一、CTLE 到底是什么？

连续时间线性均衡器，英文叫 Continuous Time Linear Equalizer，简称 CTLE。说白了，它就是一个模拟滤波器。它的任务很简单：把信号里被信道吃掉的高频分量，给补回来。

我刚开始做 SerDes 那会儿，总觉得这玩意儿不就是个高通滤波器嘛，有啥好研究的？后来被现实狠狠教育了一回——有一次项目里信号眼图完全闭合，我折腾了三天，最后发现是 CTLE 的零极点位置没调对。嗯，从那以后我再也不敢小看它了。

二、零极点模型：CTLE 的灵魂

2.1 传输函数长什么样？

CTLE 的传输函数，用拉普拉斯变换表示，典型形式是这样的：

H(s) = A * (s + ωz1) / [(s + ωp1)(s + ωp2)]

这里：

• ωz1：零点频率，决定高频补偿的起始点
• ωp1：第一个极点，限制高频增益
• ωp2：第二个极点，进一步滚降，抑制噪声
• A：直流增益，通常为 0dB 或负增益

你想想看，这个结构其实很巧妙。零点负责把高频抬起来，极点负责把高频压下去。一抬一压之间，就形成了我们想要的带通特性。

2.2 零极点的物理意义

我个人习惯把零点理解成「加速器」，极点理解成「刹车」。信道损耗越大，零点就需要越靠近原点，补偿力度越大。但零点太靠前，噪声也会被放大——这就是个 trade-off。

我在项目中遇到过一种情况：某款 28Gbps 的 SerDes，信道损耗达到 20dB。我一开始把零点设在 2GHz，结果眼图还是闭的。后来把零点降到 1.2GHz，峰值增益多了 4dB，眼图一下就睁开了。这就是零点的威力。

三、高频补偿原理：怎么补？补多少？

3.1 信道损耗长什么样？

PCB 走线、连接器、电缆，这些东西对高频信号的衰减，大致是：

• 低频段：损耗很小，接近 0dB
• 中频段：损耗随频率线性增加，约 0.1~0.5 dB/GHz
• 高频段：损耗急剧上升，趋肤效应和介质损耗主导

CTLE 要做的，就是在信道损耗最大的频段，提供对应的增益补偿。说白了就是「缺多少，补多少」。

3.2 补偿曲线怎么设计？

理想的 CTLE 响应，应该和信道损耗曲线「镜像对称」。信道衰减 10dB，CTLE 就抬 10dB。但现实中做不到完美镜像，因为：

• CTLE 的零点只有一个，补偿带宽有限
• 高频噪声会被放大，信噪比会下降
• 工艺偏差会导致零极点漂移

四、增益与带宽的权衡：鱼和熊掌

4.1 为什么不能既要又要？

CTLE 的增益和带宽，本质上是一对矛盾。原因很简单：

• 增益带宽积（GBW）是固定的，由工艺和功耗决定
• 增益做高了，带宽必然下降
• 带宽做宽了，增益必然受限

我曾经在一个 56Gbps PAM4 项目中，为了追求带宽，把 CTLE 的增益压得很低。结果呢？信号幅度不够，DFE 的收敛都成问题。后来我学乖了——先保证足够的增益，带宽不够再用 DFE 的反馈来补。

4.2 实际设计中的取舍

场景	优先增益	优先带宽
长距离背板（>30dB 损耗）	✅ 是	❌ 否
短距离芯片间互联（<10dB 损耗）	❌ 否	✅ 是
PAM4 调制（对线性度敏感）	⚠️ 适中	✅ 是
NRZ 调制（对幅度敏感）	✅ 是	⚠️ 适中

你看，没有绝对的答案。关键看你面对的是什么信道、什么调制方式。

五、CTLE 的典型架构

5.1 源极退化差分对

这是最经典的 CTLE 实现方式。核心结构就是一个差分对，源极加了一个 RC 并联网络。

传输函数近似：
H(s) ≈ gm * RL / [1 + gm * (Rs || 1/sCs)]

其中：
gm：跨导
RL：负载电阻
Rs：源极退化电阻
Cs：源极退化电容

零点由 Rs 和 Cs 决定：ωz = 1/(Rs × Cs)
极点由负载电容决定：ωp = 1/(RL × CL)

我建议你记住这个结构，因为 90% 的 CTLE 都是基于它变出来的。

5.2 多级 CTLE

单级 CTLE 的增益有限，通常只有 6~8dB。如果需要更大的补偿，就得级联。但级联有个坑：

• 每一级都会引入额外的相位偏移
• 级数多了，群延迟会变大，影响信号的眼图对称性
• 功耗也会线性增加

六、CTLE 的建模与仿真

做 SerDes 设计，光靠手算是算不出来的。我习惯用 Python 来建模，快速验证零极点位置对眼图的影响。

下面是一个简单的 CTLE 建模代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义 CTLE 参数
fz = 2e9   # 零点频率 2GHz
fp1 = 8e9  # 第一极点 8GHz
fp2 = 20e9 # 第二极点 20GHz
A = 1.0    # 直流增益

# 频率向量
f = np.logspace(8, 11, 1000)  # 100MHz ~ 100GHz
s = 1j * 2 * np.pi * f

# 零极点模型
H = A * (s + 2*np.pi*fz) / ((s + 2*np.pi*fp1) * (s + 2*np.pi*fp2))

# 计算增益
gain_dB = 20 * np.log10(np.abs(H))

# 找到峰值
peak_idx = np.argmax(gain_dB)
peak_freq = f[peak_idx] / 1e9
peak_gain = gain_dB[peak_idx]

print(f"峰值频率: {peak_freq:.2f} GHz")
print(f"峰值增益: {peak_gain:.2f} dB")

# 画图
plt.semilogx(f/1e9, gain_dB)
plt.grid(True, which='both', linestyle='--')
plt.xlabel('频率 (GHz)')
plt.ylabel('增益 (dB)')
plt.title('CTLE 频率响应')
plt.show()

这段代码跑出来，你能直观看到零极点位置对频响曲线的影响。我建议你多改改 fz 和 fp1 的值，看看峰值怎么移动。这是理解 CTLE 最好的方式。

七、CTLE 的局限性

CTLE 不是万能的。它有几个硬伤：

• 噪声放大：高频增益上去了，噪声也跟着上去了
• 线性度限制：PAM4 信号对线性度要求高，CTLE 的增益不能太大
• 无法消除 ISI：CTLE 只能补偿信道损耗，不能消除码间干扰
• 工艺敏感：RC 时间常数随工艺角变化，零极点会漂移

所以，现代 SerDes 都是 CTLE + DFE + FFE 的组合拳。CTLE 负责粗调，DFE 负责精调，FFE 负责预补偿。各司其职，才能把信号救回来。

这张图把 CTLE 的核心知识点串起来了。从零极点模型出发，到高频补偿原理，再到增益带宽的权衡，最后落到实际架构。你顺着这个脉络学，就不会迷路。