示波器眼图怎么看
目录
什么是眼图?
怎么看?
眼图的电压幅度(Y轴)
眼睛幅度和高度
信噪比
抖动
上升时间和下降时间
眼宽
什么是眼图?
眼图(Eye Diagram)是一种用于分析高速数字信号传输质量的重要工具。通过在示波器上重叠多个周期的信号波形,生成一个形状类似于眼睛的图形,这就是眼图。眼图能够直观地展示信号的完整性、抖动和噪声等关键参数。通过观察眼图的开口大小和形状,工程师可以评估信号传输的质量和稳定性,识别并解决潜在的信号完整性问题,从而确保高速数据传输链路(如PCIe)的可靠性。
怎么看?
眼图分为X轴和Y轴,其中Y轴表示电压幅度,X轴表示时间。相信看完本文你也能看懂X轴和Y轴的信息啦!
不过在介绍下面内容之前,需要了解单位间隔(UI)的概念。UI 定义为一个数据位宽,与数据速率有关。例如,在 9.8 Gbps 数据流中,一个 UI 相当于 102 ps。对于 2.0 Gbps 数据流,一个 UI 相当于 500 ps。一个眼图一般会显示2个UI,左侧1/2UI展示半个眼图,中间1个UI展示完整眼图,右侧1/2UI展示半个眼图。好了,让我们正式开始介绍眼图的Y轴和X轴。
眼图的电压幅度(Y轴)
Y轴涉及到的主要概念包括:"1"电平/"0"电平、眼图幅度、高度以及眼图交叉百分比。
"1"电平(One Level)和"0"电平(Zero Level)
"1"电平为眼图顶部中间20% UI(也称为40%到60%区域)内捕获的所有数据样本的直方图平均值。同"1"电平,"0"电平是眼图底部中间20%UI内捕获的所有数据样本的直方图平均值。
眼睛幅度和高度
-
眼图幅度:"1"电平和 "0"电平之间的差值。使用的计算值是所示两个直方图的平均值,在眼图交叉的中间 20% 区域内测量。
-
眼图高度:通过计算"1"电平和"0"电平直方图内部3s点之间的差值。
信噪比
信噪比(SNR, Signal-to-Noise Ratio)是衡量信号质量的一个重要参数。它表示信号相对于噪声的强度,信噪比越高,意味着信号质量越好,噪声对信号的影响越小。在眼图中,信噪比可以定义为信号的有效电压(通常是信号的峰峰值电压)与噪声电压的比值。噪声电压是指在信号传输过程中叠加在信号上的不期望的电压变化。
在眼图中,垂直开口越大,表示信号电压相对于噪声电压的差距越大,信噪比越高。眼图中的噪声带宽越窄,表示噪声电压越小,信噪比越高。常见的噪声源包括电源噪声、环境电磁干扰、PCB布局等都会影响噪声电压。
抖动
抖动是指信号过渡时间(如上升沿或下降沿)的随机或周期性变化。抖动会导致信号过渡点的不确定性和不稳定性。抖动可以是由由随机噪声引起的随机抖动,其呈高斯分布,也可以是由系统性的干扰或模式引起确定性抖动。抖动会缩小眼图的水平开口,降低时间裕度,使接收端更难准确采样信号,进而影响数据传输的可靠性。
上升时间和下降时间
上升时间是指信号从低电平过渡到高电平所需的时间,比如下图中20%电压值过渡到80%电压值。上升时间过长会导致信号边沿变得缓慢,可能导致码间干扰(ISI),影响信号的频率响应和系统的传输速度。同理下降时间。
眼宽
眼宽表示在一个比特周期内,信号的稳定时间窗口。具体来说,眼宽是在垂直轴上选定一个电压阈值水平时,信号在水平轴上的时间开口。它反映了信号在给定电压水平下的时间裕度(时间容忍度)。
眼宽越大,表示信号抖动越小,时间裕度越大。信号在接收端能够稳定采样的时间窗口越宽,系统的可靠性和性能越好。较大的眼宽意味着接收端有更大的容错时间,能够在正确的时间点采样到有效信号,从而降低误码率。同时,较大的眼宽表明信号对抖动和噪声的敏感性较低,系统具有更好的抗干扰能力。
相关文章:
示波器眼图怎么看
目录 什么是眼图? 怎么看? 眼图的电压幅度(Y轴) 眼睛幅度和高度 信噪比 抖动 上升时间和下降时间 眼宽 什么是眼图? 眼图(Eye Diagram)是一种用于分析高速数字信号传输质量的重要工具。通…...
Visual Studio Code编辑STM32CubeMX已生成的文件
在这里插入图片描述...
【读脑仪game】
读脑仪(Brain-Computer Interface,BCI)游戏是一种利用脑电信号来控制游戏的新型交互方式。这类游戏通常需要专业的硬件设备来读取用户的脑电信号,并将这些信号转化为游戏中的控制信号。编写这样的游戏代码涉及到多个方面ÿ…...
基于STM32的毕业设计示例
**基于STM32的毕业设计示例** 一、引言 在当前的电子工程领域,STM32微控制器因其高性能、低功耗和丰富的外设接口而备受青睐。本次毕业设计旨在展示基于STM32微控制器的系统设计与实现能力,通过构建一个具有实际应用价值的系统,体现对嵌入式…...
图片格式怎么转成pdf,简单的方法
在现代数字化时代,图片格式转换成PDF已经成为许多人的日常需求。无论是为了存档、分享还是打印,将图片转换为PDF都是一项非常实用的技能。本文将详细介绍如何将图片格式转换成PDF的方法。 用浏览器打开 "轻云处理pdf官网,上传图片。 图…...
在 Debian 上使用和配置 SSH 的指南
SSH(Secure Shell)是用于在不安全网络上安全登录远程计算机和执行命令的协议。本文将详细介绍如何在 Debian 系统上安装、配置和使用 SSH。 1. 安装 SSH 首先,您需要安装 OpenSSH 服务器和客户端(也可直接安装服务器端ÿ…...
Sleep | 纺锤波-慢波耦合与解决问题的能力:年龄的影响
摘要 本研究考察了衰老如何影响睡眠在巩固新学习的认知策略中的作用。共纳入40名健康年轻人(20-35岁)和30名健康老年人(60-85岁)。参与者接受了河内塔(ToH)任务的训练,然后,每个年龄组的一半参与者被分配到90分钟的午睡条件下,另一半则保持清…...
代码随想录 day 30
回溯总结: 相当于暴力for循环,其目的用递归控制for循环嵌套的数量。当剪枝时,就可以使得嵌套数量减少。把回溯问题抽象一颗树比较好懂。并且使得代码更简洁。 对于组合问题,什么时候需要startIndex呢? 在一个集合求组合…...
SD NAND(贴片式TF卡)坏块管理技术问答
Q1:什么是NAND的块(Block))? 每个Nand包含一个或多个Chip。Chip是可以独立执行命令并上报状态的最小单元。 每个Chip包含一个或多个plane。不同的plane间可以并发操作,不过有一些限制。 每个plane包含多block,block是最小擦除单元(擦除后为…...
学习使用js监测浏览器窗口大小变化
学习使用js监测浏览器窗口大小变化 在JavaScript中,可以通过监听resize事件来检测浏览器窗口的大小变化。以下是一个简单的示例代码,用于检测浏览器窗口大小的变化并在控制台输出新的窗口尺寸: javascript // 定义一个处理窗口大小变化的函数…...
微服务开发与实战Day02 - Docker
一、Docker快速入门 快速构建、运行、管理应用的工具 安装部署教程:Docs 1. 部署MySQL 测试连接: 镜像和容器 当我们利用Docker安装应用时,Docker会自动搜索并下载应用镜像(image)。镜像不仅包含应用本身ÿ…...
蒙层(css)
如何在 Vue 中实现一个包含图像和蒙层效果的组件?这个组件根据某个条件显示或隐藏蒙层,用于表示图像是否已读。 1. 创建基础模板 首先,我们在模板中使用 div 包裹我们的图像组件 GraphImage,并为最外层 div 设置 position: relat…...
SpringBoot前端URL访问本地磁盘文件
SpringBoot前端通过 URL访问本地磁盘文件,其实就是 SpringBoot访问web中的静态资源的处理方式。 SpringBoot 访问web中的静态资源:https://blog.csdn.net/qq_42402854/article/details/90295079 首先,我们知道浏览器访问本地磁盘文件的方式为…...
【WP】猿人学2_js混淆_动态cookie
https://match.yuanrenxue.cn/match/2 抓包分析 根据发包加密参数在cookie中 删除cookie带的m参数,重新点击其他页面,然后使用Fiddler抓包 第一个包请求没有携带m,但是后面的请求是附带了m了,所以m就是在此之间生成 查看不带…...
基于springboot实现民族婚纱预定系统项目【项目源码+论文说明】
基于springboot实现民族婚纱预定系统的设计演示 摘要 现代经济快节奏发展以及不断完善升级的信息化技术,让传统数据信息的管理升级为软件存储,归纳,集中处理数据信息的管理方式。本民族婚纱预定系统就是在这样的大环境下诞生,其可…...
String常用操作
String常用方法 构造字符串 常用的构造字符串有3种: 1.直接赋值String s "abcd"; 2.实例化调用构造方法String s new String("abcd"); 3.实例化传字符数组 char[] ch {a,b,c,d}; String s new String(ch);字符串比较 比较 比较的是两个…...
git: 批量删除分支
环境: window11git version 2.42.0git-bash.exe window环境下: 1. 批量删除本地 git branch |grep xxx |xargs git branch -D比如: 想批量删除本地含有 release 关键字的分支: 2. 批量删除远程 git branch -r | grep xxxx | …...
【第5章】SpringBoot实战篇之登录模式切换
文章目录 前言一、接口扩展1. LoginStorage2. LocalLoginStorage3. RedisLoginStorage4. 参数配置 二、登录相关接口改动1.登录接口2. 登录拦截器 总结 前言 前面分别介绍了本地Map和redis存储用户登录信息,但是第二天我登录就出现问题了,因为我Redis部…...
2024最新华为OD算法题目
在一个机房中,服务器的位置标识在 n*m 的整数矩阵网格中,1表示单元格上有服务器,0 表示没有。如果两台服务器位于同一行或者同一列中紧邻的位置,则认为它们之间可以组成一个局域网。请你统计机房中最大的局域网包含的服务器个数。 输入描述 第一行输入两个正整数,n和m,…...
Redis集群方案有哪些?
今天咱们来聊聊Redis集群方案,想象一下Redis是个超级大的储物柜,里面放满了你各种各样的宝贝(数据)。但随着宝贝越来越多,一个储物柜不够用了,这时候我们就得想方设法扩大空间,还要保证找东西依…...
stm32G473的flash模式是单bank还是双bank?
今天突然有人stm32G473的flash模式是单bank还是双bank?由于时间太久,我真忘记了。搜搜发现,还真有人和我一样。见下面的链接:https://shequ.stmicroelectronics.cn/forum.php?modviewthread&tid644563 根据STM32G4系列参考手…...
java 实现excel文件转pdf | 无水印 | 无限制
文章目录 目录 文章目录 前言 1.项目远程仓库配置 2.pom文件引入相关依赖 3.代码破解 二、Excel转PDF 1.代码实现 2.Aspose.License.xml 授权文件 总结 前言 java处理excel转pdf一直没找到什么好用的免费jar包工具,自己手写的难度,恐怕高级程序员花费一年的事件,也…...
2024年赣州旅游投资集团社会招聘笔试真
2024年赣州旅游投资集团社会招聘笔试真 题 ( 满 分 1 0 0 分 时 间 1 2 0 分 钟 ) 一、单选题(每题只有一个正确答案,答错、不答或多答均不得分) 1.纪要的特点不包括()。 A.概括重点 B.指导传达 C. 客观纪实 D.有言必录 【答案】: D 2.1864年,()预言了电磁波的存在,并指出…...
CentOS下的分布式内存计算Spark环境部署
一、Spark 核心架构与应用场景 1.1 分布式计算引擎的核心优势 Spark 是基于内存的分布式计算框架,相比 MapReduce 具有以下核心优势: 内存计算:数据可常驻内存,迭代计算性能提升 10-100 倍(文档段落:3-79…...
使用van-uploader 的UI组件,结合vue2如何实现图片上传组件的封装
以下是基于 vant-ui(适配 Vue2 版本 )实现截图中照片上传预览、删除功能,并封装成可复用组件的完整代码,包含样式和逻辑实现,可直接在 Vue2 项目中使用: 1. 封装的图片上传组件 ImageUploader.vue <te…...
AI书签管理工具开发全记录(十九):嵌入资源处理
1.前言 📝 在上一篇文章中,我们完成了书签的导入导出功能。本篇文章我们研究如何处理嵌入资源,方便后续将资源打包到一个可执行文件中。 2.embed介绍 🎯 Go 1.16 引入了革命性的 embed 包,彻底改变了静态资源管理的…...
Maven 概述、安装、配置、仓库、私服详解
目录 1、Maven 概述 1.1 Maven 的定义 1.2 Maven 解决的问题 1.3 Maven 的核心特性与优势 2、Maven 安装 2.1 下载 Maven 2.2 安装配置 Maven 2.3 测试安装 2.4 修改 Maven 本地仓库的默认路径 3、Maven 配置 3.1 配置本地仓库 3.2 配置 JDK 3.3 IDEA 配置本地 Ma…...
10-Oracle 23 ai Vector Search 概述和参数
一、Oracle AI Vector Search 概述 企业和个人都在尝试各种AI,使用客户端或是内部自己搭建集成大模型的终端,加速与大型语言模型(LLM)的结合,同时使用检索增强生成(Retrieval Augmented Generation &#…...
解析奥地利 XARION激光超声检测系统:无膜光学麦克风 + 无耦合剂的技术协同优势及多元应用
在工业制造领域,无损检测(NDT)的精度与效率直接影响产品质量与生产安全。奥地利 XARION开发的激光超声精密检测系统,以非接触式光学麦克风技术为核心,打破传统检测瓶颈,为半导体、航空航天、汽车制造等行业提供了高灵敏…...
论文阅读笔记——Muffin: Testing Deep Learning Libraries via Neural Architecture Fuzzing
Muffin 论文 现有方法 CRADLE 和 LEMON,依赖模型推理阶段输出进行差分测试,但在训练阶段是不可行的,因为训练阶段直到最后才有固定输出,中间过程是不断变化的。API 库覆盖低,因为各个 API 都是在各种具体场景下使用。…...
