玻纤效应的时序偏差


 

随着比特率继续飙升,光纤编织效应时序偏移正成为一个越来越严重的问题。对于 5GB/s 及以上的信号传输速率,它实际上会毁了您的一天。例如,左图显示由于 12.7 英寸的纤维编织效果,5GB/s 的接收眼完全闭合。使用 Agilent ADS 软件进行建模和仿真。

那么,什么是纤维编织效应,我们为什么要关注它呢?嗯,当我们想要描述玻璃纤维增强介电基板在两条或多条相同长度的传输线之间导致时序偏移的情况时,它是常用的术语。由于 PCB 制造过程中使用的介电材料由编织成布并浸渍环氧树脂的玻璃纤维纱线制成,因此变得不均匀。

 

信号沿传输线传播的速度取决于周围材料的相对介电常数 (er) 或介电常数 (Dk)。Dk 越高,信号沿传输线传播的速度越慢。当一条迹线恰好在一束玻璃纱上排列了其长度的一部分时,如左图中的顶部迹线所示,与另一条相同长度的迹线(主要在树脂上排列)相比,传播延迟是不同的。这称为 timing 或 phase skew,是由于围绕相应走线的 delta Dk 造成的。

纤维编织效应是一个统计问题。PCB 设计具有长平行长度的布线,没有任何弯曲或点动,这种情况并不少见。在大型无源背板设计中尤其如此。因为 fiber weave pattern 往往与 x-y 轴平行,所以如果你构建了足够的 boards,任何以相同方式运行的 traces 最终都会遇到最坏情况的 timing skew 情况。英特尔在两年内汇编了 58,000 多次 TDR 和 TDT 测量数据后证明了这一点。2007 年,Jeff Loyer 等人发表了一篇 DesignCon 论文“纤维编织效应:实用影响分析和缓解策略”,他们在其中发布了数据并提出了减轻纤维编织偏斜影响的技术。他们从统计学上表明,最坏情况下的时序偏斜可能约为每英寸 16ps,表示 delta Dk 约为 0.8。

在高速差分信号中,这是一个问题,因为正 (D+) 和负 (D-) 数据之间的任何时序偏移都会将一些差分信号转换为公共信号分量。最终,这会导致接收器的眼闭,并导致 EMI 辐射。

您可以使用以下公式计算 timing skew:

 

哪里:

tskew = 由于光纤编织效应长度(秒)引起的总时序偏移

Dkmax= 以玻璃纤维为主的材料的介电常数。

Dkmin= 树脂为主的材料的介电常数。

c = 光速 = 2.998E+8 米/秒(1.18E+10 英寸/秒)

 

您可以用来估计 Dk 最小值和最大值的一种实用方法是研究 PCB 层压板供应商提供的材料特性。考虑现代 PCB 层压板结构中使用的两种极端样式的玻璃纤维布,如左图所示。松散编织图案 106 的树脂含量在所有最流行的编织中最高,而紧密编织图案 7628 的树脂含量最低。因此,您可以使用布料样式 106 和 7628 的指定 Dk 值来分别获得 Dkmin 和 Dkmax。一旦你有了这些并应用了容差,你就可以估计 t偏斜 

例:

假设 Fr4 材料;一英寸纤维编织效果;Dk106= 3.34(+/-0.05) 和 Dk7628= 3.97(+/-0.05),则时序偏移计算如下:

 

现代串行链路接口在一对等长传输线上使用差分信号,以实现两点之间的互连。在 2007 年 DesignCon 上由 Gustavo Blando 等人撰写的一篇论文“差分传输线中不对称引起的损耗”中,他们展示了正 (D+) 和负 (D-) 数据之间的对内时序偏斜如何由于时序引起的谐振而导致差分插入损耗曲线的增加。这些谐振在通道的差分插入损耗曲线中表现为下降,如下图所示:

 

该图显示了我最近对以 5GT/s 运行的 PCIe Gen2 通道进行的 ADS 模拟的结果。眼图位于大约 30 英寸的轨道长度芯片到芯片之后的接收器。通道模型已参数化,以允许根据需要调整纤维编织效果长度。

如您所见,当光纤编织效应引起的偏斜长度从 0 增加到 12.7 英寸时,差分插入损耗图中的基频零点会减小。这些零点出现在基频 (fo) 和每个奇次谐波处。

此外,眼睛在 5.6 英寸的纤维编织效果下表现出一些退化,并在 7.8 英寸后开始明显变形。在 12.7 英寸处,fo 等于数据速率的奈奎斯特频率(在本例中为 2.5GHz),并且眼图完全闭合。

您可以提前预测谐振频率,并在仿真和验证结果之前使用它来获得一些直觉。如果你知道总的 pairs 内 timing skew,fo 使用以下公式计算:

 

哪里:

Fo = 谐振频率

tskew = 总对内时序偏移

例:

使用我们上面计算的 tskew = 16 ps/in,并使用上图中最后一次仿真结果的 12.7 英寸,基本谐振频率零点为:

 

 

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.pswp.cn/bicheng/82779.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

异步上传石墨文件进度条前端展示记录(采用Redis中String数据结构实现)

事件起因是客户现场需要从石墨文档中获取文件信息,文件信息存在存在多个,进行批量上传。为了用户的友好型体验,需要做进行条展示的方式,具体实现见下文… 上传流程介绍 石墨文档支持从链接🔗方式获取文件信息&#xf…

3D建模的全景图谱:从55个工具到元宇宙的数字革命

3D建模已从专业工程师的工具箱演变为全民创作的数字语言。从代码驱动的精确建模到AI自动生成纹理,从开源协作到程序化生成城市,技术正重塑我们创造虚拟世界的方式。本文将系统解析55个核心3D建模工具/插件,涵盖在线编辑器、开源软件、程序化生…

jsrpc进阶模式 秒杀js前端逆向问题 burp联动进行爆破

案例演示 思路就是 这个 jsrpc远程加载加密函数的方法就是 在js代码中进行插入一个 远程加载的代码 从而实现 : 第一步还是使用 js_tools 进行 查找算法的位置 这个可以帮助我们找到明文>密文 加密算法函数的位置 因为这个需要我们进行js前端代码的修改 所以…

基于BERT-Prompt的领域句子向量训练方法

基于BERT-Prompt的领域句子向量训练方法 一、核心原理:基于BERT-Prompt的领域句子向量训练方法 论文提出一种结合提示学习(Prompt Learning)和BERT的领域句子向量训练方法,旨在解决装备保障领域文本的语义表示问题。核心原理如下: 以下通过具体例子解释传统词向量方法和…

Python PyMySQL

1.PyMySQL是什么 是Python操作mysql的一个包 2.PyMySQL使用基本步骤 2.1 创建连接 conn pymysql.connect(host10.248.53.148,password123456,port3306,userroot,databasetest_database,charsetutf8)2.2 游标 2.2.1 什么是游标 游标实际上是一种能从包括多条数据记录的结果…

OC—UI学习-1

OC—UI学习 UILabel UILabel是UIKit框架中的一个类Label主要参数 text:文本frame:位置框架backgroundcolor:背景颜色textAlignment:设置文本在Label中的位置textColor:文本颜色shadowColor:阴影颜色shado…

【应用密码学】实验七 Hash函数——SM3

一、实验要求与目的 理解哈希函数的基本原理及在密码学中的应用;掌握国密哈希标准 SM3 的算法结构;编程实现 SM3 摘要算法,包括消息填充、消息扩展、压缩函数及摘要输出;对中间变量 W、W′ 和 A~H 的迭代过程进行可视化&#xff…

进行性核上性麻痹护理之道:助力患者舒适生活

进行性核上性麻痹是一种缓慢进展的神经退行性疾病,主要影响患者的运动、语言和吞咽功能,给日常生活带来诸多不便。除了遵医嘱接受药物或物理治疗,科学的健康护理对延缓病情发展、提升生活质量尤为重要。 运动康复是护理的关键环节。由于患者常…

5G 核心网中 NRF 网元的功能、接口及参数详解

引言 在 5G 核心网的架构体系里,网络存储功能(Network Repository Function,NRF)占据着关键地位,承担着核心网网络功能(Network Function,NF)的注册、发现以及服务管理等重要任务,为整个 5G 网络的高效稳定运行提供了坚实支撑。接下来,让我们深入剖析 NRF 网元在注册…

HUAWEI交换机配置镜像口验证(eNSP)

技术术语: 流量观察口:就是我们常说的镜像口,被观察的流量的引流目的端口 流量源端口:企业生产端口,作为观察口观察对象。 命令介绍: [核心交换机]observe-port [观察端口ID或编号(数字&am…

Spring AI Alibaba 发布企业级 MCP 分布式部署方案

作者: 影子,刘宏宇,刘军 Spring AI 通过集成 MCP 官方的 java sdk,让 Spring Boot 开发者可以非常方便的开发自己的 MCP 服务,把自己企业内部的业务系统通过标准 MCP 形式发布为 AI Agent 能够接入的工具;…

Redis实战-缓存篇(万字总结)

前言: 今天结合黑马点评这个项目,讲下有关Redis缓存的一些内容,例如缓存更新策略,缓存穿透,雪崩和击穿等。 今日所学: 什么是缓存缓存更新策略缓存穿透缓存雪崩缓存击穿缓存工具封存 目录 1.什么是缓存…

openFuyao开源发布,建设多样化算力集群开源软件生态

openFuyao 开源发布 随着 AI 技术的高速发展,算力需求呈爆发式增长,集群已成为主流生产方式。然而,当前集群软件生态发展滞后于硬件系统,面临多样化算力调度困难、超大规模集群软件支撑不足等挑战。这些问题的根源在于集群生产的…

深入理解 Redis 哨兵模式

Redis 哨兵模式深度解析:从原理到实践的全流程指南 在分布式系统架构中,Redis 作为高性能的内存数据库,其哨兵模式(Sentinel)是保障服务高可用性的核心方案。本文将从基础概念、运行机制出发,结合具体配置…

HackMyVM-Find

信息搜集 主机发现 ┌──(root㉿kali)-[~] └─# arp-scan -l Interface: eth0, type: EN10MB, MAC: 00:0c:29:39:60:4c, IPv4: 192.168.43.126 Starting arp-scan 1.10.0 with 256 hosts (https://github.com/royhills/arp-scan) 192.168.43.1 c6:45:66:05:91:88 …

2025年渗透测试面试题总结-匿名[校招]安全服务工程师(题目+回答)

安全领域各种资源,学习文档,以及工具分享、前沿信息分享、POC、EXP分享。不定期分享各种好玩的项目及好用的工具,欢迎关注。 目录 匿名[校招]安全服务工程师 一面问题与完整回答 1. 学校、专业、成绩与排名 2. 学习安全时长 3. 当前学习…

TopCode之手撕快排

题目链接 912. 排序数组 - 力扣&#xff08;LeetCode&#xff09; 题目解析 算法原理 使用数组分三块的思想 i用来遍历整个数组 left用来标记<key的边界 right用来标记>key的边界 然后i进行遍历,数组就分成了四块 [l,left]<key [left1,i-1]key [i,right-1]未…

bi软件是什么?bi软件是做什么用的?

目录 一、BI 软件是什么 1. 基本概念 2. 工作原理 二、BI 软件是做什么用的&#xff1f; 1. 精准洞察市场趋势 2. 优化企业战略规划 3. 辅助投资决策 三、如何选择合适的 BI 软件 1.功能匹配度 2.易用性和可扩展性 3.数据安全和稳定性 4.技术支持和服务 总结 生产…

11.14 LangGraph检查点系统实战:AI Agent会话恢复率提升287%的企业级方案

使用 LangGraph 构建生产级 AI Agent:LangGraph 持久化与记忆的"检查点系统的实现" 关键词:LangGraph 检查点系统,多回合记忆,状态持久化,会话恢复,AI Agent 容错机制 1. 检查点系统的核心价值 在复杂对话场景中,AI Agent 需要处理长达数十轮甚至数百轮的交…

鸿蒙完整项目-仿盒马App(一)首页静态页面

跟着鸿蒙小林博主&#xff0c;练习下项目~记录下首页的搭建,后续继续完善和整体项目完成会进行布局修改&#xff0c;先按照博主的跟做&#xff0c;后续在改 1.分为底部整体框架搭建 2.首页布局&#xff08;顶部搜索、新人专享、金刚区&#xff08;两个不同集合数据&#xff09…