定量測量多通道串行數(shù)據(jù)系統(tǒng)中的串擾引起的抖動(一)

圖2 抖動追蹤（左）和直方圖（右）

所謂的頻譜分析方法被用于解決上述直接測量的局限性，該方法利用FFT將TIE的追蹤圖轉換為頻域，分析抖動的頻譜得到抖動參數(shù)。這個方法的原理就是要把隨機噪聲的頻譜從固有抖動中“甄別”出來。這種分離方法需要定義一個幅值門檻，低于該門檻的FFT定義為隨機噪聲，高于該門檻的則為固有抖動。固有抖動的特點是它的頻響表現(xiàn)為離散的“峰值點”。通過將門檻值以下的FFT的Bins以平方和相加得到隨機抖動，因為這個方法中將隨機抖動都假設為隨機的和不相關的。這種計算Rj的方法計算速度快，可重復性好，這兩點對于測量來說都是很好的特點。Dj則可以通過多種方法得到，譬如擬合抖動的直方圖或者對門檻值以上的FFT的bins做復雜的加法運算。

頻譜方法是測量雙狄拉克(Dual-Dirac)模型參數(shù)的初級方法，事實上也是非常有效的方法。但是頻譜方法的一個先天性的不足是它是建立在這樣一個假設前提下的：所有的隨機抖動都是高斯分布的。通常來說實際中當然沒有真正的高斯但是至少大多數(shù)的隨機行為在實際的測量時間范圍內是非常接近高斯分布的。但是也有些偽隨機的案例，在短時間內表現(xiàn)為隨機的，而實際上在比較長時間內觀察則是屬于固有抖動。還有些情況下雖然是隨機抖動，但是其分布特性并不是高斯的。在這些情況下，頻譜方法的假設就不成立了，Rj就會比實際的大或者小。

圖3 帶有門檻的抖動頻譜圖。低于門檻幅值的Bins被定義為隨機噪聲

頻譜方法遇到的另外一個問題是隨機抖動的分布并不是單一的高斯分布，而是由多個高斯分布組成。例如，對于一個特定信號的每一個邊沿可能是由一個在它之前的邊沿引起的獨特的上升時間。這在傳輸通道帶寬受到限制而造成了ISI的情況下是很常見的。除了造成有些比特位的幅值減小，ISI還使一些邊沿的轉換速率降低。 更低的轉換速率帶來信號中更多的噪聲，這些噪聲會轉換為時序上的抖動。 根據(jù)數(shù)據(jù)碼型的不同，邊沿上很小的變化可能會有更高的隨機抖動，結果表現(xiàn)為在抖動分布上有一個主體的高斯抖布和一個很小的、低統(tǒng)計權重的高斯。如果這種低權重的高斯有一個比較高的標準偏差值，那么正確的方法應將此作為隨機抖動值，但是，頻譜方法僅僅是計算出了低分布，高權重的高斯，測量到的Rj就會偏小。

串擾帶來的抖動行為就屬于頻譜方法不能準確測量的類型。有些情況下，串擾帶來偽隨機抖動，這時的干擾源(Aggressor)和受干擾對象(Victim)是不相關的。在另外一些情況下，干擾源(Aggressor)是和受干擾對象(Victim)相關的，但是這時候的碼型一般特別長而且不重復的。 在這些情況下，抖動是偽隨機但是有界，導致頻譜方法會過高估計了抖動大小。

抖動分解

雙狄拉克(Dual-Dirac)模型對于評估串行數(shù)據(jù)鏈路長時間的誤碼性能是有效的，但是僅僅從Dj參數(shù)來確定固有抖動的根源是不夠的。抖動測量儀器對固有抖動的組成成分進行更詳細的分析以找出抖動的根源。圖4是一種典型的抖動分解樹，固有抖動包括數(shù)據(jù)相關性抖動DDj和非相關性抖動。數(shù)據(jù)相關性抖動DDj通常是由背板、電纜和連接器等組成的信道衰減和散射等引起的，而非相關性抖動則是從外部源如開關電源和串擾耦合到信號中的。

圖4 抖動分解樹

非相關性抖動常被稱做有界的非相關性抖動（BUj）。這種抖動通?？梢愿鶕?jù)頻譜中的頻率成分測量，它的分布是有界的，也就是說BUj的峰峰值范圍是限定在一定范圍以內，不會象高斯抖動那樣隨著觀察時間的增加而增加。有些有界抖動并沒有表現(xiàn)出離散的頻率成分，至少在測量到的時間范圍內它的表現(xiàn)形式是隨機的。這種抖動被定義為其它的有界不相關抖動（OBUj）。應該注意到一些抖動模型將Pj單獨作為一種類型而不是當作BUj的一部分，但是MJSQ[1]中將Pj當作BUj的一部分。不管BUj是否包括Pj，這并不影響抖動的整體分解結果，因為這只是一個詞意上的分歧。兩種情況下，Pj都是和數(shù)據(jù)碼型不相關的。