眼圖

1 三秒看懂：眼圖是什麼

眼圖是高速數字訊號的“心電圖”。它將無數個隨機的位元流片段疊加在一個單位間隔內，因疊加後的形狀酷似人眼而得名——上眼瞼、下眼瞼、眼角、瞳孔般的中央開窗區，構成了一幅直觀的訊號質量畫像。其核心判據既簡單又嚴厲：中央“眼睛”張得越開，訊號質量越好，意味著接收端有充足的時間和幅度容錯空間去判別每一個位元；反之，若“眼睛”閉合或線條雜亂粗糙，則預示著嚴重的碼間干擾、噪聲侵蝕或時序紊亂，物理層通訊面臨極高的誤碼風險。在 SerDes、DDR、PCIe、USB、乙太網路等一切高速鏈路的設計、驗證和除錯中，眼圖都是診斷物理層健康狀況的首選視覺化工具。它用一幅圖回答了三個最根本的問題：訊號能可靠地傳多遠？現有的噪聲和抖動還剩多少裕量？系統離崩潰還有幾步？

2 三分鐘產業解釋：為什麼眼圖如此重要

當 PCB 走線、電纜或背板上的資料傳輸速率攀升至數 Gbps 乃至數十 Gbps 時，單純的邏輯電平測量已經失去意義。接收端不再像低速器件那樣可以在任意時刻對訊號取樣，而是必須在一個位元週期內的極其精確的時刻，對經過通道劣化後的訊號電壓進行“高”或“低”的判決。眼圖利用示波器的時鐘恢復或外部觸發，將長串偽隨機位元流的每一個單位間隔“摺疊”併疊加顯示：縱軸代表電壓幅度，橫軸代表相對於恢復時鐘的時間偏移。若通道傳輸特性理想，疊加後的波形會在中心形成一個乾淨、開闊的“眼睛”，代表能量絕大多數都聚焦在兩個分離的電壓群上；若有阻抗失配導致的反射、介質損耗造成的斜率變緩、串擾或各式各樣的抖動，能量軌跡就會向內侵蝕，使眼睛部分或完全閉合，交叉點變粗，眼瞼變厚。

在工程上，眼圖絕非僅用於定性觀察，而是一致性測試的基石。幾乎每一個高速序列通訊標準（例如 IEEE 802.3、PCI-SIG 的 PCIe Base Spec、JEDEC 的 DDR 規範、USB-IF 的 USB4 標準等）都會定義嚴格的模板：一個多邊形區域被覆蓋在眼圖上，只要有任何一條波形軌跡觸碰或闖入模板禁區，物理層即被判為不合格。產業界依賴從高階即時示波器、取樣示波器到內建誤碼儀功能的分析軟體，來生成、記錄並自動對比這些模板。這套流程貫穿晶片 IP 驗證、板級系統除錯、背板與聯結器評估、光模組測試以及產線大批次測試的全生命週期。投資方需要理解，一家能夠以最小合規裕量穩定輸出“睜眼圖”的硬體公司，本質上是在物理層夏農極限的博弈中佔據了成本與功耗的最優解。

3 技術原理：從波形到機率密度的數學構造

眼圖的本質是對數字訊號進行時間-幅度二維統計疊加的機率密度描述。其數學構造基於週期延拓：以恢復出的符號時鐘週期 T 為基準，將原始波形切割成無數個長度為 T（或 2T，用於展現過渡態）的片段，然後在時間軸上對齊疊合。設原始訊號為 s(t)，恢復時鐘週期為 T，則構成眼圖的第 k 個片段可表示為 s_k(\tau)=s(kT+\tau),\;0\le\tau<T。眼圖最終呈現的灰度或偽彩色軌跡，反映的是這些片段 s_k(\tau) 在不同時間-幅度座標上的出現密度——訊號越經常落在某個區域，該區域就越明亮。數學上，這可以視為在不同 \tau 處對幅度作條件直方圖，進而形成二維機率密度函式 p(\tau, v)。當一個位元週期內大部分能量集中於兩個互不相交的高密度區（對應高、低電平），便形成了清晰分隔的“眼”；任何時序偏移、噪聲、符號間串擾（ISI）都會導致這兩個高密度區彼此靠近、展寬，最終相連而使眼睛閉合。

實現精確的眼圖，必須依賴三大工程支柱。第一是時鐘恢復：這是眼圖準確性的靈魂。接收端通過鎖相環（PLL）或相位插值器從資料邊沿提取同步時鐘，恢復出的時鐘沿抖動和相位決定了疊加對齊的基準。鎖相環的環路頻寬至關重要，它定義了哪些頻段的抖動會被追蹤並“抵消”，哪些會保留在資料中並展現在眼圖裡。第二是觸發與採集架構：即時示波器一次性捕獲長序列後通過軟體做 CDR 和切片疊加，能完整保留低頻抖動調變和突發脈衝；等效時間取樣示波器則依賴重複觸發逐步拼湊出超寬頻寬的眼圖，提供業界頂級的垂直解析度。第三是量化引數提取模型：從眼圖到 BER 的對映常採用雙狄拉克模型，將抖動分為確定性抖動（DJ）和隨機性抖動（RJ），並在特定誤位元速率下外推 TJ@BER，但模型假設會直接影響結果保守度。

4 關鍵引數：從眼圖到可量化的物理層健康度

評估眼圖健康狀況需要一整套量化指標，它們共同定義了接收端能容忍的最差情況，且極限值必須對照具體協議規範的預算分解。眼高是中央開窗區的垂直幅度，直接反映訊號在判決時刻的電壓餘量，減去接收端的參考電壓噪聲和靈敏度視窗後，便是系統能夠承受的幅度噪聲與直流漂移的總和。眼寬是開窗區的水平時間跨度，減去接收器的建立保持時間和取樣鍾抖動後，所餘時間裕量決定了系統對時序抖動的容忍度。眼幅則是上下眼瞼在開啟區域的幅度差，當訊號受嚴重損耗或阻抗失配時，眼幅會顯著萎縮。交叉點位置揭示了佔空比失真和高低電平轉換對稱性，理想的 NRZ 訊號交叉點在 50%，偏差往往意味著驅動不平衡或不對稱的上升/下降時間。Q 因子是從統計眼圖中推匯出的另一種訊雜比表示式，它利用眼中央幅度直方圖的均值和標準差計算，與誤位元速率存在直接的解析聯絡：BER\approx 0.5\,erfc(Q/sqrt(2))。在實際工程中，模板測試是最直接的合規判據，多邊形禁區的大小由標準嚴格規定，一旦波形跡線侵入禁區，物理層即告失敗。除了靜態引數，產業界越來越依賴眼圖輪廓與餘量圖來觀測多維度裕量：例如在溫度、電壓、時鐘相位偏置等引數掃描下，眼高和眼寬的二維平面會收縮成一個安全操作區域，設計者需要確保最壞情況下的操作點仍舊遠離模板邊界。

5 測量架構：即時示波器與取樣示波器的技術分岔

眼圖的物理測量並非單一的“看圖說話”，而是一場精密儀器與訊號特徵的博弈。主流測量架構分為兩大流派：即時示波器與等效時間取樣示波器，兩者在頻寬、噪聲底、動態範圍與抖動解構能力上各有專攻。即時示波器通過片內高速 ADC 一次性完成長紀錄長度捕獲，隨後依靠軟體演算法執行時鐘資料恢復與切割疊加。其壓倒性優勢在於可以捕獲非週期性事件，例如突然跳變的低頻調變、電源擾動引起的“遊走”眼圖以及極低機率的雙誤碼瞬間。加之現代即時示波器的 ADC 解析度已邁入 10 位乃至 12 位，結合硬體數字下變頻與即時解嵌，它能為複雜系統除錯提供最完整的全資訊記錄。但即時示波器的固有噪聲隨頻寬劇烈攀升，在 50 GHz 以上量級，示波器自身噪聲往往成為睜眼測量的限制因素。

等效時間取樣示波器則走另一條路線：利用極窄的取樣脈衝對重複性訊號進行順序取樣，經過成千上萬次觸發後重構出眼圖。因為取樣門僅在一個極短時間視窗內導通，其等效頻寬可達 100 GHz 以上，而噪聲頻寬極低，垂直噪聲往往僅為數百微伏，特別適合超高速光通訊與毫米波訊號的極限眼圖測量。代價是它忽略了訊號中的非重複性抖動成分與突發錯誤，無法重建完整的統計眼圖，因此常用於研發階段的精確波形表徵和光發射機眼圖模板測試。在實際工作流中，兩大平台常常互補：用即時示波器做系統級除錯，挖掘間歇性失效根因；再以取樣示波器做器件級鑑定，輸出業界公認的頻寬極限眼圖。

6 抖動分解：眼圖背後的時間軸博弈

眼圖的水平閉合在很大程度上由抖動決定，而抖動分解是將閉合的眼寬重新對映為物理根因的核心方法論。業界普遍將總抖動（TJ）拆解為確定性抖動（DJ）和隨機性抖動（RJ），DJ 進一步細分為資料相關抖動（DDJ）、週期抖動（PJ）和有界不相關抖動（BUJ）。DDJ 源於通道的頻率響應不平坦，包括阻抗不連續點和介質損耗導致的符號間干擾，以及不年增率特模式造成的上升下降沿延遲差異。通過測量不同 PRBS 模式長度下的眼圖，可以迅速甄別 DDJ 的主導程度。PJ 是來自片上時鐘源或開關電源的耦合噪聲，通常以特定的離散頻率尖峰形式出現，可在抖動的頻域譜中精確定位。BUJ 多由串擾引起，雖有一定邊界但無固定週期。解構 DJ 之後，剩餘的高斯分佈型隨機抖動才是真實的 RJ，一般由熱噪聲、散粒噪聲等本底物理過程驅動。將 DJ 與 RJ 分別量化後，即可通過雙狄拉克模型或更保守的 Rj 直接卷積法，外推至 BER=1e-12 或 1e-15 對應的總抖動，這就是 TJ@BER 指標。對於 112 Gbps PAM4 等前沿標準，總抖動的外推需要更復雜的 Q 縮放模型，因為 PAM4 的眼圖同時受到三重眼孔交叉和幅度噪聲耦合的疊加影響，抖動分解必須與幅度噪聲分解協同進行。

7 通道損傷：從時域反射到損耗峭壁的眼圖劣化根因

理解眼圖的閉合，就等於理解通道如何吞噬訊號能量與時間裕量。物理鏈路中的三大損傷——反射、損耗與串擾——各自在眼圖上留下獨特的烙印。反射源於阻抗不連續性，當上升時間短於往返延遲時，互聯結構中的每個阻抗臺階都會產生回波，疊加在後續位元上形成振鈴和臺階狀失真。在眼圖上，反射表現為眼瞼的區域性增厚、非單調邊沿和怪異的多交叉現象。尤其在多分支拓撲如 DDR 地址總線上，樁線反射常常導致眼高塌縮一半以上。損耗則主要來自趨膚效應與介質吸收：趨膚效應使高頻電流沿導體表面傳輸，增大有效電阻；介質損耗則隨頻率線性增長，兩者共同造成訊號的高頻滾降和群延遲變化。當損耗超過一定閾值，脈衝響應的尾部會延伸至後續數個 UI（單位間隔），形成拖尾型的碼間干擾，眼圖直接趨向完全閉合。現代銅互連中，損耗峭壁往往出現在奈奎斯特頻率（即符號速率的一半）附近，例如 PCIe 5.0 在 32 GT/s 時的奈奎斯特頻率為 16 GHz，普通 FR-4 板材在此頻點的介質損耗可達每英寸 2 dB 以上，即便經過發射端預加重和接收端均衡，眼圖依舊懸於一線。串擾則是相鄰訊號線通過互感和互容侵入受害線的噪聲，它在眼圖上疊加為額外的垂直展寬和時間抖動。近端串擾（NEXT）與遠端串擾（FEXT）的幅度統計特性不同，密集 BGA 出線區域更是耦合的溫床，通常需要全波電磁模擬與眼圖輪廓疊加，才能量化串擾引入的 BER 退化。

8 均衡技術：睜眼工程中的“外科手術”

既然通道劣化不可避免，高速序列鏈路便引入一系列均衡技術來重建睜開的眼睛。傳送端預加重與去加重是最樸素的線性均衡，通過調節 FIR 濾波器的前體、主標和後體抽頭係數，增強或削弱相鄰位元的電壓幅度，從而預補償通道的低頻損耗。預加重增大高頻能量，代價是增加 EMI 和功耗，並在幅度眼圖上留下典型的“蝙蝠耳”過沖。接收端線性均衡器（CTLE） 在模擬域提供頻率相關增益，直接補償通道滾降，其峰值頻率和增益斜率需與特定通道匹配，否則會引入額外噪聲放大或抬升串擾。判決反饋均衡器（DFE） 則是數字域的非線性利器：它利用前一位元的判決結果乘以反饋抽頭係數，疊加到當前輸入訊號上，從而消除後標 ISI，而不會放大高頻噪聲。DFE 的抽頭數量決定了可糾正的 ISI 尾部長度，但每個抽頭都在關鍵時序路徑上增加了反饋環延遲，成為高速設計的瓶頸。均衡策略的選擇和引數組合最終體現在眼圖的睜眼質量上：一個最佳化良好的鏈路，會在 CTLE 與 DFE 級聯後把原本完全閉合的眼圖撐開，形成清晰的三重眼（PAM4 情況下）或乾淨的雙軌 NRZ 眼圖。而均衡過度則會造成過沖和負向脈衝，在眼圖內部形成額外交叉區域，反而減小有效開窗面積，這種現象被稱為“均衡幻覺”——眼圖外表張揚，內部卻被殘餘 ISI 侵蝕，實際 BER 遠高於肉眼預期。

9 PAM4 與多值訊號的眼圖新範式

隨著每一代 SerDes 速度翻倍，NRZ 訊號的通道損耗突破了可行均衡的極限，PAM4（四電平脈衝幅度調變）成為 56 Gbps 及以上速率的事實標準。PAM4 眼圖不再是單一的“大眼睛”，而是由三個疊加的子眼構成：上眼、中眼和下眼，每個子眼都有自己的眼高、眼寬和交叉點。三個子眼的整體形貌決定了訊號質量，而任一子眼的退化都可能成為鏈路失效的短板。PAM4 眼圖的測量面臨新挑戰：幅度噪聲不再隻影響高低兩態，而是同時干擾三個判決閾值，形成複雜的錯誤傳遞模式。而且由於四個電平在垂直方向僅佔用約 NRZ 的眼幅，PAM4 對幅度噪聲和壓縮極為敏感，發射端線性度、接收端 ADC 解析度以及通道的非線性都必須嚴格控制。在眼圖診斷中，通常需要繪製三眼的獨立輪廓、計算每隻眼睛的高寬比，並匯出整體誤符號率（SER）。許多標準（如 IEEE 802.3ck）採用“眼高線性度”和“電平分離度偏差”指標，要求三隻眼睛的大小基本一致，避免中眼因幅度壓縮而率先閉合。此外，PAM4 的前向糾錯（FEC）會掩蓋物理層 BER，因此眼圖測量必須深入到預 FEC 的 BER 層面，否則後端看似零丟包，物理層卻在過載運作，任何環境微擾都可能使其瞬間崩潰。

10 一致性測試：模板、掩膜與合規認證的產業生態

眼圖的產業價值最終通過一致性測試兌現。各個國際標準組織釋出的物理層規範中，眼圖模板測試往往佔據最多篇幅。以 PCIe 5.0 為例，其在 32 GT/s 下的接收端眼圖模板包含一箇中心菱形掩膜和多個邊緣禁區，分別限制眼高、眼寬和過沖；同時測試規範要求注入大量組合壓力，包括差模正弦抖動、共模噪聲、電源紋波，以及通道所引入的所有型別 ISI。通過這種極限壓力下的眼圖合規測試，可以充分證明裝置在最惡劣環境中的互操作能力。對於 USB4 這類多模式融合標準，一臺裝置可能需要同時通過 USB 3.2、DisplayPort 和 Thunderbolt 的眼圖掩膜，每種模式都有獨立的時鐘架構和均衡配置，這對測試自動化和定時精度提出極高要求。在乙太網路和光通訊領域，眼圖模板通常以灰色區域標示在取樣示波器的螢幕上，並要求使用特定的參考接收機模型（如 4 階 Bessel-Thomson 濾波器）進行波形預處理，任何跡線侵入禁區就標記為失敗。一致性測試不僅是研發收尾的檢驗，更是晶片推向市場前的准入證。因此，高階示波器廠商為這一領域構築了完整的軟體生態，支援一鍵式自動化測試和報告生成，大幅縮短了產品從實驗室到認證實驗室的週期。

11 高階眼圖分析：從統計眼到 BER 等高線

傳統眼圖依賴於軌跡疊加，雖然一目瞭然，但容易因偶發事件被遮蔽或過度描畫而產生視覺誤導。統計眼圖則用顏色或灰度編碼機率密度，將數百萬個位元的時間-幅度出現頻次對映為二維熱力圖，邊緣處的低頻軌跡清晰可見，可以精確計算任意 BER 下的眼孔輪廓。進一步，BER 等高線會在中心開放區繪製出對應於 10^-6、10^-9、10^-12 等不同誤位元速率的閉合曲線，如同一張“地形圖”，不僅標出最差情況下的眼高眼寬，更直觀展示了裕量如何隨著 BER 目標提升而急劇收縮。這種分析對於 100G/400G 乙太網路等 FEC 鏈路尤為重要，因為預 FEC 的 BER 目標可能僅為 1e-4，而糾錯後需達到 1e-15，設計者必須確保預 FEC 眼圖在目標 BER 下有足夠的開度。此外，眼圖餘量測試通過改變時鐘相位和判決閾值，掃描出二維的誤位元速率分佈圖，形成“浴盆曲線”和“BER 曲面”，一次掃描即可提供完整的接收端敏感度。現代高階示波器已將這些分析轉化為選配軟體包，結合硬體加速即時統計，可在大規模產線測試中分鐘內完成數百萬 UI 的統計眼圖，實現從“看”到“算”的躍遷。

12 電源完整性：隱藏在眼圖背後的暗流

在訊號完整性工程師聚焦於通道和均衡的同時，電源完整性（PI）往往成為決定眼圖開度的隱藏變數。晶片內部的 SerDes 傳送器和接收器本質上是由敏感類比電路構成的，其時鐘緩衝器、鎖相環、DFE 反饋路徑對電源軌道噪聲極度敏感。數十毫伏的電源紋波，特別是在鎖相環頻寬內的低頻波動，會通過供電調變效應直接轉化為時域上的抖動和幅度偏移，在眼圖上表現為週期性“呼吸”或整體遊走。現代高速 ASIC 和 FPGA 通常將 SerDes 供電域分割為獨立的數字電源、模擬電源和終端電源，並在封裝和 PCB 上設計精細的去耦網路。然而，隨著負載瞬態頻率提升至數百 MHz 並與訊號 Nyquist 頻率重疊，電源分配網路的阻抗共振可能誘發嚴重的同步開關噪聲（SSN），這種噪聲在多通道同時切換時帶來的後果是大面積眼圖同步塌縮。因此，眼圖除錯必須結合頻域 PI 測量，例如使用示波器的頻譜分析功能，追蹤抖動峰值與電源噪聲峰的頻率對應關係。在模擬端，業界推動著聯合模擬流程：將 PDN 的時域噪聲注入到 IBIS-AMI 或 Spice 模型中，預判眼高和眼寬的快速退化，從而在設計階段就將 PI 裕量納入預算。

13 不同領域的眼圖實戰：從消費電子到資料中心光互聯

眼圖的應用覆蓋了從手機到海底光纜的廣闊戰場，但各領域的痛點大相逕庭。消費電子領域，行動端 MIPI D-PHY 與 C-PHY 的速率已攀升至 4.5 Gbps/ lane 以上，極致的低功耗要求令訊號擺幅僅約 200 mV，眼圖高度天然不足；疊加柔性電路和微型聯結器帶來的阻抗波動，睜眼裕量極為寶貴。除錯時常使用探針尖端直接接觸 BGA 焊球，盡力減少測量回路的寄生電感。資料中心銅纜與背板場景下，通道長度可達一米以上，PCIe 6.0 和 800G 乙太網路電介面在 PAM4 模式下掙扎於損耗峭壁邊緣，小型化 112 Gbps 通道離不開超低損耗板材與精密背板聯結器，此時眼圖開度常以奈米秒和毫伏為單位，對示波器噪聲的掌控達到物理極限。光通訊與相干傳輸則更注重傳送端眼圖模板，調變器非線性會引發“眼唇”增厚和交叉點偏移，直接影響鏈路功率預算，高頻寬取樣示波器配合光學前端在此佔據不可替代的地位。汽車乙太網路與車載 SerDes 則關注大溫度範圍和老化漂移下的眼圖閉合如何演進，尤其是 -40 至 +125°C 環境下，時鐘晶體頻偏和均衡器係數偏離校準點，可能導致原本睜開的眼圖悄然閉合，因此必須通過自動化溫循測試掃描眼圖餘量。

14 眼圖模擬的現狀與侷限：何時需要測量，何時信任建模

在晶片流片和 PCB 投板之前，眼圖模擬幾乎是唯一的前端驗證手段。基於等效電路或 S 引數的通道模型，連線 IBIS-AMI 傳送端和接收端模型，可以快速生成預判性眼圖。IBIS-AMI 模型的統計分析模式可在幾秒內輸出統計眼圖和 BER 等高線，而時域位元-by-bit 模式則可捕獲突發錯誤與非線性 DFE 行為。然而，模擬眼圖的準確度強烈受限於模型精度。S 引數截斷誤差、被動性違背以及因果性問題，常常讓模擬眼圖在諧振點附近過度睜眼或完全誤導。晶片 IBIS-AMI 模型對內部時鐘抖動的建模極為簡化，通常僅以全域性 Dj 和 Rj 參數列達，但真實的抖動是多維度的，與資料模式、電源動態和晶片溫度強相關。因此，產業界的共識是“模擬供方向，測量供決策”：在架構選型和備選方案快速比較時用模擬；在最終籤核、一致性認證與批次檢驗時堅決用測量。兩者的橋樑是測量-模型校正迴圈，即將實測 S 引數或眼圖反饋至模擬環境，迭代最佳化模型引數，直至模擬誤差收斂至工程可接受水平，從而建立高度可信的數字孿生鏈路。

15 未來趨勢與產業展望：眼圖將走向何方

眼圖作為工具的生命力遠未衰減，反而在速度、整合和智慧化三個維度上繼續進化。速度維度上，隨著 224 Gbps PAM4 電介面和 1.6T 光模組逼近現實，通道損耗已迫使訊號在傳送端就已接近閉合，必須依賴極度複雜的四級均衡和串擾消除，眼圖測量的頻寬和協議分析能力將進一步提升，建置完整鏈路後仍能在接收端看見微弱的“針孔眼”將會是產業日常。整合維度上，越來越多的晶片在 SerDes 內部整合眼圖監視器（Eye Monitor），能夠通過掃描片上參考電平和時鐘相位繪製內部眼圖輪廓。這類嵌入式診斷手段使資料中心運維可以在不插拔物理探針的情況下進行線上故障定位，成為未來自感知網路的關鍵元件。智慧化維度上，利用機器學習分析眼圖特徵與潛在故障之間的關聯正成為研究熱點。通過海量生產測試資料訓練分類器，能夠從眼圖的細微形變中預判特定型別故障（如聯結器磨損、焊點開裂、電容老化），甚至自動生成去嵌入和均衡建議，顯著降低除錯門檻。站在產業投資者的角度，能夠率先將嵌入式眼圖診斷與雲端端 AI 分析結合成閉環解決方案的公司，將在下一輪基礎設施智慧運維的浪潮中建置堅實的技術壁壘。眼圖，這本物理層古老的視覺密碼，正在被賦予新的生命。