第三章 数据源与采集：你的信号完整性分析，从“吃”数据开始
做PCB设计，尤其是高速数字设计，我经常跟年轻工程师说一句话：“你仿真结果准不准，八成取决于你喂进去的数据好不好。” 数据源和采集，说白了就是信号完整性分析的“食材”。食材不新鲜，再好的厨子也白搭。
这一章，我们就聊聊这些“食材”从哪来，怎么挑，怎么洗。
3.1 数据来源类型：传感器、数据库、日志
我个人习惯把数据来源分成三大类。你想想看，我们做SI仿真，数据无非就这几个来路：
- 传感器/测量仪器：比如示波器、VNA（矢量网络分析仪）、TDR（时域反射计）。这些是“一手数据”，最真实，但也最“脏”。
- 数据库/厂商模型：比如IBIS模型、S参数文件、PDK（工艺设计套件）。这些是“二手数据”，经过整理，但可能有“美化”嫌疑。
- 日志/仿真记录：比如上一版仿真的波形记录、测试报告。这些是“历史数据”，用来做回归对比很有用。
我在项目中遇到过最坑的一次，就是用了厂商提供的“完美”IBIS模型，结果板子打样回来，信号眼图全闭了。后来一查，模型里把某些引脚的寄生参数给“优化”掉了。所以，对任何来源的数据，都要保持一点“怀疑精神”。
核心观点： 传感器数据最真实，但噪声大；数据库模型最方便，但可能不准确；日志数据最可靠，但时效性差。三者要交叉验证。
3.2 采样频率与精度：别让你的数据“说谎”
采样频率这事，我刚开始做SI时吃过亏。那时候做DDR3的仿真，觉得1GHz的采样率够了，结果眼图测出来总是怪怪的。后来才发现，高频信号的边沿速率太快，采样率不够，你看到的“眼图”其实是“假眼”。
为什么会这样？奈奎斯特定理告诉我们，采样频率至少要是信号最高频率的两倍。但做SI，我建议你至少留5倍裕量。比如一个3GHz的信号，采样率至少15GSa/s起步。
精度呢？说白了就是ADC的位数。12位的ADC和8位的ADC，测出来的噪声底就差了一大截。我个人的经验是：
| 应用场景 | 推荐采样率 | 推荐精度（ADC位数） |
|---|---|---|
| 低速数字信号（<1GHz） | ≥5GSa/s | 8-10位 |
| 高速数字信号（1-10GHz） | ≥20GSa/s | 10-12位 |
| 射频/微波信号（>10GHz） | ≥50GSa/s | 12-14位 |
小技巧： 如果你不确定采样率够不够，可以做一个简单的“边沿测试”。用示波器抓一个方波的上升沿，如果上升沿看起来是平滑的曲线，说明采样率够了；如果出现锯齿或阶梯状，赶紧加采样率。
3.3 数据清洗与预处理：把“垃圾”变成“宝藏”
嗯，这里要注意。数据清洗不是可有可无的步骤，而是必须做的。我见过太多工程师，从示波器导出一堆CSV文件，直接扔进仿真软件里，结果跑出来一堆莫名其妙的谐振峰。
数据清洗通常包括这几步：
- 去直流偏置：很多测量数据带有直流偏移，不去掉的话，FFT分析会多出很多低频分量。
- 去趋势项：如果数据有缓慢的漂移（比如温度变化引起的），需要先做去趋势处理。
- 滤波：高频噪声要滤掉，但注意不要滤掉信号本身的边沿信息。我一般用FIR滤波器，截止频率设在信号最高频率的1.5倍。
- 重采样：不同来源的数据采样率可能不一样，需要统一到一个时间基点上。
我曾经有一次做PCIe Gen4的仿真，从两个不同厂商的测试报告里拿数据，一个采样率是10GSa/s，另一个是12.5GSa/s。直接对比肯定不行。后来我写了个简单的Python脚本做重采样，才把问题搞定。
# 一个简单的重采样示例（Python）
import numpy as np
from scipy import signal
# 原始数据，采样率 10GSa/s
original_data = np.loadtxt('data_10G.csv')
original_time = np.arange(len(original_data)) / 10e9
# 目标采样率 12.5GSa/s
target_time = np.arange(0, original_time[-1], 1/12.5e9)
# 使用插值重采样
resampled_data = np.interp(target_time, original_time, original_data)
# 保存结果
np.savetxt('data_resampled.csv', resampled_data, delimiter=',')
避坑指南： 我曾经在清洗数据时，不小心把信号的高频分量给滤掉了，结果仿真出来的眼图特别“干净”，但实际板子测试却一塌糊涂。记住：滤波要适度，保留信号的“真实”特征，而不是“好看”的特征。
3.4 知识体系框架：数据源与采集的核心逻辑
为了让你更直观地理解这一章的内容，我画了一张图。这张图展示了数据从“源头”到“可用”的完整流程。
这张图其实就概括了本章的核心：数据来源决定“有什么”，采样频率和精度决定“能不能用”，数据清洗决定“好不好用”。三者缺一不可。
总结一下： 做信号完整性分析，别急着跑仿真。先花30%的时间搞清楚你的数据从哪来、怎么采、怎么洗。这30%的时间，往往能帮你省掉后面70%的调试时间。
公众号:蓝海资料掘金营，微信deep3321