眼图分析学习

引用一句考研人常说的话，

“我不得不考虑，这会不会是我此生最后的机会”

聊以自勉

关于眼图分析的学习

这里不打保票一定能看完就自己一定会，因为可能有一些我当作前提的知识储备（并且在下文中未提及）对读者来说是未知的，但是，看完以后，大概率可以掌握一些操作的（坚决和水文划清界限，每次看到水文都觉得这不是欺负老实人吗-_-）

我们分成理论和仿真操作两个部分

1、先讲仿真操作，我们怎么折腾出一个眼图：

因为没有相关资料所以大多自己摸索（俺没找到，有好兄弟知道的话，还望告知一声）

三种主要（或者说俺只找到三种自己大概能理解的）折腾出眼图方法（transient 、 quickeye、 verifyeye）

一切操作基于Ansys全家桶实现（国外垄断真可怕），首先利用HFSS搭建特定结构并进行全波仿真（HFSS基于FEM数值方法），得到频域电磁参数。接着在Ansys circuit中将在HFSS中仿真的结构导出为一个器件（文件类型是s2p文件吗，大概是，没找到文件后缀），具体操作如下图

按上图操作点击“Add HFSS Link”进入下面界面，选择需要导入的HFSS模型（选择sweep类型，lastadaptive那个俺暂时没搞懂是啥）

然后会导出一个器件，接下来就是电路上各种器件互连了。

眼图分析，可以用差分Eye_Source或者普通Eye_Source，然后在我们感兴趣的某个输出侧加上Eye_Probe，类似下图这样

其中Eye_Source和Eye_Probe在ansys circuit的library里对应的是下图从上往下数第三个和最后一个，第七个差分eye_source是指是指“幅值”是1和-1的情况，用这个源的例子在网上倒是很容易找到，就不再专门提了。

电路连接完成后，设置Analysis Setup

选择 quickeye 或 verifyeye 或transient ，后者是统计方法得到的眼图，里面的time_delay可以按默认，如果不想整幺蛾子先看个大概眼图的话设置成0也可。

然后进行Analys all

仿真完成后，选择result中“Create eyediagram plot”，那个“rectangle plot”输出的是单位间隔和误码率之间的关系，最终可视化结果就是下图了

说下transient、quickeye、verifyeye这几仿真得到的眼图的区别

1. transient——>使用transient仿真对应的就是传统得到眼图的方法，利用一连串bit序列经过信道（就是我们的结构、电路）后，得到一长串位的瞬态波形，将这些瞬态波形切割成各个特定区域然后位移叠加，生成眼图（后半句是眼图生成的普遍操作），耗时最长
2. quickeye——>而quickeye使用的是统计的方法，并且基于LTI假设，利用脉冲响应的叠加得到眼图
3. verifyeye——>verifyeye和quickeye类似，也是基于统计的方法，用到了累计分布函数CDF（概率密度函数PDF积分得到），还有就是verifyeye利用的是边沿响应叠加（这个方法在quickeye后面提的，似乎是考虑到边沿函数响应比脉冲函数响应得到的更容易些）

除了眼图，还能折腾出什么图吗？

有的，在眼图中虽然可以看出误码率相关的参数内容，但是一般不是很直接，所以，有专门的图（眼图的衍生）用来表征误码率
包括Bath_tub和contour_plot

1. Bath_tub表示的是误码率浴盆曲线（名字很奇怪，直译的），根据横轴的物理含义分别有幅度噪声对应的误码率曲线（横轴是幅值电压的噪声，纵轴是误码率）和时序抖动对应的误码率曲线（横轴是“时间误差”，纵轴是误码率；时间误差说法不是很准确，但是大差不差）
2. contour_plot表示的误码率等高线，就是将幅值抖动和时序抖动对误码率的影响整合到一起，形成若干等高线。

这两个都可以利用verifyeye得到，其实利用其他两个也能差不多得到，但是这两个图和verifyeye相关度更高点，实现verifyeye的CDF函数的形状就和Bath_tub一样，CDF可以认为是采样点在UI（单位间隔时间，不准确地讲认为周期也行）内移动导致的采样错误的概率，刚好和时序抖动对应的误码率曲线对应上。

这个是整体的眼图怎么折腾出来的过程，一些精细化的操作俺后面再加。

2、理论分析，有了眼图后我们怎么分析它

再怎么说那我们也得先知道这玩意怎么来的吧。

之前在网上找眼图分析方法，他们倒是直接，说眼图中每个地方对应什么什么，含义什么什么，也不给怎么改进，对应措施是啥，这些含义之所以这么定义的原因也不说，跟个无根浮萍一样。就给人看这么点东西，俺很难帮你做事啊~（最后一句玩笑）

不过如果读者喜欢那种逻辑模式的话，俺给推荐篇论文，内容不多，讲的很精炼，大概地看一下就差不多能知道（这不比那些什么水文、视频来的实在，嘿嘿）

论文题目：Analyzing Signals Using the Eye Diagram
网址：https://www.highfrequencyelectronics.com/Nov05/HFE1105_Tutorial.pdf
个人建议：不是很推荐，俺看完不是很能搭起完整逻辑

回归正题，我们讲下transient、quick、verify的眼图怎么来的
transient就是最传统得到眼图的方法，没有任何技术性（相对quick、verify来说，本身这个方法提出还是有技术性的），就是让电路反复运行，接收来自bit序列然后得到结果，再将整个结果序列切割成一个个长度为UI的片段，再位移到一个UI上，拼成一个眼图。
类似的英文表述是这样的（参加某个宣讲会上的PPT上截下来的）：One can generate a diagram using transient simulation: the transient waveform for a long sequence of bits is simply shifted and overlaid.

然后针对上面这个方法存在的种种弊端（这个码字稍微有点长，就不打了，可以自己搜下，或者评论区/私信和俺讨论下，俺也想进步,希望给个机会 orz ），有人提出了后面普遍使用的统计上的方法、峰值失真分析方法PDA（peak distorn analysis）等方法，顺便一提，后者很多场合上用于生成最坏情况的眼图，然后它相对传统眼图也可以更好地观察误码率啥的。

没具体展开统计的方法，是因为统计的方法有很多（因为这里面有很多可研究的点，很多学者在做，论文很多），Ansys用到这个虽然具有代表性但不是普遍的，可能其他的仿真软件啥的、其他应用中是基于别的统计方法，不再多赘述，因为关于这个论文太多了-_-。

俺们主要讲Ansys的这两个统计方法，emm，换句话说Ansys中的quickeye、verifyeye的眼图怎么来的（因为俺目前主要就用Ansys大礼包-_-）

说实话这两个方法我不是很懂，只能边总结边学了，如果有大佬会的话，希望不吝赐教，多谢。

QuickEye眼图对应方法：Pulse-based Statistical Approach

quick分析使用的是一种成为 “Pulse-based Statistical Approach”的方法得到眼图。这个方法是工业界提出的，强调的是效率和可接受范围的准确性，所以俺看的挺头大的。先来一张图看下它的整体过程。

这方法最开始的目的并非是产生眼图（俺先入为主了导致前期陷入精神内耗-_-）而是为了更好求解误码率的。我们接收来自发射机（FIR滤波器可以先暂时不理，当做发射机的一部分）、接收机、信道、均衡器的频率效应、S参数（S参数其实也算频率响应），将这几个部分整合成同一个系统响应（把这个系统成为一个总的信道），表现形式为将各个部分的S参数映射成一组总的S参数。然后计算总的信道的Pulse Response（这个后面讲）。

信道的脉冲响应可以理解为 NRZ 脉冲通过信道传输时产生的信号Tx(t)，这个具体数学表达形式建议自己搜一下，整体信道的Pulse Response 的表达式就可以用下图表示了

OK，这些就是上面这些图的过程，上面的这些图是整体过程的一部分，包含在下图左边

右边的流程就是具体折腾pulse_response了（不准确，但是先这么理解），我们在定量化ISI码间串扰的时候，会基于最大幅值采样点（英文里叫cursor，通信原理里怎么称呼俺忘了，先这么讲吧）将相对位置在最大幅值采样点左侧的采样点作为pre-cursor,右侧的采样点定义为post-cursor，然后断定ISI的产生是是由pre/post-cursor的加权和导致的。这里进一步，将这些随机变量用一个概率密度函数表示，emm，也叫CDF，但是这里称呼为Conditional Probability Distribution Function。（因为参阅了多本资料，暂时没法给讲死是不是和上面提到的CDF一样，不过俺觉着应该不是，这里的应该是用来表征辐值波动的），下图是个例子，左侧的信号离散化采样，存在一个pre-cursor，两个post-cursor；右侧的是CDF。

根据CDF，可以计算ISI了，但这不是我们重点，所以省略。同样根据ISI我们也可以得到误码率（通信原理内容），也可以不通过ISI直接得到误码率（这里俺连同那个Average Conditional PDF都省略了，脑子有点大，先偷下懒，以后补上）

OK，同样的道理，针对时间域（采样位置），我们也有类似的PDF函数，根据这两个，我们可以计算误码率和时间、辐值噪声之间的关系了，

而这个关系，和我们在仿真的时候提到的Bath_tub、contour_plot概念刚好对应，上图D得到的就是Bath_tub曲线（终于和仿真对应上了，唉--），而如果同时考虑辐值和时间抖动，就能得到contour_plot（俺似乎忘记讲Bath_tub、和contour_plot是怎么生成的了，下一篇补上）。根据Bath_tub，我们可以进一步画出眼图，这里有点不确定，但是在LTI情况眼图、bath_tub、contour_plot这仨应该可以互推，就像下图这样？后面再确认吧，累了--。总之，QuickEye的眼图就是这样得到了

呼~，到这里我们总算是讲完QuickEye的眼图怎么来的了（相比transient似乎用不到“输入信号”，虽然说法不是很准确，嘿嘿），接下来还有VerifyEye的眼图怎么来的，这个也搞完以后还有我们怎么分析眼图,一篇文章看来是没办法了，留到下一篇吧。

PS：其实俺省略了一些细节，PDF到误码率或者ISI的计算过程、这个计算过程怎么转换成卷积操作以减少计算复杂度等等，这些读者如果感兴趣的话可以自己搜索一下。

VerifyEye眼图对应方法：Edge-Based Statistical Approach

放到下篇，谢谢。