第1章信号完整性基础

1. 信号完整性基础：SerDes系统概述、信道损耗与码间干扰(ISI)、眼图与浴盆曲线基础

1.1 SerDes系统——到底在干什么？

说实话，我第一次接触SerDes的时候，觉得这玩意儿挺玄乎的。说白了，SerDes就是「串行器/解串器」的缩写。它的任务很简单：把一堆并行数据变成一根线上跑的串行数据，到了接收端再变回来。

你想想看，传统的并行总线，比如DDR，数据线、地址线、控制线一大堆。到了10Gbps以上的速率，PCB上走线对齐的难度简直让人抓狂。我当年做过一个项目，16位并行总线跑到5Gbps，结果因为skew问题，折腾了三个月才搞定。后来换成SerDes，一根差分对搞定，世界清净了。

SerDes的核心架构，我习惯用这张图来理解：

嗯，这里要注意：SerDes不是简单地把数据「挤」到一根线上就完事了。高速信号经过PCB走线、连接器、电缆，会衰减得一塌糊涂。这就是我们接下来要聊的信道损耗问题。

1.2 信道损耗——信号是怎么「死」在路上的？

我在项目中遇到过最头疼的问题，就是10Gbps的信号经过30cm的PCB走线后，眼图完全闭上了。你猜怎么着？接收端根本认不出0和1。

信道损耗主要有三个来源：

趋肤效应：高频电流只走导体表面，等效电阻变大。频率越高，损耗越大。
介质损耗：PCB板材的介电常数和损耗角正切会吸收信号能量。FR4到了10GHz以上，损耗大得吓人。
阻抗不连续：过孔、连接器、拐角都会引起反射，造成额外的能量损失。

我习惯用这个公式来估算信道损耗：

# 信道损耗估算（Python伪代码）
def channel_loss(freq, length, alpha_skin, alpha_dielectric):
    """
    freq: 频率 (Hz)
    length: 走线长度 (m)
    alpha_skin: 趋肤效应损耗系数 (dB/m/√Hz)
    alpha_dielectric: 介质损耗系数 (dB/m/Hz)
    """
    loss_skin = alpha_skin * np.sqrt(freq) * length
    loss_dielectric = alpha_dielectric * freq * length
    return loss_skin + loss_dielectric

# 举个例子：10Gbps信号，基频5GHz，30cm走线
freq = 5e9
length = 0.3
alpha_skin = 1.5e-7  # 典型值
alpha_dielectric = 1.2e-10  # 典型值
total_loss = channel_loss(freq, length, alpha_skin, alpha_dielectric)
print(f"总损耗: {total_loss:.2f} dB")
# 输出：总损耗: 约 12.3 dB

12dB什么概念？信号幅度衰减到原来的四分之一。接收端要是有个200mV的输入，到了接收端只剩50mV了。这还没算上噪声和串扰。

关键认知：信道就像一个低通滤波器。高频分量衰减大，低频分量衰减小。结果就是——信号的边沿变缓，脉冲展宽，前后符号互相干扰。这就是码间干扰（ISI）的根源。

1.3 码间干扰（ISI）——隔壁老王来串门

码间干扰，说白了就是前一个bit还没走干净，后一个bit就来了。两个bit叠在一起，你分不清谁是谁。

为什么会这样？因为信道带宽有限。一个理想的方波，需要无穷大的带宽才能完美传输。但实际信道只让低频通过，高频被砍掉了。结果就是方波的边沿变圆，拖出长长的「尾巴」。

我举个例子你就明白了：

# 模拟ISI效应
import numpy as np
import matplotlib.pyplot as plt

# 发送一个孤立的脉冲
t = np.linspace(0, 10, 1000)
pulse = np.zeros_like(t)
pulse[100:200] = 1  # 一个UI宽度的脉冲

# 经过有损信道后，脉冲展宽了
# 用简单的RC低通模型模拟
tau = 0.5  # 时间常数
impulse_response = np.exp(-t/tau)
received = np.convolve(pulse, impulse_response, mode='same')
received = received / np.max(received)  # 归一化

# 你看，脉冲拖了很长的尾巴
# 如果下一个bit紧跟着来，就会踩在这个尾巴上
# 这就是ISI！

我曾经调试过一个25Gbps的链路，眼图总是张不开。排查了三天，最后发现是PCB上有一段走线的stub太长，造成了严重的ISI。把stub去掉后，眼图立马就睁开了。嗯，这种坑踩过一次就忘不了。

避坑指南：我曾经在12Gbps的设计中，因为忽略了过孔的寄生电容，导致ISI严重超标。后来在过孔周围加了回流地过孔，把寄生参数降下来，问题才解决。记住：每一个过孔、每一个拐角，都是潜在的ISI来源。

1.4 眼图——信号质量的「心电图」

眼图是SerDes工程师最常用的调试工具。说白了，就是把接收到的信号波形，按照UI（单位间隔）周期性地叠加显示。如果信号质量好，叠加出来的图形就像一只睁开的眼睛。如果信号差，眼睛就闭上了。

眼图能告诉我们什么？

眼高：眼睛垂直方向的开度。眼高越大，噪声裕量越大。
眼宽：眼睛水平方向的开度。眼宽越大，抖动裕量越大。
抖动：过零点的不确定性。抖动越大，眼宽越小。
噪声：电平的波动。噪声越大，眼高越小。

我习惯用这个标准来判断眼图好坏：

参数	优秀	及格	不合格
眼高	> 200mV	100-200mV	< 100mV
眼宽	> 0.7 UI	0.5-0.7 UI	< 0.5 UI
抖动	< 0.1 UI	0.1-0.3 UI	> 0.3 UI

你想想看，如果眼高只有50mV，接收端的比较器怎么判断0和1？稍微有点噪声就误判了。所以眼图是SerDes链路调试的第一道关卡。

1.5 浴盆曲线——误码率的「生死线」

浴盆曲线，名字挺形象，形状像个浴盆。它描述的是误码率（BER）随采样点位置变化的曲线。

为什么叫浴盆？因为曲线两边高、中间低。两边对应的是靠近眼图边沿的位置，那里抖动大、噪声大，误码率高。中间对应的是眼图中心，那里信号最稳定，误码率最低。

我当年做16Gbps的背板设计时，浴盆曲线就是我的「生死线」。客户要求BER < 10⁻¹²，我必须在浴盆曲线中找到足够宽的「眼图张开区域」。

注意：浴盆曲线的横轴是采样相位（单位UI），纵轴是误码率（对数坐标）。曲线越宽、底部越平坦，说明链路的裕量越大。如果曲线底部很窄，说明链路处于临界状态，稍微有点温度变化或电压波动，误码率就会飙升。

浴盆曲线和眼图是什么关系？说白了，浴盆曲线就是眼图的「定量化」版本。眼图告诉你「眼睛睁开了」，浴盆曲线告诉你「眼睛睁得有多大、能保证多低的误码率」。

我习惯用这个流程来评估链路质量：

先看眼图——眼高、眼宽是否达标
再看浴盆曲线——在目标BER下，眼图张开宽度是否足够
如果不够——调整均衡器参数，或者优化信道设计

个人经验：我建议初学者先别急着调均衡器。先把信道做干净——减少stub、优化过孔、选好板材。信道底子好了，均衡器的工作量就小很多。我曾经见过一个项目，信道损耗20dB，硬靠均衡器撑到25Gbps，结果功耗高得吓人，还经常误码。后来把信道优化到12dB损耗，均衡器轻松搞定，功耗降了一半。

好了，这一章的内容就到这里。信号完整性是SerDes设计的地基，信道损耗、ISI、眼图、浴盆曲线，这四个概念贯穿整个课程。后面的章节，我们会深入每个均衡器的工作原理和建模方法。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

1. 信号完整性基础：SerDes系统概述、信道损耗与码间干扰(ISI)、眼图与浴盆曲线基础

1.1 SerDes系统——到底在干什么？

1.2 信道损耗——信号是怎么「死」在路上的？

1.3 码间干扰（ISI）——隔壁老王来串门

1.4 眼图——信号质量的「心电图」

1.5 浴盆曲线——误码率的「生死线」