千兆以太网的SerDes接口电路设计

来源 :江南大学 | 被引量 : 0次 | 上传用户:x360791581
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络通信技术和集成电路制造工艺水平的不断提高,系统间的信息交换变大。传统的并行传输接口技术传输数据时,具有抗干扰能力弱、时钟偏斜大和传输距离短等缺点,导致传输接口成为限制数据传输速率的瓶颈。为了满足日益增长带宽的需求,高速串行接口SerDes逐渐取代传统的并行接口,成为了高速接口的主流技术。SerDes通常采用差分的传输方式,差分传输方式具有抗干扰能力强和传输距离远的优点。SerDes作为主流串行传输技术,在高速串行通信领域的物理层得到广泛应用。本文设计的SerDes接口电路用于一款千兆以太网物理层网卡芯片中,在GMII到1000BASE-X模式下完成数据的发送和接收。通过对SerDes系统结构的研究,基于0.13μm CMOS工艺对SerDes电路进行设计。首先,本文对SerDes发送端整体架构进行研究,对整个发送端关键模块进行设计与仿真,如8B/10B编码模块、并串转换模块等。为了解决数据在光纤通道传输过程中基线漂移和码流不平衡的问题,物理编码层采用了8B/10B编码。通过对8B/10B编码规则和内在相关性的研究与分析,结合查表法和逻辑表达式法设计了8B/10B编码电路,该编码电路简化了8B/10B码表并提高了编码速度。采用多相位时钟型和树型的混合结构设计了并串转换电路,实现了10b并行数据的并串转换。通过仿真工具对设计的编码电路和并串转换电路进行仿真,仿真结果表明所设计的电路功能正常。其次,本文对SerDes接收端整体架构进行研究,对整个接收端关键模块进行设计与仿真,如时钟数据恢复模块、串并转换模块和8B/10B解码模块等。基于传统双环路CDR结构,设计了一种基于相位插值器1/4速率的时钟数据恢复电路,与传统的结构相比,恢复出的时钟和数据抖动低,电路的响应速度快。CDR电路恢复出的时钟和数据的抖动的峰峰值分别为0.013UI和0.016UI。基于1/4速率鉴相的工作原理,利用串并转换电路对恢复出的4路数据信号进行串并转换处理,完成高速串行数据到并行数据的转换。将并行的10b数据通过8B/10B解码器进行解码,本文通过引入中间变量优化解码电路和极性错误检测电路,采用组合逻辑法设计了一种带有查错功能的8B/10B解码电路。相较于经典的IBM解码器,8B/10B解码器的设计减少了逻辑层数、提高解码速度以及降低芯片面积。并利用仿真工具对设计的时钟数据恢复电路、串并转换电路和8B/10B解码电路进行仿真验证,仿真结果表明所设计的电路功能正常。最后,在SerDes电路设计完成后,完成SerDes的版图设计并对流片后的芯片进行板级测试。SerDes版图面积为654×477μm~2,通过测试平台对芯片进行板级测试,测试结果表明,集成在千兆以太网物理层网卡芯片中SerDes电路的数据收发功能正常,数据传输速率达到1.25 Gbps,全双工模式下,总功耗为97.5 m W。利用示波器测试出发送端和接收端数据的眼图,发送端和接收端数据总抖动TJ分别为142.6 ps和225.7 ps。
其他文献
随着社会各方的需求、信息化的推进以及计算机视觉的发展,微表情识别领域得到了越来越多的关注,研究人员对其所进行的研究越来越深入。在商务谈判、刑事审讯、心理治疗等场合中人们会有意无意的隐藏自己的真实情绪以此来达到他们的目的,微表情是人类的肌肉语言,在此类情况下使用微表情识别的结果作为判断依据,可靠性则会大大提升。微表情区别于寻常宏表情的显著特点:(1)持续时间短(1/25-1/5秒);(2)肌肉运动幅
视觉目标跟踪是计算机视觉领域的一个重要分支,在智能视频监控、无人驾驶、人机交互等多个领域有着重要应用。本课题的研究内容是单目标跟踪,表现形式为在第一帧提供待跟踪的任意单个物体,在接下来的图像序列中,跟踪算法应当准确、实时地预测目标的位置。由于第一帧提供的信息有限,不足以应对后续跟踪场景的复杂性与多变性,同时,跟踪器的速度要满足实时性,这些难点使得视觉目标跟踪一直是一个极具挑战性的任务。如何设计一个
图像融合是将在同一场景下,通过不同传感器获得的图像综合成一幅新的图像,使得融合图像具有更丰富的细节信息,对场景内的所有物体都能够清晰的识别,从而便于后续进一步的图像处理和分析。随着对图像融合领域的深入研究,图像处理的手段越来越丰富。以曲波变换、轮廓波变换、剪切波变换、非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)等为例的多尺度变换工具能够对图像进
运动目标检测与跟踪技术作为计算机视觉领域重要研究方向之一,其被广泛应用于智能监控、交通系统和人机交互等多个领域。而在实际的应用场景中,往往存在动态背景、光照变化、遮挡、尺度变化和快速运动等复杂干扰的影响,给运动目标的检测与跟踪产生巨大的困难和挑战。本文针对鬼影及阴影的消除方法、特征融合方法和模型更新策略进行研究,具体研究工作如下:(1)针对视觉背景提取(Visual Background Extr
自旋转移力矩随机磁存储器(STT-MRAM)是一种新型的非易失性存储器,被认为是最具有潜力替代Flash的新型存储器之一,在未来的各行各业均具有广泛的应用前景。本论文针对STT-MRAM外围电路的两个主要组成部分:读电路和写电路,进行了相关的设计与研究。首先,针对深纳米级的STT-MRAM,设计了一种具有动态参考和可变容差的新型读电路,实现了极高的传感裕度(SM)和较小的读取干扰(RD);然后,设
视觉目标跟踪经常被应用于无人机、视频安防、智慧城市等领域,其任务是给定初始帧中待跟踪目标物体的信息,在后续视频帧中预测目标的实际位置和尺寸大小。在复杂背景环境下既保证跟踪精度又保证跟踪速度是视觉目标跟踪任务的难点。本文以深度孪生网络结构为基础,针对当前视觉目标跟踪算法中存在的难点问题展开研究,具体研究成果如下所述:(1)通常卷积网络提取到的特征包含低层、中层和高层抽象信息。许多孪生网络类跟踪算法在
信息物理系统(Cyber Physical Systems,CPSs)是将传感、通信、计算和控制过程高效结合而形成的复杂系统。目前,信息物理系统已在智能电网、医疗监测、智慧工厂、智能交通等众多领域得到广泛应用。不同于以往封闭式的工业内部网络,通讯网络的接入极大地提高了系统运行效率同时,也带来了许多安全问题。近年来针对信息物理系统的攻击事件频频发生,造成巨大的经济和社会损失,这已经引起了国内外相关学
图像相较于文字而言,传递信息的方式更为简单直接,因此运用更为广泛,但图像在采集、传输和使用过程中,往往会引起不同程度的失真,这就需要质量评价算法对其进行评估。现阶段图像质量评价的主流算法大多基于机器学习(特别是深度学习),现有研究表明机器学习算法对数据的对抗性扰动极其不稳定,存在鲁棒性和安全性问题。基于此本文研究了一系列的对抗性扰动样本来攻击现有图像质量评价算法,找出其漏洞,希望本文的攻击方式能让
随着物联网应用与规模的持续增长,同时带来了空前的网络安全威胁和安全风险。对此学术界提出利用威胁情报来对日趋复杂的安全问题进行预警和预测,威胁情报作为一种网络安全大数据,可以有效帮助防御者更好地提升网络安全防护能力[1]。在此,如何高效构建威胁情报就成了一个核心问题。然而,当前在信息安全领域,威胁情报普遍存在着冗余度较高、内容单一、标准不统一的缺陷,难以共享。对此本文通过对恶意代码和非结构化网络威胁