CST 眼圖仿真實例（補充1）：IBIS-AMI之Statistical方法
IBIS-AMI用于完整的SerDes信道性能分析：
本期介紹IBIS-AMI的Statistical流程。該流程是眾多IBIS-AMI模型支持的流程中最基礎的一個，發(fā)射Tx和接收Rx的dll都只有AMI_Init這個函式，然后算出信道的脈沖響應和AMI均衡器的眼圖改善效果。
我們以2022版的自帶案例為例，介紹IBIS-AMI 統(tǒng)計流程的操作步驟：
先簡單介紹這個案例有什么，該案例用4端口的SPICE模型模擬信道：
案例的仿真任務分三部分，第一個“Tran1”是Transient任務，用來啟動IBIS和獲得模擬信道的特征，該特征就是step response階梯響應。第二個“IbisAmi_Statistical”是IBIS-AMI任務，最后一個“Eye_Diagram_Statistical”是后處理眼圖工具，因為我們的流程是Statistical統(tǒng)計法，所以需要眼圖工具。
下面詳細介紹流程。
Step1. 準備IBIS AMI文檔
IBIS AMI 模型由描述電氣特性的傳統(tǒng)的IBIS模型文件（*.ibs）、包含編譯后算法的動態(tài)鏈接庫文件（*.dll/*.so）以及參數(shù)描述文檔（*.ami）三個文件共同構成。簡單解釋就是，IBIS-AMI比傳統(tǒng)IBIS多了數(shù)字信號處理部分。所以用戶一般有6個供應商提供的文檔，傳輸端的.ibs,.ami和.dll, 接收端的.ibs, .ami和.dll, 如果一個.ibs包括兩端，那么就是5個文檔。
我們需要確保這些文檔都在一個文件夾下，然后拖拽.ibs文件進電路界面，其他文檔將自動拷貝進入cst項目。比如，自帶案例項目文件夾中可查看其使用的IBISAMI文檔：
Step2. 建立SerDes電路模型（可包括3D）
比如自帶案例的簡單信道模型:
實際操作也可以用Touchstone、分析模型、3D仿真模塊來建立比如PCB加封裝這樣完整的端到端的信道。
這里的帶箭頭的IBIS模塊是之前拖拽進來的.ibs，我們叫參考模塊。另外兩個AMI模塊是指向它的，因為這一個IBIS包括了Tx和Rx內容。這里需要搞清楚模塊的名稱，比如Tx這個IBIS-AMI模塊目前叫“IBIS1”，Rx那個就是“IBIS2”，這些名稱在下一步的Transient任務中需要。
Step 3. 計算階梯響應Step Response
添加Transient任務：
設置Tmax和采樣數(shù)量：
這里的采樣需要是線性采樣，用的UI是0.1ns，所以每個bit采樣是1600/100=16。這個要依據AMI供應商提供的說明書。Transient任務激勵Port1一個足夠長的pulse作為step信號：
確保我們的IBIS發(fā)射和接收的階梯信號結果合理：
Step 4. 添加IBIS-AMI 任務
任務設置中，定義UI=0.1，選擇Statistical流程，發(fā)射和接收要選擇對應的IBIS模塊名稱，然后Channel選擇上一步的Transient任務名稱Tran1。
這步先不需要更新IBIS-AMI任務，等下一步之后再更新計算。該任務會基于上一步Transient任務計算出來的信道Step Response階梯響應，進一步計算具有IBIS-AMI處理效果的Impulse Response脈沖響應和Step Response階梯響應。
Step 5. AMI參數(shù)查看和設置
我們當然可以直接開AMI 文檔查看和修改參數(shù):
也可以在上一步的IBIS-AMI任務中查看和修改:
以下是該自帶案例用的IBIS-AMI參數(shù)，不同AMI文檔內容有差別。
Tx 的AMI參數(shù)：
可見該IBIS-AMI的Tx只支持Init_Returns_Impulse函式；是個InitOnly 模型。模型目前使用自適應FFE前饋均衡器。
Rx的AMI參數(shù)：
可見該IBIS-AMI的Rx也是支持Init_Returns_Impulse函式；是個InitOnly 模型。目前使用自適應CTLE連續(xù)時間線性均衡器，自適應DFE判決反饋均衡器，具有時鐘和數(shù)據恢復CDR。
這兩個界面中，可以對Model_specific參數(shù)進行修改，但是Reserved_Parameters是不可修改的。這里的IBIS-AMI是有詳細的說明書的，以后我們再找案例詳細介紹內容。
Step 6. 仿真IBIS任務，查看Impulse Response脈沖響應結果
更新仿真任務獲得結果：
接收處的脈沖響應Impulse Response：
階梯響應Step Response:
這里的階梯響應和之前的Transient任務計算的階梯響應不要混淆，二者名稱一樣，但是內容有一差別。之前的step響應是沒有AMI據衡器的；這里的step響應結果有AMI均衡器，用于下一步的眼圖計算。
其實仔細看能看出來均衡器效果，比如Post_Tx的上升沿調整與電壓下降，都是FFE均衡的效果。
這里的三個信號，Analog channel，Post_Tx和Post_Rx,分別對應Impulse Response下面，Tx:AMI_Init下面，和Rx:Ami_Init下面的三個位置。再回憶數(shù)字信號處理流程：
也就是說，Post_Tx考慮了Tx的均衡器，Post_Rx考慮了Rx的均衡器，Analog Channel沒有均衡器。三個都是接收端的結果，不要被“Tx”誤導。
Step 7. 眼圖工具Statistical設置
這里我們添加了兩次眼圖工具，分別用Analog channel和Post_Rx的step信號來獲取眼圖。
Step 8. Statistical眼圖結果
更新眼圖工具后處理，獲得結果：
沒有AMI均衡器的眼圖（analog channel）緊閉和根本不漏水的浴盆圖：
有AMI 均衡器的眼圖（Post_Rx）和浴盆圖：
可見AMI均衡器的效果能夠加大眼寬眼高，加寬浴盆開口。
小結：
1. IBIS-AMI比傳統(tǒng)IBIS多了數(shù)字信號分析，需要仿真的流程分Statistical統(tǒng)計流程和Time Domain時域流程（Transient）。
2. 根據AMI文檔中介紹的Tx和Rx支持的函式來判斷該IBIS-AMI模型可用于什么流程的仿真。本案例介紹的是基礎的Statistical。
3. 根據AMI的用戶手冊（說明書）定義采樣、忽略位數(shù)、均衡器參數(shù)等等。眾多均衡器在本案例中的AMI文件參數(shù)中使用，這里并沒有詳解，只是注重于流程。以后有機會再解釋AMI參數(shù)和均衡器細節(jié)。
4. CST的AMI流程（statistical）簡單說就是Transient任務加上IBIS-AMI任務，最后眼圖工具后處理。
