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