新年祝福词,每天学习一点:电源散布网络中的因果关系问题,寒武再临

在电源灵敏的并行总线仿真中,信号走线和电源走线的S参数被一同提取。在没有因果关系(causality )的状况下提取信号特征在文献中是众所周知的。但是,提取电源参数是有因果关系的,而且提取信号参数也是有因果关系的,因而这是一项具有应战性的使命,由于信号和电源具有不同的参阅阻抗。

非因果电源运送新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临网络(PDN,power delivery network)或许在瞬态模仿期间导致不正确的电源纹波电压和不正确的信号摆幅。这导致信号完整性(SI)工程师过错地规划PDN,这对产品具有本钱影响以及规划周期影响。

本文是电源灵敏的SI模仿中PDN中因果关系问题的事例研讨。由于电源灵敏的IO缓冲模型(如IBIS 5.0)在模仿中非常常用,因而封装和电路板信号的电源参数提取(S参数)正成为一项应战性的作业。电源完整性查看(直流下降或沟通阻抗剖析)将保证PDN对IC罗致电流供给低阻抗,以保证纹波电压得到操控。本文讨找一夜情论了PDN的因果关系以及假如在弹弓P海融易官网DN上没有对封装或单板进行因果关系查看对规划的影响。

具有多个参阅阻抗的合S参数已成为PCB走线平和面的SI-PI协同仿真建模的默许规范,由于它们准确地捕获比如串扰,反射和损耗之类的非抱负特性。例如,在处理信号的S新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临参数时捕获体系中的谐振行为,而且在运用Z参数(从S参数转化)时简单看到阻抗行为。尽管运用S参数进行SI-PI协同剖析有许多长处,但在时域仿真中运用它们存在一些问题。

假定傅立叶改换是从频域到时域的准确转化方法。假如S参数是接连的而且跨过一切频率,那将是实在的;不幸的是,这不是实际国际的状况。实际国际的S参数是带宽受限和采样的,因而转化到时域将导致非因果信号。

吉布斯效应(Gibbs Phenomenon)是一种众所周知的效应,其导致非因果时域信号而且是由于S参数数据集的有限带宽所引起的。下面的图1说明晰这样的状况。

图1、(a)带宽受限导致的PCB走线损耗(b)相应的冲击呼应

因果关系(Causalitycar,因果律)

因果关系(Causality,因果律)是体系仅在收到鼓励之后才发生呼应的特点

鼓励但不会提早呼应。这项作业的意图是了解在S参数提取期间如安在功率灵敏的瞬态仿真中提取信号以及对PDN的影响时,PDN网络中是否会出现因果关系违规。

要了解因果关系违规,咱们需求将它们分为数值和非物理组件。吉布斯效应(Gibbs Phenomenon)是数值非因果关系的一个比如。数值非因果性是由两个独立的特点引起的:

1.实在国际的S参数是带宽受限的,即不是无穷大带宽的。

2.实在国际S参数是一个采样数据集,即它是不接连的;它是一个离散化的数据集。

例如,非物理组件可所以PCB走线的全波模仿,其运用可导致因果关系违规的非物理电介质模型。

为模仿信号,仿真东西无法运用无限接连信号木蓕;因而,无限信号有必要离散化。信号的时域和频域标明经过离散傅立叶改换(DFT)链接。假如这样做不细心的话,则会引进非因果关系效应。

图2比较了无限接连信号的冲击呼应和带宽受限离散信号的冲击呼应。

图2、无限接连信号的冲击呼应和带宽受限离散信号的冲击呼应

提取因果S参数模型

S参数数据的频率步长/距离能够影响数据的因果关系:频率距离越近,S参数模型越好。最大可接受频率距离由所表征的网新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临络的推迟和上升/下降时刻确认。

S参数数据的最大频率能够影响数据的因果关系。更高的最大频率一般会更好。使数据超出与体系带宽相关的最高频率就足够了。

重要的是要保证频率扫描从0Hz开端,这是因果关系的性质(与IFFT要求相关),一个真实的DC点所要求的。

封装和电路板的PDN一般建模为DC至1GHz(芯片电容超越1GHz),参阅阻抗为0.1欧姆。信号的建模根据它们的上升/下降时刻和从DC开端的数据速率,参阅阻抗为50欧姆。当信号和电源一同被提取时,Fmax由高速并行总线接口的信号Fmax决议。

与信号比较,遵从与频率步长相同的PDN(推迟核算)规则是有点扎手的,由于与1GHz以上的频率比较,PDN需求更多的样本高达1GHz。这保证捕获共振(高阻抗),而且PDN模型是因果关系。与高频比较,这导致低频的步进不均匀。运用行业规范模仿工地铁歪头美人具或Polar图轨道验证PDN的因果关系非常重要。

经过在时刻等于推迟到零之前设置一切样本,能够使时域呼应彻底成因果。下面的图3显现了具有和不具有非因河津天气预报果部分的时域呼应。 (非因果部分能量简直彻底取决于频率距离,对最大频率不灵敏。)

图3、具有和不具有非因果部分的时域呼应

级联因果通道模型(Cascad新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临ing Causal Channel Models

在DDR4或Flash接口等电源灵敏并行总线仿真中乾佑元宝,操控器封装S参数(Touchstone 2.0版别)与单板(Bo我和校花ard) S参数以及存储器封装S参数级联,如图4所示。保证每个S参数等你的星光都是因果关系还不行,由于时域呼应依然可所以非因果的。

主张运用彻底相同的提取设置级联通道模型,优先级如下:

  • 相同的最大频率Fmax
  • 相同频率步长
  • 整数Fmax,即无非整数Fmax。
  • Fma剑巫纪x应该是步长的整数倍。 这答应简单从头插值。

在级联多通道模型的一起,从头刺进到公共步长然后在时域中揣度为常见的Fmax具有应战,这是与因果关系问题相关的很多应战之一。

图4、级联因果通道模型(Cascading Causal Channel Models)

PDN因果关系对时域模仿的影响

前面的部分展现了怎么提取因果模型以及级联多个因果通道模型中的应战。本节将具体介绍PDN非因果关系对时域电源动摇的影响。

如图4所示的瞬态仿真设置是DDR4 1600MTps 8位宽PRBS7,具有50ps上升时刻数据总线以及差分DQS(数据选火力少年王通)从操控器(IBIS 5.0)流向操控器封装(Touchstone 2.0)到电路板(Touchstone 2.0) )到内存包(T三国小说ouchstone 2.0)到内存(IBIS 5.0)的级新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临联图。请留意,操控器和新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临存储器的片上去帽不被视为模仿设置的一部分,以便捕获PDN因果关系的最小影响。

在此设置中,操控器包和板S参数提取由用户操控,而存储器包由存储器供货商供给(其被验证为因果模型)。

作为事例研讨,生成两个S参数模型;其间一个有PDN因果关系,另一个有PDN非因果关系。留意,信号提取依然是因果关系,只要PDN被改动。运用非因果关系作为数学人工产品(提取设置)来生成非因果和因果模型。 PDN的IO电源轨引进了非因果关系新年祝愿词,每天学习一点:电源分布网络中的因果关系问题,寒武再临,它衔接操控器电源IO引脚和存储器电源IO引脚。

图5显现了在IO PDN状况下因果(赤色波形)和非因果(蓝色轮子功波形)的READ业务期间操控器IO电源轨上的纹波电压的比较。

请留意,纹波波形在形状方面是相同的,但与因果状况比较,非因果关系的起伏略低。

图5、PDN IO的因果和非因果仿真嗯啊唔模型成果

图6显现了在针对IO PDN状况的因果(赤色波形)和非因果(蓝色波形)的WRITE(写入)babyface酒吧业务期间操控器IO电源轨上的纹波本田翼电压的比较。

请留意,纹波波形在形状方面基底细m站同,但与因果状况比较,非因果关系的起伏略低。

图6、写入事情期间PDN IO的因果和非因果仿真模型成果

定论

该研讨专门针对PDN的因果关系。研讨标明怎么生成因果模型,因果模型级联问题以及非因果性PDN对瞬态模仿的影响。非因果PDN导致不正确的电源纹波电压。作为一阶效应,不正确的电源纹波电压将导致信号波形上的眼图高度不正确。

在持续规划之前,确认PDN因果关系至关重要。假如不进行因果关系查看,则模仿或许存在缺点。因果关系履行技能能够应用于数字非因果关系,但它们一般会在S参数中引进不需求的过错。这种强制履行的成果或许并不牢靠,包含大多数商业东西清晰或隐含地履行的出名的合理拟合进程。

  • 最新留言