图3:兴森快捷高速实验室25Gbps眼图实测:分别对应于发射端、一半通道长度以及接收端测得的眼图。
一旦选定了连接器,其本身的插损也就被确定下来。大多数背板连接器都采用压接方式设计,所以设计者唯一要做的就是尽可能地优化过孔,将过孔的插损减到最小。由于连接器厂商一般会推荐连接器的布局(layout)方式,设计者能做的就是将过孔的分支(stub)减至最小,常见的方法有背钻。除此之外,在实际的板级设计中,经常会遇到表面微带线转换到带状线的做法,针对这种状况要找出最优的过孔实在不易。因为过孔在高速率下的模型非常复杂,而影响过孔的主要因素有孔径、孔深、反焊盘和过孔镀铜厚度。通常使用仿真软件仿真不同过孔的S参数,从而找出最优的过孔。另外,过孔性能与频率相关。在不同的上升沿下,过孔所表现的性能并不一样,这时需要设计者对其做出一定的权衡和取舍。事实上,仿真和实测结果之间一般存在着误差,并且有时误差会相当大,这一差异产生的原因是由于实际制造工艺并不能像仿真时那样理想,在信号速率越高时越是如此。
不断的仿真和测试可以帮助设计者找出最优的过孔(图4)。兴森快捷公司在CPCA期间展示的100G以太网板,就是经过两版仿真和实测验证才找出的适合单通道28G速率的信号过孔。如果放在以前,在28G速率时竟然还能打孔设计,这几乎是天方夜谭。很多公司的设计规范里都有规定,10G速率的PCB布线不能打孔,这就是因为过孔的参数特性很难控制,人们缺少必要的手段和条件对其进行研究和验证。为此,兴森快捷的高速实验室投入了大量的人力与物力,致力于高速无源链路的研究,努力帮助客户打通高速无源链路的设计瓶颈。
图4:某板材损耗的仿真和实测对比:需要进行多次仿真修正,才能缩小理论和实测之间的差距。
PCB布线是影响传输损耗的另一个关键因素。线上损耗的主要原因有:趋肤效应、介质损耗、铜箔粗糙度和波纤效应,这几个因素均和信号的速率相关。在设计的初始阶段,设计者便会借助软件来计算PCB布线的阻抗和损耗。软件通常都不会单独考虑铜箔粗糙度的影响,或者将此影响归类到趋肤效应。而事实上,铜箔粗糙度和趋肤效应存在着区别。当速率达到10Gbps时,铜箔粗糙度的影响便不可忽略。经过兴森快捷的高速实验室的测试验证,在25Gbps速率下,高粗糙度铜箔所产生的额外损耗往往会比低粗糙度铜箔高出很多。而在PCB制造时,PCB厂商通常都会默认为采用普通铜箔,也就是高粗糙度铜箔,这在高速设计时是常被忽略的地方。因为一般的PCB工厂都不会去研究铜箔粗糙度的影响,兴森快捷公司在这方面所做的研究工作已处于业界的前列。
介质的损耗将随着频率的升高而越变越大(图5),这时能否找到一款性价比高的板材将成为成功的关键。因为,在如此高的速率下,即使采用以前用于10G BASE KR的改性FR4板材(如 Nelco 4000-13)也将无法满足要求,更不用说普通的FR4。而业界原本广为使用的Megtron 6也因为日本地震而受到很大影响,所以寻找到一款可替代的高频板材已迫在眉睫,而新材料的认证又需要一个相对较长的周期(需要做环境测试、插损测试、眼图测试和BER测试等)。所要用到的仪器设备包括:恒温箱、矢量网络分析仪或TDR、码型发生器、采样示波器或实时示波器以及BERT等。为了更好地对25Gbps无源通道进行量化和建模,兴森快捷的高速实验室对此做了大量的研究工作,找出了性价比更高的Megtron 6替代板材,目前兴森快捷还购买了业界最大可探测面积的探针台,10G速率以上的超高速背板及系统的设计已变得更加容易。
图5:CEI-25G LR规范规定的插损要比10G Base严格很多。10G Base只需要考虑6GHz时的损耗,而CEI-25G LR则需要考虑12.5GHz时的损耗。
在估算通道损耗时,一般会认为介质是均匀的。事实上不同的叠层会使用不同厚度的PP(聚丙烯),不同厚度PP的构成是不一样的。PP主要由玻璃纤维和树脂组成。波纤的经纬交叉点和空隙中的树脂含量不同,这会导致介质的不均匀性,主要是波纤交叉点和空隙中的Dk和Df值区别很大。在最坏情况下,一对差分走线中的一根走在交叉线上,而另一根则走在空隙当中,这样差分对的传输延迟和损耗都会不同,这将造成眼图的闭合和造成EMI。采用Intel推荐的10度角设计是一种常规的解决玻纤效应的做法,但这通常被用于10G速率及以下,当通道速率达到25Gbps时,玻纤效应对传输线的影响需要被更加严格地进行评估。
此外,布线的方式也将影响到插损,比如传输线是微带线还是带状线。两者所带来的损耗大不相同,在频率越高的情况下区别会越大。除了损耗,两种传输线周围的电磁场分布以及传播特性也不尽相同。总体而言,带状线会比微带线具有更好的性能表现,但前提条件是,必须设计出参数和特性均可控的过孔。
所有的影响因素均需要被考虑在内,才能符合规范要求。由于仿真和测试之间存在很大的差异,需要设计者不断修正仿真模型和优化算法,并反复和实测结果进行对比,才能得到可信的仿真结果和经验修正值。