高速信号的眼图、加重、均衡

news2024/11/14 12:04:24

目录

  • 高速信号的眼图、加重、均衡
    • 眼图
    • 加重
    • 均衡
      • 线性均衡器CTLE
      • 判决反馈均衡器DFE

高速信号的眼图、加重、均衡

眼图

通常用示波器观察接收信号波形的眼图来分析码间串扰和噪声对系统性能的影响,从而估计系统优劣程度,因而眼图分析是高速互连系统信号完整性分析的核心。

另外也可以用此图形对接收滤波器的特性加以调整,以减小码间串扰,改善系统的传输性能。

首先需要了解一下什么是码间串扰,如下图所示,本来发送端传输的序列是二进制1011,由于信道传输过程中的干扰,最终效果如下。

从第二个数据(码元)开始,每个码元都会受到前后码元的影响,导致抽样点不仅有本码元的值,还有前后码元值的干扰。
在这里插入图片描述

下图是在网上找的一张示波器的眼图测试结果。

在这里插入图片描述

形成眼图的原理如下所示,眼图是通过测量三bit数据的采样结果,绘制而成的图形。

下图左侧表示三位二进制数据的各种采样结果,在实际传输中,边沿不是是垂直的,会有一定弧度。最终将左侧的8种状态叠加,得到右侧的波形图,被称为眼图。

在这里插入图片描述

眼图的中间部分被称为眼睛,眼睛张开越大,表示上升沿和下降沿变化的越快,码间串扰越小。在实际测试中,主要关心眼图的眼高和眼宽。

在这里插入图片描述

可以根据眼图的结果,去判断码间串扰和噪声对系统的影响,下图左侧是没有串扰的示波器眼图,右侧是有串扰的示波器眼图。

在这里插入图片描述

加重

首先需要知道为什么高速信号在发送端需要做加重处理,是因为信号在传输的过程中有衰减?

如果信道对所有频率分量的衰减是相同的,或者信道传输的是单频的正弦波,那么是不需要做加重、均衡等处理的,接收端只需要减小门限电压就行了。

然而信道对各个频段信号的衰减程度是不一样的,类似低通滤波器,对传输的高频分量衰减的比较大。另一个原因在于信道传输的信号是方波信号,含有多个频率分量,而高频分量衰减幅度很大,从而需要在发送端去通过加重来补偿信道的衰减。

如下图所示,左侧发送端的眼图比较标准,但是经过实际传输后,到达接收端时,眼图变得很混乱,已经无法准确采集信号。

在这里插入图片描述

如下图所示,上边没有进行预加重的信号在发送端的眼图虽然比较好,但是经过PCB传输之后,接收端的眼图已经闭合了。而经过加重处理的信号,在发送端的眼图虽然不好看,但是经过PCB传输后,在接收端眼图还是存在的。
在这里插入图片描述

加重是一种在发送端对输出信号高频分量进行补偿的信号处理方式,分为预加重(Pre-Emphasis)和去加重(De-Emphasis),目的都是尽量平衡高频分量和低频分量,减少传输链路对高频分量衰减大于低频分量对最终结果的影响。

  • 预加重(Pre-Emphasis):保持信号低频分量幅度不变,增强信号的高频分量。由于信号的高频分量主要集中在上升沿和下降沿,因此就是增大上升沿和下降沿处的幅度。

  • 去加重(De-Emphasis):保持信号的高频分量幅度不变,衰减信号的低频分量,即减小电平的幅度。

在这里插入图片描述

预加重(Pre-Emphasis)和去加重(De-Emphasis)区别在于去加重(De-Emphasis)的最大摆幅是恒定的,而预加重(Pre-Emphasis)的最大摆幅与加重有关。

如下图所示,是一个12Gb/S的信号,经过板卡传输前后的眼图信号,左侧表示发送端的眼图,右侧表示经过板卡传输后接收端的眼图,接收端的眼图已经完全闭合了。

在这里插入图片描述

在上述信号的发送端进行预加重处理,如下图所示,左侧是发送端原始眼图,中间是预加重之后眼图,最大电压由600mv增大到1V以上了,右侧是接收到的眼图。

在这里插入图片描述

如下图所示,在发送端使用去加重,中间是经过去加重处理后的眼图,最大电压减小到400mv,而右侧是接收端的眼图信号,依旧能够使眼睛睁开。

在这里插入图片描述

加重的原理如下所示,Feed-Forward Equalizer(FFE)前向反馈均衡器,原理类似于FIR滤波器。前后多个bit的输入电压乘以抽头系数(校准因子),校准当前bit的输出电压。

在这里插入图片描述

C0表示当前位的抽头系数,控制信号的幅度,而C-n前n位的抽头系数,C+n后n位的抽头系数,发送端最常用的是3个抽头系数的加重。

使用上述参数来设置FFE的参数会比较麻烦,一般会使用Pre-Cursor和Post-Cursor来设置加重的参数。

Pre-Cursor是跳变沿的前一bit幅度与值为1或0的幅度的增益比值,一般是正数。Post-Cursor是值为1或0的幅度与跳变沿的后一bit幅度的增益比值,一般是负数。

在这里插入图片描述

相关公式如下所示,Vb表示值为1或0时的幅度值,Vc表示边沿前一bit的幅度,Va表示边沿后一bit的幅度。

在这里插入图片描述

上述公式只需要了解即可,在FPGA实际使用时,可以直接通过软件对Pre-Cursor与Post-Cursor的所有取值进行扫描,得到最好的值作为实际工作的数值,用户不需要手动计算参数值。

对于加重,用户需要掌握加重的原因,加重的作用,其余的东西了解即可。

均衡

为了弥补信道对传输信号的不同频段衰减程度不一样,在发送端通过加重进行补偿,那么接收端呢?

如下图所示,接收端有CTLE和DFE来弥补信道传输的缺陷。

在这里插入图片描述

线性均衡器CTLE

如下图所示,红色曲线是信道的频率响应曲线,呈现低通滤波器的特性,而CTLE(continuous time linear equalization)是一个模拟的高通滤波器,用于补偿信道对高频的衰减。

将信道和一个高通滤波器串联就能得到一个全通的滤波器,在实际的模拟电路中并不存在高通滤波器,但只要保证用户关心的带宽内呈现高通特性就能满足均衡的要求。

在这里插入图片描述

CTLE的模拟参考电路如下所示,CTLE的变化特性要尽可能与信道损耗随频率变化特性刚好相反,即当信道发生变化时,CTLE的参数可能需要进行修改,以适应新的信道的频率响应。

另外CTLE会放大高频信号,同时会放大高频噪声。

在这里插入图片描述

前文使用预加重和去加重使12Gb/S速率的信号经过板卡后的眼睛睁开,下图使采用CTLE的方式使眼睛睁开。

左侧是发送端的眼图,中间是接收端接收的眼图,右侧是接收端的信号经过CTLE处理后的眼图,CTLE恢复的结果比较好。

在这里插入图片描述

判决反馈均衡器DFE

DFE(Decision Feedback Equalizer)是一种非线性均衡器,将接收到的信号经过判决后,将判决信号延迟输入到滤波器中,通过滤波器输出的加权和来抵消码间串扰。

在这里插入图片描述

与FFE类似,DFE也是通过数字高频滤波器实现的,各个支路的权重决定均衡的强度。DFE可以对高频信号进行补偿且不会放大高频噪声。

DFE原理如下图所示,左图是采集的二进制010的波形,由于信道的影响,导致高电平之后的一段时间内,信号并不能马上衰减为0,DFE会把0.223、0.073这些值直接变为0,结果如右侧图形。

在这里插入图片描述

DFE是通过检测前面波形状态来补偿后续波形,导致其不能对前面的波形进行补偿。因此DFE能够消除Post-Cursor导致的码间串扰,不能消除Pre-Cursor导致的码间串扰问题,可以和接收端的FFE配合使用,来移除Pre-Cursor带来的码间串扰问题。

如下图所示,左侧是发送端眼图,中间是接收端没有经过处理的眼图,右侧是经过两个抽头的DFE处理后的眼图,眼睛张开了,但是边沿区域会有突起,这是因为DFE会将信号强行变为1或0,导致该区域比较尖锐。

在这里插入图片描述

下图是在接收端同时使用CTLE和一个抽头系数的DFE眼图,使用CTLE之后,眼睛只张开了一点,在经过一级DFE之后,眼睛已经张开,并且边沿区域也没有上图尖锐。

在这里插入图片描述

在使用FPGA的GTX收发数据时,也需要设置Pre-Cursor、Post-Cursor、接收幅度、滤波器类型等等,但是xilinx给用户提供了眼图扫描IP,只需要将所有参数扫描一遍,选择最优参数即可,不需要用户去计算各个参数的数值。

即使工具能够得到最佳参数,用户也需要知道眼图的原理,码间串扰的原因、为什么要进行加重、均衡处理。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2044760.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

电信天翼网关TEWA-1000E/G等系列光猫新版固件破解超级密码

实际操作机型TEWA-1006G,参考教程电信天翼网关TEWA-1000E/G等系列光猫破解超级密码。 之前,在同一个光猫上使用上述教程成功拿到了超级密码,但是一年之后电信远程更新了固件,该破解方法部分失效,于是我在研究之后找到了…

2024开源资产管理系统推荐 8款免费开源IT资产管理系统/软件

开源资产管理系统 开源资产管理系统是帮助企业管理、跟踪和优化其资产的强大工具。这些系统能够自动记录资产的详细信息,如采购日期、使用情况、维护记录等,从而实现资产的全生命周期管理。企业可以通过这些系统优化资产使用效率,减少资产闲…

8月15日笔记

masscan安装使用 首先需要有c编译器环境。查看是否有c编译器环境: gcc -v如果系统中已经安装了 GCC,这个命令将输出 GCC 的版本信息。如果未安装,你会看到类似于 “command not found” 的错误消息。 如果没有下载,使用如下命令…

SAP中如何导出物料的评估类清单?

接到内部产品控制同事请求,希望从系统中帮忙导出物料的评估类清单。查询到评估类对应的数据表是T025。通过SE16可以查询和输出。 输入查询条件后,在出现的清单中输出到本地文件,存储成excel文件后发给用户,任务完成。 这样就可以导…

掌握内网渗透之道,成为实战高手,看《内网渗透实战攻略》就够了

【文末送书】【文末送书】今天推荐一本网络安全领域优质书籍《内网渗透实战攻略》 文章目录 * 前言如何阅读本书目录文末送书 前言 ![在这里插入图片描述](https://img- blog.csdnimg.cn/direct/fd88c968fc5349aea8945ee5345d6881.jpeg) 当今,网络系统面临着越…

【MMdetection改进】换遍MMDET主干网络之SwinTransformer-Tiny(基于MMdetection)

OpenMMLab 2.0 体系中 MMYOLO、MMDetection、MMClassification、MMSelfsup 中的模型注册表都继承自 MMEngine 中的根注册表,允许这些 OpenMMLab 开源库直接使用彼此已经实现的模块。 因此用户可以在MMYOLO 中使用来自 MMDetection、MMClassification、MMSelfsup 的主…

AI作画提示词(Prompts)工程:技巧与最佳实践

GPT-4o (OpenAI) AI 作画提示词(prompts)工程可以极大地提高生成图像的质量和细节表现。以下是一些技巧和最佳实践,以帮助你优化提示词的使用: 一、明确的描述 1. 具体化:明确描述你想要的元素和风格。例如&#xff0…

机器视觉28

1.CPK(制程能力指数)用于衡量生产过程的稳定性和能力,评估产品规格的一致性。 2.CPK的值是根据具体的产品规格、生产过程数据以及统计分析得出。 3.CPK的值越高,表示制程能力越强,产品规格的一致性越好。 CPK与不良…

【网络】【Linux】Linux内核中连接的组织形式与全连接队列

Linux内核中连接的组织形式与全连接队列 文章目录 1.前言2.Linux内核中连接的组织形式2.1套接字和文件描述符2.2创建连接 & 获取连接 3.全连接队列3.1为什么有全连接队列?3.2全连接队列的长度 1.前言 TCP是面向连接的,TCP的各种可靠性机制实际都不…

c++中的引用()及做返回值问题

传值返回: int Count1() {int n 0;n;return n; } int main() {int& r1 Count1();return 0; } 总结:返回局部变量的引用是不安全的。 static int cab; 只有第一次定义c时才会执行 要想给变c的值应 static int c1; cab; 传值、传引用效率比较 #…

【抓包】- Fiddler抓包教程,使用Fiddle抓取B站视频;ffmpeg的使用方法

一、预准备:过滤器设置 打开fiddler后,清空内容,然后播放视频。 找到与B站视频资源相关的回应,而后在“原始(raw)”标签中查看它的host信息。 发现B站视频资源的服务器DNS地址为【*bilivideo.cn】、【*bi…

超越GPT-4 ,金融分析新突破:FinTral多模态大模型

人工智能咨询培训老师叶梓 转载标明出处 在金融领域,对大量非结构化数据的处理和分析一直是行业面临的重要挑战。为了解决这一问题,由不列颠哥伦比亚大学和Invertible AI的研究团队共同提出了一套名为FinTral的先进多模态大模型(LLMs&#xf…

云计算实训26——部署LVS负载均衡项目(上)

LVS LVS是linux virtural server的简称——免费、开源、四层负载均衡 工作原理: 通过linux达到负载均衡好和linux操作系统实现高性能高可用的linux服务集群,具有良好的可靠性、可扩展性、可操作性、可扩展性、从而实现以低廉的成本实现最优的性能。LV…

前端案例:Alloy Team|腾讯全端项目(响应式)

前言 这是一个简单的响应式项目,模仿了Alloy Team|腾讯全端部分内容,模拟了可以适应不同类型的设备 项目总览 整体布局 屏幕大于1200px概况: 头部标签hover 轮播图 屏幕在小于992px概况 头部背景变色 固定 屏幕在小于992px概况 屏幕大于7…

基于YOLOv8的手部检测(1)- 手部数据集获取(数据集下载、数据清洗、处理与增强)

前言 在进行手部姿态估计、手势识别时,需要先检测出手的位置。本文对网上公开的手部数据集进行获取、清洗、处理与数据增强,用于YOLO等目标检测网络的训练。 1.手部检测数据集概览 1.1 HaGRID手势识别数据集 项目地址: https://github.com/…

[C++] STL (multi)map/(multi)set简介

标题:[C] STL (multi)map/(multi)set简介 水墨不写bug 目录 前言: 一、set简介 1.set简介 2.set的常见用法 二、map简介 1.map简介 2.map使用 三、multiset简介 1.multiset简介 2.multiset使用 四、multimap简介 1.multimap简介 2.multim…

DVWA-IDS测试(特殊版本)

起因 浏览DVWA历史更新记录发现有版本带有IDS插件,可以用于平时没有相关设备等场景演示用,所以开启本次测试。 下载 官方最新版本是移除了IDS插件,原因是“从不使用”,所以需要下载移除该插件之前的版本。 https://github.com/…

【QuikGraph】图算法之Prim最小生成树求解

介绍 最小生成树概念与算法介绍 QuikGraph的PrimMinimumSpanningTreeAlgorithm的API地址 示例 测试代码: using Microsoft.VisualStudio.TestTools.UnitTesting; using QuikGraph; using QuikGraph.Algorithms.MinimumSpanningTree; using QuikGraph.Algorithm…

【Python 滑块图片复原】将steam蒸汽平台混乱的滑块背景图复原

文章日期:2024.08.16 使用工具:Python 文章类型:复原steam蒸汽平台里的滑块图片 文章全程已做去敏处理!!! 【需要做的可联系我】 AES解密处理(直接解密即可)(crypto-js…