Giorgia Zucchelli,Mathworks
Aleksey Tyshchenko,SeriaLink系统公司
要实现100 Gbps以上的数据速率,需要基于创新架构的SerDes系统。下一代串行链路系统使用快速adc、基于dsp的均衡和全局优化策略,以及PAM4等多电平调制。
在这个视频中,SerDes Toolbox™用于快速构建高速链路的模型,如以太网、PCI Express、DDR和USB。描述了一种自底向上的方法来集成系统级模型中的测量和表征数据,以改善其相关性。例如,CTLE滤波器的传递函数测量采用因果增强方法,以更精确的统计分析和时域模拟。
SeriaLink Systems使用SerDes工具箱开发了IEEE 802.3ck模型,用于106 Gbps基于adc的PAM4下一代SerDes系统。由SeriaLink Systems开发的模型的统计分析结果在线性运行中重现了预期的渠道运营边际(COM)指标。该模型增强了COM规范,并允许估计影响,例如,ADC非线性和量化效果。
利用SerDes工具箱开发的NRZ和PAM4模型可以自动生成符合标准的双IBIS-AMI模型。SeriaLink Systems IBIS-AMI模型允许自定义AMI参数。它还可以用于执行回归测试,以验证系统在不同的运行条件和多个通道描述的性能。结合SiSoft QCD,用户可以使用IBIS-AMI模型来迭代SerDes系统的体系结构并提高其性能。
该视频推出了用于建模Serdes系统的最佳实践,提高IBIS-AMI模型的相关性。
我叫Giorgia Zucchelli,是MathWorks RF和混合信号产品领域的市场经理。和我一起的是Aleksey Tyshchenko, SeriaLink systems的创始人。
在接下来的20分钟里,我将介绍使用MATLAB和SerDes工具箱进行SerDes设计。我们将了解如何开始,如何使用测量数据来提高SerDes模型的保真度,以及如何生成和验证双IBIS-AMI模型。
在我之后,Aleksey将展示一个真实的用例,其中SeriaLink Systems开发了一个基于PAM4 adc的、运行在100Gbps以上的SerDes的com兼容模型。
这个视频的原因是高速数字互连的设计是一个非常模拟的学科。在传输数字信号(二进制或多级)时,由于频率在GHz范围内移动,模拟效应不可忽视,必须加以缓解。结果是SerDes均衡器的算法内容不断增加。这种复杂性需要更精确的IBIS-AMI模型,以保证在高速链路中成功集成创新的SerDes ip。
如果您不熟悉这个概念,这就是典型的SerDes系统的样子。
它由发射机、代表物理互连的信道和接收机组成。
大部分均衡化的复杂性是在接收端,在接收端数字信号被信道失真后被恢复。
典型SerDes系统的设计从给定的规范或标准要求开始(例如,设计USB、以太网或PCI Express链路)。根据规格,选择系统架构。例如,在此阶段,您将确定系统是否包含预加重,或者是否基于ADC,或者是否使用全局或局部优化。
一旦架构被锁定,集成电路的设计就开始了,包括模拟和数字团队。
这是一个非常迭代的过程,涉及IC设计团队和系统架构师,根据成本和性能协商权衡。
设计完成后,验证阶段开始。
在这一阶段,通过反向注释设计信息和测量,系统级模型的保真度得到提高。这种改进的模型可以用来验证原始规格,并调试设计的集成电路中的潜在问题。
系统级模型是验证阶段的可能结果。IBIS-AMI或SystemVerilog型号可用于进一步验证Serdes IP的集成。
这样的设计流程在你的公司或多或少都是形式化的,但肯定不是完美无缺的。开发SerDes ip非常复杂。它涉及多个学科和设计团队,需要深入理解混合信号设计和创建准确的行为模型。
其结果是,错误通常会在设计过程的早期引入,但发现得很晚。
正如Maxfield和Goyal在这里报道的那样,这是一个众所周知的问题。从本质上讲,IP测试意味着整个IP设计都有缺陷,而这是一个坏消息。
为了减少这些问题,您需要尽可能早地开始验证过程。
最好的方法是建立IP的行为模型,在设计过程中不断改进和重用。
通过在设计阶段的早期花费更多的时间来开发系统级模型,您可以对规范、可选架构和新兴趋势有更深入的了解。
设计团队经理通常不喜欢这样,因为它可能会延迟实际实现过程的开始。但是,在开始时花费的时间大大缩短了实现和验证阶段。
正如Kundert和Chang总结的那样,自顶向下的设计,特别是如果使用MATLAB和Simulink实现,在管理复杂的混合信号设计时会非常有益。金宝app
为了专门帮助设计SerDes系统,MathWorks在2019a版中推出了SerDes工具箱。
SerDes Toolbox提供了模块和算法来建模SerDes系统的典型构建模块,如FFE、DFE、CTLE、CDR、AGC等。
通过这些模块,您可以描述任意的SerDes体系结构或标准系统模型。您可以执行统计和时域模拟,并自动生成符合标准的IBIS-AMI模型。
如果这一切听起来很复杂,不要担心。通过SerDes Toolbox,我们让简单的事情变得简单,让复杂的事情成为可能。
您可以使用SerDes Designer应用程序开始,即使您对SerDes design知之甚少。
首先,定义系统规格:符号速率、调制类型(NRZ或PAM4)、信令类型(差分或单端)。
然后可以将SerDes链的构建块添加到系统中。
对于每个块,您可以更改属性(例如,极点和零或点击的数量)。
一旦你建立了你的链条…
你可以分析它......
然后导出它。
让我们看看Serdes Designer应用程序。
我们从添加区块链开始,并可视化统计眼。
例如,我们可以禁用DFE的自适应,并添加更多的滤波器抽头。
我们可以很容易地将调制更改为PAM4,或者更改CTLE的规格。
我们可以分析结果,如脉冲响应或接收波形,这是快速计算与块响应的卷积。
最后,我们可以输出设计。
要导出设计,必须有三个选项。
您可以生成一个MATLAB脚本来自动化设计空间探索和以编程方式分析您的系统,而不是通过点击。
可以将设计导出到Simulink并执行时域模拟。通过一点一金宝app点地执行系统,您可以考虑非线性影响和自适应瞬态。
最后,您可以立即生成一个双IBIS-AMI模型。
导出的Simulink模型金宝app将具有与应用程序相同的系统级配置选项。
它将允许你描述信道或者指定衰减,或者提供一个脉冲响应。
在发射器和接收器的掩码下,你会发现你在应用程序中指定的相同的构建块。
对于每个构建块,您可以看到、理解并最终修改实现的算法,因为所有内容都是白盒,并向用户公开。
正如我们之前提到的那样,Serdes工具箱使简单的东西简单,并且可以复杂。
让我们看看它的行动。我们从我们之前离开的地方开始:我们从应用程序中导出Simulink模型。金宝app当我们运行Simulink模型时金宝app,模拟按比特执行比特,我们看到了眼图更新。在模拟结束时,报告统计分析结果并与应用程序一致。
在Simuli金宝appnk库浏览器中,您可以找到与应用程序中相同的构建块。您可以将这些块添加到发射器或接收器,以进一步细化设计。
SerDes Toolbox提供的所有构建块都是在MATLAB中实现的,您可以很容易地访问源代码。如果您想修改它,您可以在创建副本之后编辑代码。
正如我提到的,你可以使用现有的算法并修改它们;然而,可能有更简单的方法来提高SerDes模型的保真度,而无需进行这种高级操作。
提高模型保真度的一种非常方便的方法是使用自下而上的数据,这些数据来自IC模拟或实际硅测量。
在RF频率上,通常在频域提供特征数据,要么作为传递函数,要么作为s参数。
MATLAB和RF工具箱提供了许多内建函数来操作、分析和显示频域数据。更重要的是,提供了一种使频域数据适用于时域仿真的方法。
要在时域中模拟频域数据,需要对数据进行转换。RF工具箱使用合理的拟合方法。“有理”一词来源于比率,简单地说就是我们用一个等价的拉普拉斯传递函数来拟合数据,该传递函数由一个残数和零的多项式比率给出。
通过这种方法我们可以分析和实施被动,最终的拟合是因果建设为我们实施两极左边复平面的右手边,我们可以确保应用模型降阶,只适合主导极点,避免过度学习的测量噪声。
一旦拉普拉斯传递函数可用,它就提供了一个可以用于时域模拟的状态空间表示。
让我们看一个使用合理拟合方法建模CTLE传递函数和提高SerDes模型保真度的例子。
导入数据后,我们进行理性拟合。这听起来可能是一个非常复杂和复杂的算法,实际上只是一行MATLAB代码。这里我们给出了适合的最大极点数,但我们也可以只依赖于默认设置。
从拟合对象中,我们提取增益以及复共轭实极点和零点。
我们可以直接使用SerDes工具箱CTLE对象中的数据进行统计分析和时域处理。
最后,我们可以将频率依赖行为与非线性块夹在一起,以进一步增强CTLE模型的保真度。
这个例子附带了SerDes工具箱。如果您打开MATLAB文档,请打开名为“从传递函数查找CTLE的零点、极点和增益”的示例。
该示例首先从CSV文件导入并打印CTLE数据。传递函数在25GHz的频率下被测量,并且它是相当规则的。
我们使用以前所示的RationalFit符合数据。在这种情况下,我们任意使用8个极点。我们将配件与原始结果进行比较。在这种情况下,保真度非常好,具有-126db的误差容错。
现在,我们将拟合函数的增益、极点和零点提取为MATLAB阵列。我们在SerDes接收器的CTLE块中使用该数据。
一旦我们对仿真结果满意,我们就可以生成IBIS-AMI模型。
IBIS-AMI模型由三个元素组成。IBIS文件或.ibs是一个ASCII文件,表示具有物理RC组件的通道,或使用查找表来描述放大器和驱动器的I/V曲线和瞬态响应。
发射机和接收机用一个AMI文件建模,该文件本质上是一个C代码DLL,表示用于信道均衡的信号处理算法。
IBIS-AMI模型可以通过两种方式执行:统计(也称为Init)或时域(也称为GetWave)。
统计处理完全基于代表SerDes分量的传递函数的卷积。它的执行速度非常快,并且提供了对系统行为的一阶估计。然而,它不能模拟非线性效应,也不能用于探索瞬态行为,如适应性引入的行为。
时域模拟逐位工作。它的速度明显不太速度,但它允许在您的模型中包括非线性,并且由于适应或过滤器而探索瞬态行为。
双IBIS-AMI模型支持两种操作方式,并提金宝app供一致的结果。双重模型的好处是它能够权衡准确性和模拟时间。双重模型的另一个好处是统计模型可以为时域模拟提供一个更好的起点,从而实际加快适应并缩短模拟时间。
使用Serdes工具箱,您可以生成双重IBIS-AMI模型。还生成一个简单的IBIS文件,以便在任何第三方信道模拟器中轻松调用生成的模型。
对于发射机和接收机,您可以生成双AMI文件,并使用所需的AMI参数自定义接口。
一旦生成了所需的IBIS、AMI和DLL文件,就可以在任何标准兼容的通道模拟器中使用它们进行回归测试和分析所有不同的通道配置。
如果您可以访问SiSoft QCD和QSI,您可以自动从SerDes工具箱创建一个项目,并导入所需的模型。一旦您在QCD或QSI中运行了模拟,例如,您发现了一个非常关键且没有通过您的规范的用例,您可以在Simulink模型中对AMI参数、刺激和通道配置进行反向注释。金宝app
两种模拟器之间的双向链路可以实现集成的工作流程,并促进Serdes架构师和信号完整性工程师之间的通信。
让'看它是如何工作的。从Simulink中的Serdes工具箱模型,您打开Ibis-Am金宝appi Manager。
您可以检查将生成的简单IBIS参考文件。
您还可以检查、添加或删除AMI参数到发射机或接收机。
然后,您可以为每个发射机和接收机生成一个dual、GetWave-only或Init-only模型。完成此过程后,您将在MATLAB当前文件夹中找到.ami文件以及DLL。如果您在Linux上生成模型,您将获得共享对象或.so。
生成模型后,您可以启动Sisoft Link应用程序以导入QCD或QSI中生成的模型。
发射器和接收器的QCD模型将具有与您在Simulink IBIS-AMI管理器中确定的相同的AMI参数。金宝app在这种情况下,我们将运行两个模拟,统计和时域:一个启用接收器自适应,另一个禁用自适应。
在完成结果之后,您可以可视化这两个案例的眼图。
最后,如果您确定了一组关键的结果,您可以将给定的配置导入到Simulink模型中,并进一步详细说明您的SerDes算法。金宝app
有了这些,我邀请您在下一个设计中尝试SerDes工具箱。有了许多受信任的函数和块,您可以更快地设计均衡算法,并在设计过程中更早地实现系统级验证。
有了标准兼容的IBIS-AMI模型的自动生成和与SiSoft QCD/QSI通道模拟器的直接集成,您可以花更多的时间来创新您的设计——更早地找到关键的案例,而不是工具战斗和C编码。
现在我想把话题交给Aleksey,他将展示SeriaLink Systems如何使用SerDes工具箱为基于PAM4 adc的SerDes系统开发尖端模型。
谢谢你的介绍,乔治娅!
我的名字是Aleksey Tyshchenko,今天我将展示在Simulink和IBIS-AMI中用于802.3ck应用程序的106Gb/s基于adc的SerDes模型。金宝app我们使用MathWorks的SerDes工具箱构建了这个模型。
SeriaLink是一个位于加拿大多伦多的咨询团队,专注于高速串行链路的系统建模、IBIS AMI建模、信号完整性、模型关联和系统验证。
让我先简要介绍一下我的演讲大纲。
首先,我想介绍一下我们的系统建模愿景。然后,我们将了解在IBIS-AMI中建模基于adc的SerDes体系结构所面临的挑战。在那之后,我想把COM看作一个架构定义工具,并介绍我们的主要贡献:一个带有COM参数化的SerDes模型。接下来,我们将研究模型构建模块,接触到自适应流程,并考虑噪声建模和信噪比。相关结果将作为本次演讲的总结。
在SeriaLink,我们的愿景是在整个项目生命周期中维护统一的系统模型:从架构定义,到设计,一直到验证。
一开始,项目规范和标准数据填充模型以进行体系结构探索并驱动块级规范。
同一模型将通过提供设计权衡的量化反馈来支持金宝app模拟和数字设计。当仿真数据可用时,模型组件将使用设计数据进行更新,这将逐渐使模型更接近相关版本。
此相关模型使回归能够生成客户端的验证和仿真的外部视图。
当然,构建这个统一模型需要仔细考虑块接口、适合各种用例和外部视图的实现细节,以及易于维护的关联流。
本演示的剩余部分将重点放在这个图表的左上角部分:统一模型的体系结构版本,它可以用标准信息填充,并且适合于体系结构探索。
IBIS AMI是一种常见的以客户为导向的行为模型。为了用统一的系统模型支持金宝app它,需要以ibis兼容的方式构建模型。
IBIS AMI框架通过标准化两者之间的接口,将模型与模拟器分离。这种解耦依赖于决策点的概念:它是采样器输入端的完全均衡波形。取样器由恢复的时钟触发。只要模拟器能够访问决策点的波形和恢复的时钟,模拟器就可以评估链路裕度。
假设取样器是一个相对简单的模块,其性能通过裕度要求或眼罩传达。
正如我们所看到的,IBIS-AMI框架非常适合二进制采样SerDes体系结构,具有定义良好的决策点,该决策点捕获模拟均衡器的均衡效果。
让我们看看基于ADC的SerDes体系结构如何适合IBIS AMI框架。
首先,时间交错ADC以每个UI一个采样对部分均衡信号进行采样,然后对ADC采样进行解复用以支持数字域中剩余均衡块的合理频率。FFE和DFE进一步均衡采样和解复用信号,波特率或Mueller-Müller,CDR从均衡采样恢复时钟。FFE、DFE和CDR作为一个DSP模块实现金宝app,以低于1GHz的频率运行。
决策点现在位于CDR的数字部分,并且没有易于抽象的采样电路,这将允许我们将模型与模拟器解耦。
因此,基于adc的SerDes体系结构不能很好地适应IBIS-AMI框架。
为了支持模型导出到IBI金宝appS-AMI,我们将ADC建模为一个时间无关量化器,并以波特率而不是解复用率运行FFE、DFE和CDR。出于架构探索的目的,这允许我们考虑非线性和ADC量化效应,同时支持当前版本的IBIS标准。
在统计域中,我们使用Mueller-Müller定时函数从脉冲响应中恢复相位。我们使均衡分量适应信道,如果必要,我们重新调整恢复的相位。
在时域中,ADC对UI中的所有样本进行量化。Mueller-Müller CDR持续运行以保持相位锁定,我们保持均衡参数不变,这使我们能够在项目开始时关注均衡性能,而不是均衡收敛细节。这种适应方法也有助于我们保持合理的模拟时间。
现在,让我们从稍微不同的角度来看看COM。
COM被用作标准的规范部分,用来验证信道是否符合标准要求。同时,为了实现标准的开发,采用了COM脚本来定义参考收发器。在某种意义上,COM可以用于SerDes体系结构的探索。
COM框架由MATLAB中的通用脚本组成。此通用脚本采用配置电子表格形式的标准特定参考收发器参数。使用特定参数填充COM时,它会测试通道是否符合标准。这种方法使COM广泛应用于多个标准机构和多个标准。
这种广泛的使用给COM带来了几个重要的好处。COM作为MATLAB代码发布,并得到了该领域众多专家的认可。泛型代码库具有非常灵活的参数化,以支持广泛的参考收发器模型。金宝appCOM依赖于脉冲和噪声分析,这本质上是统计方法,这使得仿真速度更快。
然而,COM的统计特性导致了链接分析脚本的主要局限性。它缺乏非线性、瞬态时钟恢复细节和ADC量化效果。COM非常适合于模拟体系结构的线性分析。此外,通用的COM脚本将代码的模型和模拟器部分组合在一起。就代码结构而言,功能块没有很好地分离。因此,该脚本是不可扩展的,而且除了基本的架构探索之外,很难使用它。
这张幻灯片展示了我们的贡献。
在MATLAB和Simulink中建立了基于参数化ADC的SerDes模型。我们使用COM参数填充此模型,以构建标准的特定金宝app模型实例。在本例中,我们将介绍106Gb/s 802.3ck标准的模型。除了COM参数外,模型还可以接受设计参数,这使得模型在项目的架构定义阶段之外可用。我们使用自动化脚本来配置通用模型。
使用SerDes工具箱,我们将模型导出到IBIS-AMI视图,该视图允许我们利用信号完整性仿真基础设施。同时,模型的代码库保留在MATLAB和Simulink中,使得代码易于维护。在项目开发的早期生成IBIS AMI模型的能力使SerDes IP供应商与其客户之间能够进行更有效的交互,从而提高系统开发的整体效率。金宝app
该模型支持统计和时域金宝app模拟,这使得非线性、ADC和CDR能够在分析中正确表示。从某种意义上说,该模型通过增加对SerDes行为的非线性和时变方面的支持来增强COM。
清晰的模型划分为功能块,以及吸收模拟设计数据的能力,使得模型可扩展并适合在整个项目生命周期中使用。
在以下幻灯片中,我将更详细地讨论此模型的组件。
为了建立模型,我们使用Simulink中的SerDes工具箱。工具箱有一组随时可用的功能块,它允许创金宝app建自定义块。在这个模型中,我们同时使用这两种方法。可用块的颜色为紫色,而自定义块的颜色为橙色。我们在模型的输入端添加接收机噪声,以解释后续均衡器分量的设置相关噪声整形。
非线性和ADC只在时域模拟中启用。因为这些是非线性块,所以在统计模拟中会忽略它们。
我们还增加了一个信噪比块,在统计域和时域测量采样器的信噪比。利用信噪比值来指导自适应,并将测量到的信噪比报告给信号完整性模拟器。
让我们从CTLE开始,回顾一下块的细节。
我们使用Serdes工具箱的三个CTL块实例实现了CLE。这些实例对应于COM中的高通,升压和接收器带宽滤波器。
为了用COM参数配置CTLE,我们有一个MATLAB脚本,它将COM CTLE定义转换成适合SerDes工具箱CTLE的增益极点零矩阵。如果您熟悉COM配置电子表格,那么您将立即认识到配置脚本直接使用COM参数。
配置脚本还更新Simulink中的块特性和参数范围,以消除手动更新的需要。金宝app
请注意,尽管COM和SerDes工具箱都根据增益、极点和零点定义了CTLE曲线集,但这些定义略有不同。因此,需要一些参数映射。
通过适当的映射,我们可以在COM和我们的模型中得到相同的CTLE传递函数集。对于增压级,左侧的曲线图显示COM传递函数,而右侧的曲线图显示SerDes工具箱CTLE传递函数。
对于CTLE,COM将直流增益定义为零频率之前的增益,而SerDes工具箱在GPZ矩阵中使用宽带增益定义。这些定义很可能来自于对传递函数略有不同的观点。为了从COM映射到SerDes工具箱,我们通过增益值缩放零频率。
我们添加了一个非线性块在输出的CTLE,就在ADC之前。这个块为ADC输入波形增加了一个软振幅限制。它是一个SerDes工具箱块,它的行为由输入到输出的直流传输曲线描述。它可以在项目开发的早期参数化提供,也可以稍后用模拟设计数据填充。
ADC是我们为模型构建的自定义块。我们从一个PassThrough块开始,它为我们提供了一个与其他SerDes块兼容的框架,然后我们用ADC代码填充了这个PassThrough。我们将ADC构建为量化器,其输出是在IBIS-AMI建模流程中发挥良好作用的量化电压电平。最初,ADC由标称分辨率和动态范围参数化。当然,可以在可用时添加更多细节,以便在模型中反映出来。
为了保持快速的仿真时间,并且关注均衡性能而不是自适应收敛,自适应在统计域中实现。我们根据信噪比对均衡分量进行自适应,类似于COM。Mueller-Müller CDR从均衡脉冲响应中恢复相位,以指导FFE和DFE抽头的自适应。
因为FFE和DFE都可以均衡第一个光标后ISI,所以我们需要让FFE知道DFE的校正范围。这样,我们可以将均衡优先级放在DFE上,从而减少噪声放大。COM采用类似的方法来平衡FFE和DFE。
该图显示了从通道通过每个均衡阶段的脉冲响应过程。
现在,让我们将注意力转向噪声建模。
可以通过信号完整性模拟器向接收器模型的输出添加接收器噪声和抖动。这种方法捕获模拟器计算的眼边距对眼边距的噪声影响。然而,这些噪声源对接收机模型内的SNR测量块不可见。
由于噪声对适应收敛点有影响,我们希望确保它在接收器模型内是可见的。输出相关噪声取决于均衡器的配置。因此,对噪声建模最好的方法是应用输入参考噪声,并允许均衡块对其进行整形,使其准确地表示输出噪声。
我们还需要确保噪声在统计域内建模,从而影响适应性收敛。
在统计领域,我们希望将白噪声应用到模拟带宽。噪声功率谱密度是COM电子表格中的一个参数。eta_0。
为了得到输出噪声功率谱密度,需要对输入噪声进行线性均衡,以达到噪声整形效果。然后对输出噪声进行频率积分,得到均方根值。该输出RMS噪声降低了自适应优值,即信噪比。
然而,统计领域的目的是作用于脉冲响应而不是功率谱密度。当然,我们可以在均衡器块中添加额外的功能来支持噪声建模,但这将增加模型构建的工作量。金宝app
因此,我们必须找到一种利用脉冲处理获得输出噪声功率谱密度的方法。这将允许我们继续使用SerDes工具箱中现成的块,而不是维护自定义块。
我们使用单位脉冲探测线性均衡块的滤波效果:CTLE、VGA和FFE。在统计处理函数中,单位探测脉冲用作输入脉冲。因此,我们使用了统计方法,过滤后的脉冲包括除信道和DFE之外的一切,正如我们所期望的那样。
我们现在可以将输出的滤波脉冲转换为频域,它将表示噪声传递函数。然后,我们根据输入功率谱密度对噪声传递函数进行缩放,得到输出PSD。我们将输出噪声PSD积分到100 GHz,得到噪声均方根值,从而降低了信噪比。
在时域中,我们将输入白噪声转换为RMS值,并将高斯噪声源添加到输入波形。在时域中的波形滤波自然地解释噪声,输出波形现在包括过滤噪声。
我们的噪声方法在统计域和时域以及COM之间显示了良好的相关性。
为了说明噪声通过接收器的整形,我们取了每一阶段后的噪声脉冲,并将它们转换成这个图中的传递函数。我们从白噪声开始,用蓝色表示,当我们通过均衡阶段时,我们限制带宽,增加增益和增益。
如果我们看一下紫色的传递函数,那么我们可以看到接收机带宽滤波器经常被称为噪声滤波器有一个很好的理由:在所有的阶段中,它对减少输出中的高频噪声含量贡献最大。
现在我们继续讨论接收器模型中的最后一个功能块。这个块测量均衡波形的信噪比。为了保持波特率与基于adc的架构的一致性,信噪比监视器只在UI中心查看信号。该区块支持NRZ和P金宝appAM4调制。
在统计域中,信噪比监视器通过提供优值来指导自适应收敛。在时域中,我们使用信噪比作为相关参数,使用COM。
我们选择的SNR监视器的波特率实现也使其成为后Si相关的良好候选。在RTL中实现的接收器的数字组件中可以使用非常类似的方法。与我们的SNR块类似,RTL组件可以访问均衡信号的波特率样本。
在接下来的两张幻灯片中,我们将看看我们用这个com参数模型获得的相关结果。
首先,我们在线性模式测试了我们的模型,以建立与COM的基线相关性。在这种情况下,我们禁用了CTLE和ADC之后的软限制器。我们在COM和IBIS-AMI模型中模拟了53和106 GB / s的许多IEEE通道。作为相关参数,我们使用了SPPLER SNR。左侧的绘图将COM SNR与我们的时域Ibis-AMI SNR进行了53 GB / s的10个通道。通道插入损耗范围为16至39dB,包括包装损耗。右侧的绘图显示了106 GB / s的相同模拟。在这两种情况下,我们在COM和时域Ibis-AMI之间看到了良好的相关性。黑色虚线表示为PAM4调制实现10-4个BER电平所需的SNR水平,而品红色的虚线显示3dB COM裕度以上最低所需的SNR水平。在品红色的参考线上的模拟SNR值表示COM中的传递信道。
两个绘图对大多数通道显示出良好的相关性。在较高的插入损失处,与COM相比,Ibis-AMI结果更加悲观。这种悲观主义最有可能来自时域模拟中的CDR。
现在让我们在IBIS-AMI模型中启用非线性和ADC。
在这组模拟结果中,我们在IBIS-AMI模型中启用了软限幅器,并以4、5和6位ADC分辨率运行模拟。我们可以看到,ADC分辨率对系统性能有很大的影响。
由于我们正在添加实现细节,因此比较时域SNR值与实现BER 10–4所需的理论SNR限值更合适,这是图中的黑色虚线。
快速浏览一下图,我们就会发现4位ADC显然不足以满足这些应用。5位ADC增加了通过通道的数量,6位ADC使我们非常接近COM。请注意,有效分辨率通常低于标称分辨率,此处需要进行更详细的分析。
解释这些模拟结果的另一种方法是注意到低分辨率ADC对于低损耗信道是足够的,而对于高损耗信道则需要更高的分辨率。这种ADC分辨率和通道插入损耗之间的折衷可以通过我们的模型来探索,以根据预期的通道损耗优化SerDes功率。
SeriaLink Systems在Simulink和IBIS-AMI中提出了一个基于adc架构的com参数化SerDes模型。金宝app该模型使用IEEE 802.3ck标准的参考收发器参数配置为106Gb/s操作。我们讨论了一些模型实现的细节,并且表明在线性模式下,这个模型与COM关联得很好。启用非线性和ADC降低了ADC分辨率的信噪比。我们还表明,该模型可以指导SerDes接收机功率和预期信道插入损耗之间的权衡。
有关型号可用性、自定义或扩展选项的信息,请联系SeriaLink System。
谢谢你的关注。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。