新的抖動分解圖和新的抖動分離方法

作者：時間：2017-01-04 來源：網(wǎng)絡(luò)

加入技術(shù)交流群
- 掃碼加入
  和技術(shù)大咖面對面交流
  海量資料庫查詢

隨著信號速率的不斷提高和對精度的越來越高要求，需要進行抖動成分的分離以更深入表征抖動特征和查找問題根源。現(xiàn)代（2012年后），大都按下圖進行抖動成分的分解。

圖1 抖動成分分解圖

隨機抖動RJ

隨機抖動是不能預(yù)測的定時噪聲，因為它沒有可以識別的模式。典型的隨機噪聲實例是在無線電接收機調(diào)諧到?jīng)]有活動的載頻時聽到的聲音。盡管在理論上隨機過程具有任意概率分布，但我們假設(shè)隨機抖動呈現(xiàn)高斯分布，以建立抖動模型。這種假設(shè)的原因之一是，在許多電路中，隨機噪聲的主要來源是熱噪聲(也稱為 Johnson 噪聲或散粒噪聲)，而熱噪聲呈現(xiàn)高斯分布。另一個比較基礎(chǔ)的原因是，根據(jù)中心極限定理，不管各個噪聲源采用什么分布，許多不相關(guān)的噪聲源的合成效應(yīng)該接近高斯分布。高斯分布也稱為正態(tài)分布，但它的一個最重要的特點是：對高斯變量，它可以達到的峰值是無窮大。盡管這種隨機變量的大多數(shù)樣本將會聚集在中間值的周圍，但在理論上，任何單一的樣本，它可以偏離中間值任意大的量。所以，高斯分布都沒有峰到峰邊界值，從這種分布中的樣本數(shù)越多，所測得的峰到峰值將越大。所以，我們用stdev或RMS(均方差)值來衡量隨機抖動RJ。

確定性抖動DJ

確定性抖動是可以重復的、可以預(yù)測的定時抖動。正因如此，這個抖動的峰到峰值具有上下限，在數(shù)量相對較少的觀察基礎(chǔ)上，通?？梢砸愿咧眯哦扔^察或預(yù)測其邊界。DDJ和PJ根據(jù)抖動特點和根本成因進一步細分了這類抖動。確定性抖動和隨機抖動在統(tǒng)計圖上可以用圖形象化表示。

RJ和DJ頻譜分離法

傳統(tǒng)的RJ和DJ的分離方法是頻譜分離法，是在頻域中獲得RJ和PJ，然后在時域中獲得DJ，再計算出ISI和DCD。頻譜分離法的關(guān)鍵是選擇PJ門限，一般由實驗數(shù)據(jù)得出，通過PJ門限把分離的譜線濾掉，剩余的是RJ頻譜，再進行積分即可得到RJrms。

圖2頻譜分離法進行RJ和PJ分離

如果頻譜類似于白噪聲，則RJ分離效果較好，但是如果測量數(shù)據(jù)不足，則可能出現(xiàn)另外一種情況，如下圖所示，則RJ分離就需要仔細考慮。這時候在抖動分析軟件中，有兩種RJ帶寬可供選擇：Wide和Narrow。
什么時候選擇wide或narrow呢？
如果測量數(shù)據(jù)量夠大，選擇Wide即可。但是如果測量數(shù)據(jù)量較小，選擇Narrow更能夠保證測量精度。