故障模型与特征提取：故障模型建立与特征信号选择
各位同学，咱们今天聊聊故障模型和特征提取。说实话，这部分内容在SoC诊断里属于「地基」一样的存在。你想想看，如果连故障长什么样都描述不清楚，后面再怎么分析也是白搭。
我个人习惯把故障模型比作「犯罪画像」——你得先知道坏人的特征，才能在芯片里把他揪出来。好，咱们直接进入正题。
一、故障模型建立
故障模型不是凭空想出来的，它是从实际芯片失效的物理机制里抽象出来的。我在项目中遇到过不少次，芯片回来跑着跑着就挂了，一查，其实就是某个晶体管的栅氧化层击穿了。嗯，这就是典型的Stuck-at故障。
1. Stuck-at 故障模型
这是最经典的模型，说白了就是某个节点「卡死」在0或者1上。比如一个信号线本该在0和1之间跳变，结果它永远停在0V了，那就是Stuck-at-0。
核心要点：
- 单固定故障（SSF）：一次只考虑一个节点故障
- 多固定故障（MSF）：多个节点同时故障，但分析复杂度指数级上升
- 覆盖率高：通常能覆盖90%以上的实际物理缺陷
我曾经吃过一次亏。有个项目，ATE测试全过了，结果客户那边上电就死机。查了三天，最后发现是某个寄存器的复位信号有Stuck-at-1故障。从那以后，我要求团队在仿真时一定要把Stuck-at覆盖率做到98%以上。
2. Transition 故障模型
这个模型关注的是信号跳变的速度。你想想看，一个信号从0变到1，如果花的时间太长，那后面的电路就可能采到错误的值。
Transition故障分两种：
- 慢上升（Slow-to-Rise）：0→1跳变太慢
- 慢下降（Slow-to-Fall）：1→0跳变太慢
我建议大家在处理高速接口时，一定要把Transition模型加上。比如DDR接口，数据速率动不动就几Gbps，一个Transition故障就能让整个系统崩溃。
避坑指南：我曾经在某个AI芯片项目中，只做了Stuck-at测试，结果流片回来发现PCIe链路死活训练不成功。后来一查，是某个TX端的Transition故障导致眼图闭合。所以，高频电路一定要做Transition测试。
3. Bridging 故障模型
Bridging故障，说白了就是两根不该连在一起的线短路了。在深亚微米工艺下，这种故障越来越常见。
常见的Bridging模型：
- Wired-AND：两根线短路后，输出是两者的与逻辑
- Wired-OR：两根线短路后，输出是两者的或逻辑
- Dominant：其中一根线「主导」另一根
我记得有个项目，芯片在高温下老是随机出错。用Bridging模型一查，发现是两条相邻的地址线在金属层有桥接。温度一高，金属膨胀，就短路了。你说巧不巧？
二、特征信号选择
特征信号选得好，诊断效率翻倍。选得不好，那就是在垃圾堆里找金子。
我个人总结了几条原则：
- 可观测性优先：选那些能直接看到结果的信号，比如状态机输出、数据总线
- 覆盖率优先：一个信号能覆盖多个故障点，那它就是好信号
- 稳定性优先：别选那些毛刺多、抖动大的信号，否则你分不清是故障还是噪声
实际案例：我在做某款5G基带芯片时，选择了PLL的锁定指示信号作为特征信号。为什么？因为这个信号一旦异常，直接说明时钟系统有问题。一个信号就能定位到PLL模块，省了多少事。
三、特征提取方法
信号选好了，怎么把特征「提」出来？这里我主要讲两种：时域和频域。
1. 时域特征提取
时域分析最直观，说白了就是看波形。但光看波形不行，得提取出有意义的参数。
常用的时域特征：
| 特征名称 | 描述 | 典型应用 |
|---|---|---|
| 上升时间 | 信号从10%到90%的时间 | Transition故障检测 |
| 下降时间 | 信号从90%到10%的时间 | Transition故障检测 |
| 建立时间 | 数据在时钟沿前稳定的时间 | 时序故障检测 |
| 保持时间 | 数据在时钟沿后保持的时间 | 时序故障检测 |
| 脉冲宽度 | 信号高电平或低电平的持续时间 | 毛刺检测 |
我建议在提取时域特征时，多用边缘检测算法。比如用Sobel算子或者Canny算子来找信号的跳变沿。嗯，这里要注意，采样率一定要够高，至少是信号频率的5倍以上。
2. 频域特征提取
有些故障在时域里看不出来，但一转到频域就原形毕露。比如时钟抖动，时域里可能只是几个ps的偏差，但在频域里就是明显的相位噪声。
常用的频域特征：
- 频谱峰值：看看有没有异常的频率分量
- 谐波失真：THD值异常说明信号质量有问题
- 相位噪声：时钟系统的健康指标
- 功率谱密度：PSD曲线突变说明有故障
实战技巧：我曾经用FFT分析一个ADC的输出，发现频谱里有个不该有的尖峰。顺着这个尖峰查下去，发现是电源纹波耦合到了参考电压上。你看，频域分析有时候比时域更直接。
3. 混合域特征提取
说实话，现在做诊断很少只用一种方法。我习惯把时域和频域结合起来。
举个例子：
// 伪代码：时频域联合特征提取
void extract_features(signal_t *s) {
// 时域特征
float rise_time = get_rise_time(s);
float fall_time = get_fall_time(s);
// 频域特征
float *fft_result = perform_fft(s);
float peak_freq = find_peak(fft_result);
float phase_noise = calc_phase_noise(fft_result);
// 联合判断
if (rise_time > THRESHOLD && peak_freq > 1e6) {
printf("检测到Transition故障，疑似驱动能力不足\n");
}
}重要提醒：特征提取不是越多越好。特征太多会导致「维度灾难」，反而降低诊断效率。我一般控制在10-20个关键特征，再多就用PCA降维。
四、总结与实战建议
好了，咱们把今天的内容串一下：
- 故障模型是基础：Stuck-at、Transition、Bridging，三种模型各有侧重
- 特征信号要精挑细选：可观测、高覆盖、稳定
- 特征提取要灵活：时域看波形，频域看频谱，混合域更全面
最后说一句，这些方法不是死的。我在实际项目中，经常根据芯片的具体情况调整模型和特征。比如低功耗芯片，我会特别关注漏电流相关的故障特征。你想想看，每个芯片都有自己的「脾气」，诊断方法也得跟着变。
下一章咱们聊故障注入与仿真验证，到时候我会带大家手撸一个故障注入脚本。今天就到这儿，有问题随时交流。