图 1：通过向上积分正眼密度 (a) 和向下积分负眼密度 (b)，可得到BER 的正分支 (c) 和负分支 (d)。组合眼 (e) 和组合 BER (f)。

 

本篇白皮书，我们将比较两种将眼图结构分别视为时序不确定性或垂直不确定性的方法。我们将证明，即使眼图处于关闭状态，也只有第二种视角能够准确地评估 BER。根据 BER 的定义可以推知，正确的 BER 评估应该以此为基础：依据各自的独立积分，分别考虑眼图的两个部分。基于对 BER 的这一认知，尽管抖动引发的垂直噪声与信号 ISI 之间存在关联，但仍可以采用与后者相同的方法来考虑前者。

以此观点为基础，我们提出了一种综合考虑 Tx 抖动和 ISI 效应的统计仿真方法。我们将使用概率群分布函数 (PMF) 来表示 ISI 和抖动的贡献，从而让算法变得简单而且直观。我们还会基于建议的方法解释一些相关的效应，例如抖动会随着输入码型的 PRBS 序列的增加而增大。

 

点击这里，下载完整白皮书！

 

#设计  #Design  #测试与检验  #Mentor  #白皮书  #免费下载  #抖动 — 噪声二元性  #眼图  #剖析