指導教授：曹恆偉臺灣大學：電信工程學研究所邱士恆Chiu, Shih-HengShih-HengChiu2014-11-302018-07-052014-11-302018-07-052014http://ntur.lib.ntu.edu.tw//handle/246246/264352在一般的時脈和資料回復電路中，考量抖動的情況下，我們通常會把決策點(取樣相位和電壓門檻的統稱)設在眼圖的中心位置，而在實際的情形裡，訊號的波形不會這麼的理想且互相對稱，訊號會受到雜訊、色散和符際干擾等影響導致波形扭曲不對稱並隨著時間而變化。此時，最佳的決策點不再是眼圖的中心位置，為了減低錯誤率，必須將決策點調整成更佳的位置。因此，我們需要一個可以自動調整決策點的機制，根據不同訊號失真狀況去調整取樣相位和電壓門檻，此即稱作”適應性決策點控制”。 在本篇論文中，我們提出了一個可應用於高速有線傳輸並具有理論基礎的適應性決策點控制架構。對每個相位取樣得到同步直方圖後，透過最近高斯演算法尋找出最佳的取樣相位並調整電壓門檻，我們可以有效的改善位元錯誤率。 在本篇論文中，我們也提出了一個同步式眼圖重建的架構，透過將每個相位的直方圖轉換為對應該相位的一維濃度表現，我們可以重建出眼圖。眼圖的解析度為256(相位)X256(電壓階數)，一張眼圖的取樣點數為256(相位)X512(一個直方圖的取樣點數)。In common Clock and Data Recovery circuits, we usually put the decision point(sampling phase and voltage threshold) at the center of Eye diagram when we concern about the jitter. But in real world, the shape of signal would be effected by noise、dispersion and ISI…etc, which makes the Eye diagram not ideal and symmetric, and the decision point is not at the center of Eye diagram anymore. To reduce the BER, we have to adjust the decision point to ideal place. Therefore, we need a mechanism to adjust the decision point automatically, it can adjust the sampling phase and voltage threshold according to different condition of distortion. We called it “Adaptive Decision Point Control”. In this thesis, we proposed a theorem based architecture of ADPC applied to high speed wire communication. After get the synchronous amplitude histogram, we can find the ideal sampling phase and voltage threshold by using Nearest Gaussian algorithm, and we can also improve the BER. In this thesis, we also proposed an architecture of Synchronous Eye diagram Reconstruction. By transfer the histogram of every phase to correspond one dimensional density, we can reconstruct the Eye diagram. The resolution of the Eye diagram is 256(phase)X256(voltage level). The sample number of Eye diagram is 256(phase)X512(sample number of a histogram).口試委員會審定書 i 致謝 ii 中文摘要 iii 英文摘要 iv 目錄 v 圖目錄 vii 表目錄 x 第一章 簡介 1 1.1千億位元乙太網路實體層架構介紹 1 1.1.1千億位元以太網路標準概述 1 1.1.2千億位元以太網路架構設計 2 1.2時脈和資料回復電路介紹 3 1.3眼圖介紹 4 1.4章節架構 7 第二章 適應性決策點控制概觀 8 2.1時脈和資料回復電路的議題 8 2.2適應性決策點控制之文獻探討 9 2.3傳統的Q值估計 13 2.4多重高斯分布近似法 13 第三章 採用最近高斯理論的適應性決策點控制架構 17 3.1最近高斯理論(Nearest Gaussian Theorem)介紹 17 3.2提出的最近高斯演算法 19 3.3尋找最近高斯分布峰值的演算法 23 3.4採用最近高斯演算法的適應性決策點控制架構 28 3.5模擬結果和討論 29 3.5.1 Simulink模擬條件 29 3.5.2 CDR分析 31 3.5.3模擬結果 33 3.5.4直方圖電壓階數的討論 37 3.5.5直方圖平滑化的討論 38 3.5.6直方圖取樣點數的討論 39 第四章 眼圖重建 41 4.1眼圖重建演算法 41 4.2眼圖重建架構介紹 43 4.3電壓階數、灰階數和每個相位取樣數的探討 43 4.4模擬結果 46 第五章 結論以及未來工作 62 5.1結論 62 5.2未來工作 62 參考資料 633875884 bytesapplication/pdf論文公開時間：2014/07/22論文使用權限：同意有償授權(權利金給回饋本人)時脈和資料回復電路決策點適應性決策點控制同步直方圖最近高斯演算法眼圖重建thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/264352/1/ntu-103-R00942095-1.pdf