CST软件眼图工具Eye Diagram Tools (中)--- Classical流程

距离上次眼图介绍快两年了,由于上期已经将重点推荐的方法(statistical流程)介绍了,所以一直没急着涉及这个话题。

仿真实例011:眼图工具Eye Diagram Tools(上)

先总结一下之前介绍过的内容,首先眼图工具的4个位置:

1. 3D界面后处理:

2. 3D界面后处理模板:

3.     电路界面后处理:

生成后处理任务

4.     电路界面后处理任务:

3D中的两个眼图工具进入方法等效,但不常用,因为3D往往用于计算S参数,所以眼图工具中往往只能选择通过S参数计算;电路中的两个眼图工具进入方法也是等效,更常用,因为电路可以加阶梯信号激励,由于眼图是时域的KPI,通过时域信号获取眼图比通过S参数要合理合法。

那么本期要演示什么功能呢?上期介绍的是推荐的statistical模式计算,其实还有个classical:

这个classical和另一个后处理模板Eye Diagram – Wrap Time Signal to Eye Diagram道理是一样的,就是最传统最原始的眼图获取方法 --- 数字信号直接叠加。

那么是什么样的数字信号呢?当然是多个随机的0和1,常用的就是PRBS,也可以是真随机和K28.5:

那么多少个0和1合适呢?这个就是Classical方法的局限:多少0和1都不够。想象一下,假如误码率BER为10^-8,难道我们需要仿真上亿个0和1吗?这辈子不用干别的了,比挖矿还费劲。

我们用自带案例,差分过孔线来演示,里面的classical眼图都已经设置好:

先查看模型,用的是波导端口,multipin强制计算共模和差模。

可隐藏介质只看金属:

仿真带宽很重要,这个决定我们能看的信号最高速度。

正常仿真获得S参数:

前往电路,每个端口都加了一个1000mil的理想传输线,还有两个探针,P1和P2。

再看transient任务,用的是PRBS信号单端激励,所以可推测该案例的眼图就是Classical计算方法。这里并没有看差模或串扰的问题,只是演示Classical和PRBS组合获取眼图的方法。

可见一个0或1的时长是0.5ns。查看任务仿真时长,64ns,所以仿了128个bit。

单端发射信号:

单端接收信号:

然后我们看看后处理的眼图,这里用的并不是眼图工具的Classical,而是直接wrap time时间折叠。Twrap就是一个0加一个1的时间,1ns。两个后处理分别处理P1和P2的信号,分别获得眼图:

可见理想的PRBS叠加出来的眼图一定是方方正正的,上升下降都是我们自己定义的,这个结果没太大意义。

输出的眼图能看点东西,但是128的样本数量十分有限。Classical的结果推荐只看采样点:

下面我们用眼图工具中的Classical验证一下。添加一个新的Transient任务,必须用step(pulse)表征信道,不可以用PRBS:

仿真时间可大幅缩短,不需要64ns,只需要阶梯响应稳定就好,这里我们2ns就够:

添加眼图后处理到Tran1任务中:

这里Channel要选Tran1任务的P2,UI是0.5ns,N=7保持一致:

可见这个方法得到的眼图和刚才wrap多个0和1得到的眼图非常接近,而这个方法的仿真时间非常短,并且能获得更多信息,眼高眼宽,瀑布图,眼图详细属性等等:

如果仔细和刚才wrap的眼图相比,细节上还是有一点差异,这是因为两次任务获得的上升沿不完全一样,这就是不同vector fitting的结果。甚至由于网格,材料,采样等等因素没有收敛性分析,真正符合物理性的上升沿可能和这两个结果差别更大。

如果我们点击三维模块,将其S参数的宏建模从默认改成IDEM工具:

可在IDEM中查看无源性和因果性,可见该S参数质量不完美:

生成宏模型后可一键导入刚才电路中:

然后就回到电路界面了:

接下来正常操作,更新两个Transient任务,得到的上升沿就一致了,因为用的一个宏模型。然后两个classical眼图后处理的结果基本一样了。

小结:

1.     眼图计算分三大类,Classical传统方法,Statistical统计法,和Worst Case最差情况。主要推荐的是Statistical统计法+阶梯信号Step response。

2.     本期介绍的两个方法都属于Classical传统方法,一个是仿真多bit的PRBS信号,再用wrap time后处理叠加;另一个是仿真单bit的step响应,再用眼图工具的Classical后处理叠加,后者更快。

3.     本期用的Transient任务都不是真瞬态仿真,所以用到了vector fitting宏模型的概念,简单介绍了如何直接调用IDEM,分析S参数质量和等效电路生成;这里没有对频域结果的精确度分析。

4.     真瞬态仿真得到眼图也是很推荐。总之,无论什么方法,都是需要先获得接收处的时域信号响应结果,眼图都只是后处理。

【相关内容】
如何使用CST软件的敏感度分析 sensitivity analysis --- 腔体E求解器

如何查看CST的版本和版本兼容性问题

CST软件QFN封装仿真 --- S参数,3D bond wire铜线,T和F效率对比

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.mzph.cn/diannao/26319.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

容器:现代计算的基础设施

人不走空 🌈个人主页:人不走空 💖系列专栏:算法专题 ⏰诗词歌赋:斯是陋室,惟吾德馨 目录 🌈个人主页:人不走空 💖系列专栏:算法专题 ⏰诗词歌…

Jmeter函数二次开发说明

jmeter 二次开发使用 jmeter二次开发实现方法 使用maven依賴进行开发 导入jmeter的maven依赖&#xff0c;需要和你使用的jmeter版本一致。 <!-- https://mvnrepository.com/artifact/org.apache.jmeter/ApacheJMeter_core --> <dependency><groupId>org.ap…

uniapp,微信小程序,在map组件外与中的代码区别

需求&#xff1a;整屏地图&#xff0c;需要在地图上方编写筛选条件&#xff0c;地图中标注经纬度定位与自定义样式 次情形仅用于微信小程序&#xff0c;其他的没去验证过 1&#xff0c;在地图上方编写赛选条件&#xff0c;及其他&#xff0c;不需要根据地图经纬度进行定位&…

大模型初学者怎么入门大语言模型(LLM)?

前言 在当今的科技浪潮中&#xff0c;人工智能&#xff08;AI&#xff09;和机器学习技术已经取得了长足的进步&#xff0c;其中大模型的发展尤为引人注目。大模型&#xff0c;通常指的是拥有海量参数、能够处理复杂任务的深度学习模型&#xff0c;如自然语言处理&#xff08;…

将字符串转换为Python数据类型

ast.literal_eval() 用于将字符串转换为Python数据类型&#xff0c;如列表、字典等&#xff0c;是安全且有限制的。 eval() 可以执行任意的Python代码&#xff0c;但存在安全风险&#xff0c;应避免使用。 json.loads() 用于将JSON字符串转换为Python对象&#xff0c;如字典…

RT-DETR 详解之 Uncertainty-minimal Query Selection

引言 在上一章博客中博主已经完成查询去噪向量构造部分的讲解&#xff08;DeNoise&#xff09;在本篇博客中&#xff0c;我们将进行Uncertainty-minimal Query Selection创新点的讲解。 Uncertainty-minimal Query Selection是RT-DETR提出的第二个创新点&#xff0c;其作用是…

UE5 Sequencer 使用指导 - 学习笔记

https://www.bilibili.com/video/BV1jG411L7r7/?spm_id_from333.337.search-card.all.click&vd_source707ec8983cc32e6e065d5496a7f79ee6 Sequencer 01 1.1 调整视口 调整窗口数量 调整视口类型为Cinematic视口 视口显示网格&#xff0c;或者条件参考线 1.2 关卡动画与…

bexcel

import requests from lxml import etree from time import sleep import numpy as np from openpyxl import Workbook # 进行UA伪装 headers {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.3…

QT QString字符串去除空白方法

空白包括 \t’, ‘\n’, ‘\v’, ‘\f’, ‘\r’, ’ ’ 1.去除字符串前面的空格 QString str1 " 1 2 3 "; str1.remove(QRegExp("^ \\s*")); //结果&#xff1a;“1 2 3”2.去除字符串后面的空格 QString str2 " 4 5 6 ";str2.remove(QRegE…

架构设计-用户信息及用户相关的密码信息设计

将用户的基本信息和用户密码存放在不同的数据库表中是一种常见的安全做法&#xff0c;这种做法旨在增强数据的安全性和管理的灵活性。以下是这种做法的几个关键原因&#xff1a; 安全性增强&#xff1a; 当用户密码被单独存放在一个表中时&#xff0c;可以使用更强大的加密和哈…

计算机毕业设计 | SpringBoot+vue的教务管理系统

1&#xff0c;绪论 1.1 项目背景 在这个资讯高度发展的时代&#xff0c;资讯管理变革已经是一个更为宽泛、更为全面的潮流。为了保证中国的可持续发展&#xff0c;随着信息化技术的不断进步&#xff0c;教务管理体系也在不断完善。与此同时&#xff0c;伴随着信息化的飞速发展…

Android:UI:Drawable:View/ImageView与Drawable

文章目录 在View/ImageVIew中显示DrawableDrawable对View的更新操作在View/ImageVIew中显示Drawable API View.setBackground(Drawable) ImageView.setImagDrawable(Drawable) 源码分析 View.mBackground在View.draw(Canvas)中绘制,调用Drawable.draw(Canvas) ImageView.m…

Hexapod C-887 使用手册 -- 1

最近要做PI C-887的集成控制&#xff0c;先把使用手册看一便&#xff0c;在此记录阅读进度。 本人微信号&#xff0c;如果有项目合作&#xff0c;可以加本人微信。 1 有关此文档 在本章中 本用户手册的目标和目标群体 符号和打印规则 图 术语的定义 其它适用文件 下载手…

Python GUI 库跨平台兼容问题及解决方案

在选择 Python GUI 库时&#xff0c;跨平台兼容性是一个重要的考虑因素。不同的 GUI 库可能在不同的操作系统上表现不同&#xff0c;因此需要选择一个能够在多个平台上运行良好的库。如果我们遇到下面的问题&#xff0c;可以尝试下我整理的方法。 1、问题背景 Python 作为一门…

基于【Lama Cleaner】一键秒去水印,轻松移除不想要的内容!

一、项目背景 革命性的AI图像编辑技术,让您的图片焕然一新!无论水印、logo、不想要的人物或物体,都能被神奇地移除,只留下纯净的画面。操作简单,效果出众,给你全新的视觉体验。开启图像编辑新纪元,尽在掌控! 利用去水印开源工具Lama Cleaner对照片中"杂质"进行去除…

【Vue】获取模块内的actions方法

目标&#xff1a; 掌握模块中 action 的调用语法 (同理 - 直接类比 mutation 即可) 注意&#xff1a; 默认模块中的 mutation 和 actions 会被挂载到全局&#xff0c;需要开启命名空间&#xff0c;才会挂载到子模块。 调用语法&#xff1a; 直接通过 store 调用 $store.di…

【Go语言】面向对象编程(一):类的定义、初始化和成员方法

面向对象编程&#xff08;一&#xff09;&#xff1a;类的定义、初始化和成员方法 1 类的定义和初始化 Go 语言的面向对象编程没有 class 、 extends 、implements 之类的关键字和相应的概念&#xff0c;而是借助结构体来实现类的声明&#xff0c;如下是定义一个学生类的方法…

Virtual Memory Primitives for User Program翻译

Virtual Memory Primitives for User Program 安德鲁阿普尔&#xff08;Andrew Appel&#xff09;和李凯&#xff08;Kai Li&#xff09; 普林斯顿大学计算机科学系 摘要 传统上&#xff0c;内存管理单元&#xff08;MMUS&#xff09;被操作系统用于实现磁盘分页的虚拟内存…

Element ui 快速入门

Element UI 是一套基于 Vue.js 的桌面端组件库&#xff0c;它提供了一系列易用、美观、高度可定制的组件&#xff0c;可以帮助开发者快速构建出优秀的用户界面。 以下是 Element UI 的快速入门步骤&#xff1a; 安装 Element UI&#xff1a;在项目中使用 npm 或者 yarn 安装 …