Anche i termini quantitativi, come la differenza massima in dB, sono problematici. Ad esempio, una differenza di interferenza di 10 dB quando i livelli sono a -90 dB è molto diversa da una quando i livelli sono a -20 dB. Inoltre, è sufficiente confrontare l'ampiezza, o si dovrebbero considerare sia l'ampiezza che la fase? Più avanti in questo articolo, due diversi metodi quantitativi per confrontare i set di dati vengono applicati al seguente esempio.
Per iniziare la discussione sulla correlazione, si considerino le prestazioni misurate e simulate di un connettore mezzanine ad alta densità da 16 mm. La risposta simulata è stata generata utilizzando uno strumento di modellazione a lunghezza d'onda completa. Si è prestata attenzione a garantire che la densità della mesh e i protocolli di configurazione delle porte fossero sufficienti, utilizzando le caratteristiche nominali del materiale dielettrico. La risposta misurata include il connettore e le sue dimensioni. Sono state utilizzate strutture di calibrazione TRL/M a bordo per calibrare il VNA e de-embed gli effetti di misurazione nell'apparato. Si è prestata attenzione a garantire che le dimensioni misurate corrispondessero esattamente alle dimensioni simulate. I risultati sono mostrati nella Figura 15. Confrontando le risposte nella Figura 15, la correlazione è generalmente entro le aspettative. Il profilo di impedenza mostrato nella Figura 15 è stato generato dai file touchstone misurati/simulati utilizzando la convoluzione nel dominio del tempo.
Intel ha pubblicato un documento sulla qualità del modello del connettore nel settembre 2011 [2]. Questo documento introduce il concetto di Fattore di Qualità del Modello, come mezzo per misurare l'accuratezza di un modello basato sulla simulazione rispetto alle sue prestazioni misurate nel contesto operativo, quando:
xx = x
xx = Fattore di qualità del modello per impedenza, perdita di inserzione e interferenza
x1 = area di riferimento
x2 = area tra le curve misurate e simulate.
Un valore MQF positivo elevato indica un alto grado di correlazione.
Un valore MQF basso (o negativo) indica una correlazione relativamente scarsa. Il metodo si basa sulle aree di calcolo nei grafici nel dominio del tempo. Questo metodo è stato applicato ai risultati mostrati nella Figura 15 per un connettore mezzanine da 16 mm. Il primo passo nel calcolo dell'MQF consiste nel trasformare il modello del connettore a parametri S e le misurazioni in grafici nel dominio del tempo. Questo è stato fatto utilizzando Agilent ADS2.011.05.
L'MQF per l'impedenza è stato calcolato pari a -0,15, indicando una correlazione relativamente scarsa. Ciò è dovuto a una bassa impedenza simulata rispetto al valore misurato.
La Figura 16 illustra il calcolo dell'area nel calcolo MQF. Si noti che l'intervallo MQF è limitato alla regione del connettore o al doppio del tempo di propagazione del connettore su un grafico impedenza-tempo. L'impedenza MQF non specifica il tempo di salita; tuttavia, il tempo di salita influenza l'MQF. La Figura 16 ha un tempo di salita di 30 ps (20-80%), risultante in un MQF di -0,15. Con un tempo di salita di 50 ps, l'MQF si è degradato a -0,28 e a 100 ps, l'MQF è sceso a -0,6.
La perdita di inserzione MQF si basa sulla risposta della trasmissione nel dominio del tempo (TDT). Il degrado del tempo di salita, o TDT, è equivalente alla perdita di inserzione fornita quando è definito il tempo di salita della sorgente. L'MQF per la perdita di inserzione è stato calcolato pari a 0,43 e la relativa analisi è mostrata nella Figura 17.
L'interferenza MQF (NEXT) si basa anche sulla risposta DTT (Time Domain Transmission). Il NEXT nel dominio del tempo dipende anche dal tempo di salita della sorgente, che non è specificato. L'MQF per NEXT è stato calcolato pari a 0,85 e l'analisi corrispondente è mostrata nella Figura 18.
6]. FSV ha un vantaggio rispetto a MQF in quanto può essere applicato sia a dataset nel dominio del tempo che nel dominio della frequenza. MQF ha il vantaggio di essere molto più semplice da implementare se si scrive codice originale. FSV produce un valore qualitativo che va da eccellente a scarso. Questo assegna valori quantitativi FSV da <0,1 (eccellente) a >1,6 (scarso). FSV considera la differenza assoluta tra due dataset e condizioni come Misura di Differenza di Ampiezza (ADM). Ad esempio, ottenere una buona correlazione su un ampio spettro con una variabile dipendente abbastanza costante verrebbe presentato come un ADM basso. FSV considera anche le differenze nelle caratteristiche di due dataset, calcolate come la derivata prima dei dati per accentuare i cambiamenti nelle curve. Questo è noto come Misura di Differenza delle Caratteristiche (FDM). Ad esempio, una buona correlazione di risonanza del connettore verrebbe mostrata come un basso valore FDM.
La media geometrica di ADM e FDM viene combinata per formare la Misura di Differenza Globale (GDM). La GDM può essere considerata la correlazione complessiva tra due insiemi di dati. ADM, FDM e GDM possono essere rappresentati graficamente in funzione della variabile indipendente per indicare dove i modelli sono simili o diversi. È anche comune tracciare un istogramma per mostrare quali percentuali di punti dati sono ben correlati. L'istogramma è suddiviso in sei categorie, con termini quantitativi assegnati alle categorie qualitative dell'istogramma.
L'applicazione FSV è disponibile per il download all'indirizzo www.upd.edu/web/gcem [6] ed è stata utilizzata per creare le Figure 19-21. La Figura 19 mostra che i set di dati di perdita di inserzione misurati e simulati avevano una correlazione "molto buona" basata sul valore GDMtot di 0,13. GDMtot è essenzialmente un "numero di valutazione" che include le differenze di ampiezza e funzione nei set di dati.
La Figura 20 mostra i set di dati NEXT misurati e simulati che presentavano una correlazione "buona" in base al valore GDMtot di 0,3. Come per i dati di perdita di inserzione, sia ADM che FDM hanno mostrato una correlazione migliore rispetto alla media geometrica.
La Figura 21 mostra che i set di dati di impedenza misurati e simulati presentavano una correlazione "discreta" basata sul valore di 0,75 GDMtot.
Conclusioni e raccomandazioni:
La validazione di connettori multipin ad alta velocità si è rivelata complessa, poiché test di accoppiamento imperfetti influiscono significativamente sui risultati. Per quanto riguarda la misurazione, sono necessari standard di calibrazione di bordo accurati per una de-embedding coerente. Per quanto riguarda la simulazione, i parametri del materiale del connettore sono stimati e la densità della mesh del modello può influenzare i risultati. È fondamentale includere le dimensioni misurate nella simulazione, poiché anche piccole differenze dimensionali porteranno a variazioni tra i risultati di misurazione e quelli di simulazione.
Per la misurazione e la simulazione dei parametri S differenziali del connettore sono state applicate due diverse metriche di qualità del modello. Queste metriche sono necessarie per questo tipo di modello e ottenere una correlazione molto buona è una sfida, data la complessità delle strutture a microonde.
I parametri di trasmissione (IL e NEXT) tendono a mostrare una migliore correlazione rispetto ai parametri di riflessione (RL e impedenza). La classificazione qualitativa di FSV rappresenta un vantaggio significativo rispetto a MQF; tuttavia, FSV ha richiesto molti anni di iterazioni per raggiungere il suo stato di maturità.
Pertanto, i modelli dei connettori sono validi? In questo esempio, sì, sono conformi a FSV.
Autore:
Jim Nadolny, Samtec
Leon Wu, Samtec
Riferimenti
[1] Manuale utente Tektronix IConnect e MeasureXtractor.
[2] Intel Corporation, “Modello di connettore Intel, metodologia di valutazione della qualità”, settembre 2011.
[3] Roy Leventhal, “Correlazione tra simulazioni di modelli e misurazioni”, IBIS Summit Meeting, 5 giugno 2007.
[4] EEE P1597.2/D6.4 “Bozza di pratica raccomandata per la convalida della modellazione e simulazione elettromagnetica computazionale al computer”.
[5] J. Knockaert, J. Cartrysse, R. Belmans “Confronto e convalida delle misurazioni EMC tramite FSV e IELF”, 2006 IEEE.
[6] Universitat Politecnica De Catalunya, FSV scaricabile.
