CST 眼图仿真实例（补充1）：IBIS-AMI之Statistical方法

IBIS-AMI用于完整的SerDes信道性能分析：

本期介绍IBIS-AMI的Statistical流程。该流程是众多IBIS-AMI模型支持的流程中最基础的一个，发射Tx和接收Rx的dll都只有AMI_Init这个函式，然后算出信道的脉冲响应和AMI均衡器的眼图改善效果。

我们以2022版的自带案例为例，介绍IBIS-AMI 统计流程的操作步骤：

先简单介绍这个案例有什么，该案例用4端口的SPICE模型模拟信道：

案例的仿真任务分三部分，第一个“Tran1”是Transient任务，用来启动IBIS和获得模拟信道的特征，该特征就是step response阶梯响应。第二个“IbisAmi_Statistical”是IBIS-AMI任务，最后一个“Eye_Diagram_Statistical”是后处理眼图工具，因为我们的流程是Statistical统计法，所以需要眼图工具。

下面详细介绍流程。

Step1. 准备IBIS AMI文档 

IBIS AMI 模型由描述电气特性的传统的IBIS模型文件（*.ibs）、包含编译后算法的动态链接库文件（*.dll/*.so）以及参数描述文档（*.ami）三个文件共同构成。简单解释就是，IBIS-AMI比传统IBIS多了数字信号处理部分。所以用户一般有6个供应商提供的文档，传输端的.ibs,.ami和.dll, 接收端的.ibs, .ami和.dll, 如果一个.ibs包括两端，那么就是5个文档。 

我们需要确保这些文档都在一个文件夹下，然后拖拽.ibs文件进电路界面，其他文档将自动拷贝进入cst项目。比如，自带案例项目文件夹中可查看其使用的IBISAMI文档：

Step2. 建立SerDes电路模型（可包括3D）

比如自带案例的简单信道模型:

实际操作也可以用Touchstone、分析模型、3D仿真模块来建立比如PCB加封装这样完整的端到端的信道。

这里的带箭头的IBIS模块是之前拖拽进来的.ibs，我们叫参考模块。另外两个AMI模块是指向它的，因为这一个IBIS包括了Tx和Rx内容。这里需要搞清楚模块的名称，比如Tx这个IBIS-AMI模块目前叫“IBIS1”，Rx那个就是“IBIS2”，这些名称在下一步的Transient任务中需要。 

Step 3. 计算阶梯响应Step Response 

添加Transient任务：

设置Tmax和采样数量： 

这里的采样需要是线性采样，用的UI是0.1ns，所以每个bit采样是1600/100=16。这个要依据AMI供应商提供的说明书。Transient任务激励Port1一个足够长的pulse作为step信号： 

确保我们的IBIS发射和接收的阶梯信号结果合理： 

Step 4. 添加IBIS-AMI 任务

任务设置中，定义UI=0.1，选择Statistical流程，发射和接收要选择对应的IBIS模块名称，然后Channel选择上一步的Transient任务名称Tran1。 

这步先不需要更新IBIS-AMI任务，等下一步之后再更新计算。该任务会基于上一步Transient任务计算出来的信道Step Response阶梯响应，进一步计算具有IBIS-AMI处理效果的Impulse Response脉冲响应和Step Response阶梯响应。

Step 5. AMI参数查看和设置 

我们当然可以直接开AMI 文档查看和修改参数:

也可以在上一步的IBIS-AMI任务中查看和修改: 

以下是该自带案例用的IBIS-AMI参数，不同AMI文档内容有差别。

Tx 的AMI参数：

可见该IBIS-AMI的Tx只支持Init_Returns_Impulse函式；是个InitOnly 模型。模型目前使用自适应FFE前馈均衡器。

Rx的AMI参数：

可见该IBIS-AMI的Rx也是支持Init_Returns_Impulse函式；是个InitOnly 模型。目前使用自适应CTLE连续时间线性均衡器，自适应DFE判决反馈均衡器，具有时钟和数据恢复CDR。

这两个界面中，可以对Model_specific参数进行修改，但是Reserved_Parameters是不可修改的。这里的IBIS-AMI是有详细的说明书的，以后我们再找案例详细介绍内容。

Step 6. 仿真IBIS任务，查看Impulse Response脉冲响应结果

更新仿真任务获得结果：

接收处的脉冲响应Impulse Response：

阶梯响应Step Response:

这里的阶梯响应和之前的Transient任务计算的阶梯响应不要混淆，二者名称一样，但是内容有一差别。之前的step响应是没有AMI据衡器的；这里的step响应结果有AMI均衡器，用于下一步的眼图计算。

其实仔细看能看出来均衡器效果，比如Post_Tx的上升沿调整与电压下降，都是FFE均衡的效果。

这里的三个信号，Analog channel，Post_Tx和Post_Rx,分别对应Impulse Response下面，Tx:AMI_Init下面，和Rx:Ami_Init下面的三个位置。再回忆数字信号处理流程：

也就是说，Post_Tx考虑了Tx的均衡器，Post_Rx考虑了Rx的均衡器，Analog Channel没有均衡器。三个都是接收端的结果，不要被“Tx”误导。

Step 7. 眼图工具Statistical设置

这里我们添加了两次眼图工具，分别用Analog channel和Post_Rx的step信号来获取眼图。

Step 8. Statistical眼图结果 

更新眼图工具后处理，获得结果：

没有AMI均衡器的眼图（analog channel）紧闭和根本不漏水的浴盆图：

有AMI 均衡器的眼图（Post_Rx）和浴盆图： 

可见AMI均衡器的效果能够加大眼宽眼高，加宽浴盆开口。

小结：

1. IBIS-AMI比传统IBIS多了数字信号分析，需要仿真的流程分Statistical统计流程和Time Domain时域流程（Transient）。

2. 根据AMI文档中介绍的Tx和Rx支持的函式来判断该IBIS-AMI模型可用于什么流程的仿真。本案例介绍的是基础的Statistical。

3. 根据AMI的用户手册（说明书）定义采样、忽略位数、均衡器参数等等。众多均衡器在本案例中的AMI文件参数中使用，这里并没有详解，只是注重于流程。以后有机会再解释AMI参数和均衡器细节。

4. CST的AMI流程（statistical）简单说就是Transient任务加上IBIS-AMI任务，最后眼图工具后处理。