一个时钟周期都会有一个数值；而数据信号常常有很多个连零电平或者连1电平，无边沿存在，因此也就没有对应的相位抖动数值。所以为了分清这两类抖动的概念，我们姑且在本文中暂定义时钟信号的相位抖动叫相位抖动；数据信号的相位抖动就叫做TIE抖动（时间间隔误差）；

TIE抖动是分析串行数据抖动的最基本单位，数据信号的每一个边沿位置都会有一个TIE抖动值。一段很长的串行数据一定会包含数个上升沿或者下降沿，如下图所示：

如果将所有边沿处的TIE抖动做一个直方图统计，我们可能会发现这些TIE值是具有一定的统计规律的，如下图所示分别为呈现高斯分布的TIE抖动以及呈现双峰分布的TIE抖动：

呈现高斯分布的抖动通常是由于热噪声等引起的，称为随机抖动（Random Jitter）；呈现双峰且将高斯曲线分成两部分的双峰之间的抖动值称为固有抖动（Deterministic Jitter）;通常来说抖动成分主要是由随机抖动Rj和固有抖动Dj构成的，在之前的第二节我们有介绍到由于Rj的峰峰值是
****的，随着累积样本数的增加而增加，因此通常是用统计标准偏差值（几个sigma范围内的抖动值）来衡量的；而Dj则是用峰峰值来衡量的。当前大部分串行数据标准要求测量误码率为10e-12时的总体抖动（Tj）大小，而通常直方图+/-7 sigma以内的数据样本数才能达到10e+12。Tj就是衡量Dj与Rj的整体影响的抖动术语。误码率为10e-12时的总体抖动Tj=14Rj+Dj (Rj是指1sigma时的抖动或者叫RMS抖动；Dj是固有抖动的峰峰值)

如果我们不用统计的方式来分析TIE抖动，而是在一个很长的时间轴上来看所有的TIE抖动值的变化趋势，即用如Lecroy示波器中的参数track的功能，我们也同样能够看出TIE抖动值的变化趋势：

当TIE的样本积累很多时，我们也能够观察到TIE参数变化的趋势，如下图所示，

上图蓝色波形即为TIE抖动参数的变化趋势，呈现了周期性的变化，如果对其做FFT变换，会发现有周期性的频谱成分，这类抖动就称为周期性抖动（Pj），如下图所示

周期性抖动Pj为固有抖