Введение

IBIS 7.0 представила возможность для моделей выполнять обучение линии связи или автосогласование, предоставляя механизм для взаимодействия исполняемых моделей Tx и Rx AMI во время операции GetWave. Алгоритм обучения линии связи может либо эмулировать то, что делает кремний, либо использовать методы анализа канала для определения оптимальных настроек выравнивания Tx и Rx, затем блокировать эти настройки на оставшуюся часть моделирования.

Связь между исполняемыми моделями Tx и Rx осуществляется в сообщениях, которые понимают и исполняемые модели Tx и Rx, и инструмент EDA не нуждается в понимании. Эти согласованные сообщения называются протоколом интерфейса обратного канала. Спецификация IBIS не описывает детали протокола интерфейса обратного канала, а только метод для обеспечения работы связи. В этом примере мы создадим новый протокол с именем DDRx_Write.

В настоящее время SerDes Toolbox не поддерживает зарезервированные параметры интерфейса обратного канала IBIS-AMI напрямую. Вместо этого он поддерживает специфичные для модели параметры, к имени которых добавлены «_ST», выполняющие аналогичную функцию. Поскольку эти параметры модели не используют то же имя, что и зарезервированные параметры из спецификации IBIS, они должны использоваться либо как «согласованный набор», либо с другими моделями обратного канала, разработанными SerDes Toolbox, поддерживающими тот же протокол. Эти модели должны хорошо работать в любом модельном симуляторе AMI промышленного стандарта.

DDR5 Настройка модели Tx/Rx IBIS-AMI в приложении SerDes Designer

Первая часть этого примера начинает с модели передатчика диспетчера DDR5 от Диспетчера DDR5 Модель Transmitter/Receiver IBIS-AMI и приемник SDRAM модель AMI из Модели DDR5 SDRAM Transmitter/Receiver IBIS-AMI. Мы добавили несколько дополнительных блоков передачи для поддержки обратной связи, и затем вы экспортируете модель в Simulink ® для дальнейшей настройки.

Открытие модели DDR5_Write_txrx_ami путем ввода следующей команды в окне команд MATLAB ®:

>> serdesDesigner('DDR5_Write_txrx_ami')

Для транзакции записи передатчик (Tx) является DDR5 контроллером, использующим 3-отводное выравнивание прямой связи (FFE), в то время как приемник (Rx) использует усилитель с переменным коэффициентом усиления (VGA) с 7 заранее заданными настройками и 4-отводный эквалайзер обратной связи принятия решения (DFE) со встроенным восстановлением тактовых данных. Для поддержки этой конфигурации система SerDes настроена следующим образом:

Настройка конфигурации

Настройка модели датчика

Настройка модели канала

Настройка модели приемника

Экспорт системы SerDes в Simulink

Нажмите кнопку Экспорт, чтобы экспортировать конфигурацию в Simulink для дальнейшей настройки и создания исполняемых файлов модели AMI.

DDR5 Настройка модели Tx/Rx IBIS-AMI в Simulink

В этой части примера рассматривается система SerDes, экспортированная приложением SerDes Designer, и настраивается в соответствии DDR5 требованиями для работы с обратным каналом в Simulink.

Просмотр настройки модели Simulink

Система SerDes, импортированная в Simulink, состоит из блоков конфигурации, стимула, передачи, аналогового канала и приема. Все настройки из приложения SerDes Designer переносятся в модель Simulink. Сохраните модель и просмотрите каждую настройку блока.

Обновление параметров AMI датчика (Tx)

Откройте вкладку AMI-Tx в диалоговом окне SerDes IBIS-AMI Manager. Сначала перечисляются зарезервированные параметры, за которыми следуют специфичные для модели параметры, соответствующие формату типичного файла AMI.

Создание новых параметров AMI обратного канала Tx

Для поддержки работы обратного канала необходимы дополнительные параметры управления. На вкладке AMI-Tx диалогового окна SerDes IBIS-AMI Manager выделите Tx_BCI и добавьте следующие 6 новых параметров:

Обновление параметров AMI получателя (Rx)

На вкладке AMI-Rx в диалоговом окне SerDes IBIS-AMI Manager сначала перечисляются зарезервированные параметры, за которыми следуют специфичные для модели параметры, соответствующие формату типичного файла AMI.

Создание новых параметров AMI обратного канала Rx

Для поддержки работы обратного канала необходимы дополнительные параметры управления. На вкладке AMI-Rx в диалоговом окне SerDes IBIS-AMI Manager выделите Rx_BCI_Write и добавьте следующие новые параметры (примечание: Rx_BCI_Read не требует дополнительных параметров):

Запустить Init обновления

Чтобы распространить все новые параметры AMI, выполните команду Refresh Init для блоков Tx и Rx.

Запустить модель

Запустите модель для моделирования системы SerDes и убедитесь, что текущая настройка компилируется и выполняется без ошибок или предупреждений. Создаются два графика. Первая - это диаграмма глаз в реальном времени (GetWave), которая обновляется по мере запуска модели. Второй график содержит четыре представления статистических результатов (Init), как графики, доступные в приложении SerDes Designer, плюс два представления из результатов Time Domain (GetWave).

Примечание.Можно игнорировать любые предупреждения для несвязанных блоков. Это происходит из-за автоматически созданных блоков хранения данных, которые будут рассмотрены позже.

Предоставленные файлы

Для поддержки обучения по обратному каналу требуется три набора внешних файлов. Создание этих файлов выходит за рамки данного примера, поэтому они включены в этот пример. Перед запуском всей системы SerDes или созданием исполняемых файлов модели AMI загрузите следующие 9 файлов в каталог модели (расположение файла Simulink .slx).

Запись в файлы связи обратного канала

Эти три файла используются для записи текущего состояния обучающих параметров обратного канала и метрики глаза во внешний файл для связи между моделями Tx и Rx AMI.

Считывание из файлов обратной связи

Эти три файла используются для считывания текущего состояния обучающих параметров обратного канала и показателей зрения из внешнего файла для связи между моделями Tx и Rx AMI.

Запись в файлы журнала обратного канала

Эти три файла используются для записи текущего состояния параметров обучения обратного канала и показателей зрения после каждого шага обучения в файл журнала для отладки.

Изменение Tx FFE для включения внешнего управления значениями Tap

Чтобы управлять весами отводов Tx FFE из блока Tx_BCI при включенном обучении обратному каналу, замените блок FFEParameter.TapWeights Constant блоком DataStireRead. Это хранилище данных позволяет изменять значения отводов FFE во время моделирования и передавать их в каждый из блоков пути данных.

В подсистеме Tx щелкните блок FFE и введите Ctrl-U для просмотра под маской блока FFE.

Добавьте блок мультиплексора и установите число входов равным 3 для мультиплексирования этих трех параметров в вектор для блока FFE.

Подключите выход блока мультиплексора к входу TapWeights на FFE.

Последний блок FFE должен выглядеть следующим образом:

Введите Ctrl-D, чтобы скомпилировать модель и проверить наличие ошибок. Можно игнорировать любые предупреждения для несвязанных блоков. Они обусловлены автоматически сгенерированными блоками хранения данных, которые будут рассмотрены позже.

Изменение DFECDR для вывода напряжения образца глаза

Для определения качества заданного набора значений выравнивания во время тренировки обратного канала будет использоваться напряжение, которое дискретизируется CDR в центре глаза для каждого символа. Это значение захватывается блоком DataStureWrite, чтобы его значение было доступно другим блокам управления BCI.

В подсистеме Rx щелкните по блоку DFECDR и введите Ctrl-U для просмотра под маской блока Rx DFECDR.

Открытие объекта BusSelector

Добавьте блок DataStireWrite с меткой: CDR sample Voltage

Подключите выходной сигнал voltureSample BusSelector к входу нового блока DataStireWrite.

Эта часть блока DFECDR должна выглядеть следующим образом:

Введите Ctrl-D, чтобы скомпилировать модель и проверить наличие ошибок. Можно игнорировать любые предупреждения для несвязанных блоков. Они обусловлены автоматически сгенерированными блоками хранения данных, которые будут рассмотрены позже.

Изменение режима DFECDR на режим переопределения при включенном обучении

Во время обучения по обратному каналу для режимов FFE и DFE необходимо установить значение «Fixed». Режим FFE был жестко закодирован в «Фиксированный». Простая функция MATLAB позволяет установить режим DFE, если обучение не включено.

В подсистеме Rx щелкните по блоку DFECDR и введите Ctrl-U для просмотра под маской блока Rx DFECDR.

Удалите соединение между блоком DFECDRMode и DFECDR.

Добавление нового функционального блока MATLAB и установка метки DFEModeSelect. Этот функциональный блок считывает значения BCI_State_ST и DFE.Mode и переводит режим DFE в 1 (фиксированный), когда обучение включено или завершено. Скопируйте/вставьте следующий код в функциональный блок DFEModeSelect MATLAB, заменив содержимое по умолчанию.

function Mode = DFEModeSelect(DFEModeIn, BCI_State_In)

if BCI_State_In == 1  % Training is Off
    Mode = DFEModeIn;
else
    Mode = 1;         % Force DFE Mode to Fixed for all other Training states
end

Добавление блока DataStureRead с меткой Rx_BCI_Write_BCI_State_Inтаким образом, значение BCI_State_ST может подаваться в функциональный блок MATLAB.

Подключите эти новые блоки, как показано на рисунке. Окончательный блок DFECDR должен выглядеть следующим образом:

Введите Ctrl-D, чтобы скомпилировать модель и проверить наличие ошибок. Можно игнорировать любые предупреждения для несвязанных блоков. Они обусловлены автоматически сгенерированными блоками хранения данных, которые будут рассмотрены позже.

Настройка пользовательского кода Tx Init

Функция Tx Initialize используется для настройки модели Tx AMI для выполнения обучения обратному каналу во время анализа GetWave. Это создает файлы обратной связи и регистрации, устанавливает различные параметры и переопределяет любые определенные пользователем значения отводов FFE.

В подсистеме Tx дважды щелкните по блоку Init, затем нажмите Show Init, чтобы открыть функцию инициализации в MATLAB.

Функция инициализации - это автоматически генерируемая функция, которая обеспечивает обработку импульсной характеристики системного блока SerDes (IBIS AMI-Init). %% BEGIN: и % END: строки обозначают раздел, в котором можно ввести пользовательский код. Данные в этом разделе не перезаписываются при запуске обновления Init:

%% BEGIN: Custom user code area (retained when 'Refresh Init' button is pressed)
Tx_BCIBCI_State_ST = Tx_BCIParameter.BCI_State_ST; % User added AMI parameter from SerDes IBIS-AMI Manager
Tx_BCIFFE_Tap0 = Tx_BCIParameter.FFE_Tap0; % User added AMI parameter from SerDes IBIS-AMI Manager
Tx_BCIFFE_Tap1 = Tx_BCIParameter.FFE_Tap1; % User added AMI parameter from SerDes IBIS-AMI Manager
Tx_BCIFFE_Tapm1 = Tx_BCIParameter.FFE_Tapm1; % User added AMI parameter from SerDes IBIS-AMI Manager

% END: Custom user code area (retained when 'Refresh Init' button is pressed)

Используйте эту пользовательскую область кода для инициализации параметров обратного канала, запишите первую запись в файл связи обратного канала «BCI_comm.csv» и создайте файл журнала обратного канала «» BCI_comm_log.csv. Чтобы добавить пользовательский управляющий код обратного канала, прокрутите вниз до области пользовательского кода и скопируйте/вставьте следующий код:

Tx_BCIBCI_State_ST = Tx_BCIParameter.BCI_State_ST; % User added AMI parameter from SerDes IBIS-AMI Manager
Tx_BCIFFE_Tap0 = Tx_BCIParameter.FFE_Tap0; % User added AMI parameter from SerDes IBIS-AMI Manager
Tx_BCIFFE_Tap1 = Tx_BCIParameter.FFE_Tap1; % User added AMI parameter from SerDes IBIS-AMI Manager
Tx_BCIFFE_Tapm1 = Tx_BCIParameter.FFE_Tapm1; % User added AMI parameter from SerDes IBIS-AMI Manager

%% Set up for GetWave back-channel operation
if Tx_BCIBCI_State_ST == 2 % Training enabled
    bciWrFile = 'BCI_comm.csv'; %% Tx/Rx back-channel communication file
    Protocol = ['DDR5' 0];      %% Null terminate string to keep fprintf happy in C++
    State = ['Training' 0];     %% Null terminate string to keep fprintf happy in C++
    Sequence = 1;               %% Initialize sequence counter
    EyeHeight = 0.0;            %% Initialize training metric
    % Publish Tx capabilities
    numFFEtaps = 3;
    FFEtaps = [0.0, 1.0, 0.0];
    FFEInit.TapWeights = [0.0, 1.0, 0.0];
    % Initialize Rx capabilities (actual values set by Rx)
    numDFEtaps = 1;
    DFEtaps = 0.0000;
    
    % Create new file for back-channel communication
    writeBCIfile(bciWrFile, 'w', Protocol, numDFEtaps, numFFEtaps, DFEtaps, FFEtaps, Sequence, State, EyeHeight)

    % Create new BCI_ID_log.csv file (for back-channel history)
    logFileName = 'BCI_comm_log.csv';
    writeBCIhistory(logFileName, 'Tx', 'Init', 0, Tx_BCIBCI_State_ST, numDFEtaps, numFFEtaps, DFEtaps, FFEtaps, Sequence, EyeHeight)
    
end

Чтобы проверить правильность работы нового кода пользователя, сохраните и запустите модель, а затем убедитесь, что в каталоге модели созданы новые файлы обратной связи (BCI_comm.csv) и журнала (BCI_comm_log.csv) и что значения в файлах соответствуют указанным выше значениям.

Настройка пользовательского кода Rx Init

Функция Rx Initialize используется для настройки модели Rx AMI для выполнения обучения обратному каналу во время анализа GetWave. Он считывается в файле связи обратного канала и затем обновляет файл с помощью конфигурационной информации Rx (количество отводов DFE и значения отводов DFE). Он также обновляет файл журнала.

В подсистеме Rx дважды щелкните по блоку Init, затем нажмите Show Init, чтобы открыть функцию инициализации в MATLAB.

Функция инициализации - это автоматически генерируемая функция, которая обеспечивает обработку импульсной характеристики системного блока SerDes (IBIS AMI-Init). %% BEGIN: и % END: строки обозначают раздел, в котором можно ввести пользовательский код. Данные в этом разделе не перезаписываются при запуске обновления Init:

%% BEGIN: Custom user code area (retained when 'Refresh Init' button is pressed)
Rx_BCI_WritesampleVoltage = Rx_BCI_WriteParameter.sampleVoltage; % User added AMI parameter from SerDes IBIS-AMI Manager
Rx_BCI_WriteBCI_State_ST = Rx_BCI_WriteParameter.BCI_State_ST; % User added AMI parameter from SerDes IBIS-AMI Manager

% END: Custom user code area (retained when 'Refresh Init' button is pressed)

Эта пользовательская кодовая область используется для считывания конфигурации из Tx, инициализации дополнительных параметров обратного канала, необходимых для Rx, записи следующей записи в файл связи обратного канала «BCI_comm.csv,» и добавления к файлу журнала обратного канала «» BCI_comm_log.csv. Чтобы добавить пользовательский управляющий код обратного канала, прокрутите область пользовательского кода вниз и скопируйте/вставьте следующий код:

Rx_BCI_WritesampleVoltage = Rx_BCI_WriteParameter.sampleVoltage; % User added AMI parameter from SerDes IBIS-AMI Manager
Rx_BCI_WriteBCI_State_ST = Rx_BCI_WriteParameter.BCI_State_ST; % User added AMI parameter from SerDes IBIS-AMI Manager

%% Set up for GetWave back-channel operation
if Rx_BCI_WriteBCI_State_ST == 2 % Training enabled
    %% Read from back-channel communication file to get setup from Tx
    bciRdFile = 'BCI_comm.csv';
    [Protocol, ~, numFFEtaps, ~, FFEtaps, Sequence, State, EyeHeight] = readBCIfile(bciRdFile);

    %% Write Rx setup to back-channel communication file.
    bciWrFile = 'BCI_comm.csv';
    Sequence = Sequence + 1;   %% Initialize sequence counter
    % Publish Rx capabilities
    numDFEtaps = 4;
    DFEtaps = [0.0000, 0.0000, 0.0000, 0.0000];
    
    writeBCIfile(bciWrFile, 'w', Protocol, numDFEtaps, numFFEtaps, DFEtaps, FFEtaps, Sequence, State, EyeHeight)
    
    % Write to log file
    logFileName = 'BCI_comm_log.csv';
    writeBCIhistory(logFileName, 'Rx', 'Init', 0, Rx_BCI_WriteBCI_State_ST, numDFEtaps, numFFEtaps, DFEtaps, FFEtaps, Sequence, EyeHeight)
    
    % Force DFE Mode to Fixed when training is enabled.
    DFECDRInit.Mode = 1;
    
end

Чтобы проверить правильность работы нового кода пользователя, сохраните и запустите модель, затем убедитесь, что файлы обратной связи (BCI_comm.csv) и регистрации (BCI_comm_log.csv) созданы и что значения в файлах соответствуют значениям, заданным выше. В файле BCI_comm_log.csv следует видеть, что первый вызов RX был добавлен в файл журнала (последовательность # 2).

Настройка блока передачи Tx_BCI передачи

Блок Tx_BCI используется для управления всем процессом обучения обратного канала. Первый раз инициализирует все параметры Tx и Rx, которые будут оптимизированы во время обучения. После каждого цикла обучения обратного канала этот блок считывает текущую метрику глаза, предоставляемую приемником, сохранить это значение, затем обновить параметры Tx и Rx для следующего прохода. После завершения обучения этот блок будет сигнализировать о завершении обучения, установите для всех параметров Tx и Rx их оптимальные значения, а затем верните модели к нормальной работе.

Первым шагом является настройка блока Tx_BCI для работы обратного канала. Функциональный блок MATLAB, который управляет работой блока Tx_BCI, записывается далее в этом примере.

Посмотри под маской в Tx_BCI блоке. Необходимо просмотреть 8 автоматически созданных блоков чтения/записи хранилища данных.

Удалите системный объект Pass-Through, так как он не используется. Обязательно подключите входной порт к исходящему порту.

Добавьте блок мультиплексора и установите количество входов равным 3. Это будет использоваться для мультиплексирования трех сигналов tapWeaingIn DataStureRead в один вектор.

Добавьте блок Demux и установите количество выходов равным 3. Это будет использоваться для демультиплексирования вектора tapWeeOut в три отдельных сигнала DataStureWrite.

Добавление нового функционального блока MATLAB и установка метки Counter. Эта функция MATLAB возвращает подсчет общего количества выборок, обработанных моделью, и результирующего количества пользовательских интерфейсов. Откройте новый функциональный блок MATLAB, затем скопируйте/вставьте следующий код, заменив содержимое по умолчанию.

function [sampCount, uiCount] = counter(SymbolTime, SampleInterval)

% Calculate Samples Per Bit
sampBit = round(SymbolTime/SampleInterval);

% Set up persistent variables
persistent x y
if isempty(x)
    x = int32(1);
    y = int32(1);
else
    x = x + 1;
end

% Start counting by UI
if mod(x,sampBit) == 0
    y = y + 1;
end

% Output results
sampCount = x;
uiCount   = y;

Значения для двух входов этой функции, SymbolTime и SampleInterval, наследуются из рабочего пространства модели и поэтому не должны отображаться как узлы в функциональном блоке MATLAB. Для удаления этих узлов из функционального блока MATLAB:

В качестве типа данных для выходных данных этой функции, sampCount и uiCount, по умолчанию устанавливается значение Inherit. Поскольку этот функциональный блок создает значения для этих двух параметров, их тип данных должен быть явно определен, а не определен на основе эвристики. Для явного определения типов данных для этих двух параметров:

Добавьте новый функциональный блок MATLAB и установите метку на txBackChannel. Этот функциональный блок MATLAB используется для управления процессом обучения обратного канала. Содержимое этой функции будет рассмотрено ниже в этом примере. Однако для завершения Tx_BCI блочных соединений необходимо отобразить все правильные узлы. Чтобы включить это, выполните следующие действия.

function [tapWeightsOut, BCIStateOut] = txBCtraining(tapWeightsIn, BCIStateIn, sampleCounter, uiCounter, SymbolTime, SampleInterval)

Значения для двух входов этой функции, SymbolTime и SampleInterval, наследуются из рабочего пространства модели и поэтому не должны отображаться как узлы в функциональном блоке MATLAB. Для удаления этих узлов из функционального блока MATLAB:

Соедините все вместе, как показано ниже:

Настройка блока Rx Rx_BCI_Read

Блок Rx_BCI_Read используется для считывания значений параметров Rx, запрашиваемых блоком Tx_BCI, и установки этих значений для следующего цикла обучения обратного канала. Если блок Tx_BCI сообщает, что обучение завершено, этот блок устанавливает окончательные значения, которые будут использоваться для оставшейся части моделирования.

Первым шагом является настройка блока Rx_BCI_Read для работы обратного канала. Функциональный блок MATLAB, который управляет работой блока Rx_BCI_Read, записывается далее в примере.

Посмотри под маской в Rx_BCI_Read блоке.

Удалите системный объект Pass-Through, поскольку он не будет использоваться. Обязательно подключите входной порт к исходящему порту.

Добавление блока DataStureRead с меткой DFECDRTapWeightsIn

Добавление блока DataStureRead с меткой RxBCIStateIn

Добавление блока DataStureWrite с меткой RxBCIStateOut

Добавление блока DataStureWrite с меткой DFECDRTapWeightsOut

Скопируйте функциональный блок Counter MATLAB из блока Tx Tx_BCI в этот блок.

Добавление нового функционального блока MATLAB и установка метки rxBackChannelRead. Этот функциональный блок MATLAB используется для управления процессом обучения обратного канала. Содержимое этой функции будет рассмотрено ниже в этом примере. Однако для завершения Rx_BCI_Read блочных соединений необходимо отобразить все правильные узлы. Чтобы включить это, выполните следующие действия.

function [BCIStateOut, tapWeightsOut] = rxBCtrainingRead(tapWeightsIn, BCIStateIn, sampleCounter, uiCounter, SymbolTime, SampleInterval)

Значения для двух входов этой функции, SymbolTime и SampleInterval, наследуются из рабочего пространства модели и поэтому не должны отображаться как узлы в функциональном блоке MATLAB. Для удаления этих узлов из функционального блока MATLAB:

Соедините все вместе, как показано ниже:

Настройка блока Rx Rx_BCI_Write

Блок Rx_BCI_Write используется в конце каждого цикла обучения обратного канала, чтобы вычислить текущие метрики глаза и сообщить эти метрики обратно в блок Tx_BCI для анализа.

Первым шагом является настройка блока Rx_BCI_Write для работы обратного канала. Функциональный блок MATLAB, который управляет работой блока Rx_BCI_Write, записывается далее в примере.

Посмотри под маской в Rx_BCI_Write блоке. Необходимо создать 4 автоматически созданных блока чтения/записи хранилища данных.

Удалите системный объект Pass-Through, так как он не используется. Обязательно подключите входной порт к исходящему порту.

Удаление блока DataStureWrite с меткой sampleVoltage писать. Он не будет использоваться.

Добавление блока DataStureRead с меткой DFECDRTapWeightsIn.

Скопируйте функциональный блок Counter MATLAB из блока Tx Tx_BCI в этот блок.

Добавление нового функционального блока MATLAB и установка метки rxBackChannelWrite. Этот функциональный блок MATLAB используется для управления процессом обучения обратного канала. Содержимое этой функции будет рассмотрено ниже в этом примере. Однако для завершения Rx_BCI_Write блочных соединений необходимо отобразить все правильные узлы. Чтобы включить это, выполните следующие действия.

function BCIStateOut = rxBCtrainingWrite(sampleV, tapWeightsIn, BCIStateIn, sampleCounter, uiCounter, SymbolTime, SampleInterval)

Значения для двух входов этой функции, SymbolTime и SampleInterval, наследуются из рабочего пространства модели и поэтому не должны отображаться как узлы в функциональном блоке MATLAB. Для удаления этих узлов из функционального блока MATLAB:

Соедините все вместе, как показано ниже:

Редактирование функционального блока txBCtraining MATLAB

Блок Tx_BCI используется для управления всем процессом обучения обратного канала. Первый раз инициализирует все параметры Tx и Rx, которые будут оптимизированы во время обучения. После каждого цикла обучения обратного канала этот блок считывает текущую метрику глаза, предоставляемую приемником, сохраняет это значение, затем обновляет параметры Tx и Rx для следующего прохода. Когда обучение завершено, этот блок сигнализирует о завершении обучения, устанавливает все параметры Tx и Rx на их оптимальные значения и затем возвращает модели к регулярной работе.

Блок Tx_BCI был настроен для работы с обратным каналом ранее в этом примере. Теперь необходимо создать функциональный блок MATLAB в самом сердце блока Tx_BCI. Этот функциональный блок MATLAB, который был помечен txBackChannel, управляет всем процессом обучения обратного канала. В этот процесс вовлечены следующие этапы:

В следующих разделах рассматривается код, используемый в функциональном блоке txBackChannel MATLAB. В блоке Tx нажмите на блок передачи Tx_BCI и напечатайте Ctrl-U, чтобы продвинуться в блок передачи Tx_BCI, настроенный ранее. Дважды щелкните функциональный блок txBackChannel MATLAB, затем скопируйте/вставьте код, описанный в следующих разделах.

Определение подписи функции

Сигнатура функции для обучающего блока txBCtraining имеет 6 входов и 2 выхода. Входными данными являются:

Существует два выхода:

Сигнатура функции была добавлена ранее при первоначальном создании функционального блока MATLAB и уже присутствует.

Инициализация параметров и переменных

В этом разделе задаются три константы, необходимые для вычисления размера обучающего цикла обратного канала:

В дополнение к постоянным значениям в этом разделе задаются 11 постоянных переменных, используемых этой функцией. Постоянные переменные сохраняют свои значения между каждым вызовом этой функции MATLAB. 11 постоянных переменных:

Чтобы инициализировать эти параметры и переменные, скопируйте/вставьте следующий код в функциональный блок txBackChannel MATLAB:

%% Setup
sampBit = round(SymbolTime/SampleInterval);  %% Calculate Samples Per Bit
messageInterval = 256;                       %% Length (in UI) of back-channel training cycle iteration (~2 PRBS7 iterations)
BCIwait = 512;                               %% Delay time (in UI) before starting training(~4 PRBS7 iterations)

%% Read BCI file to determine training values
% Make variables available between time steps
persistent Protocol numDFEtaps numFFEtaps DFEtaps FFEtaps Sequence State EyeHeight step indx metric

% Initialize variable initial conditions
if isempty(Protocol)
    Protocol = 'Defaults';
end
if isempty(numDFEtaps)
    numDFEtaps = 4;
end
if isempty(numFFEtaps)
    numFFEtaps = 3;
end
if isempty(DFEtaps)
    DFEtaps = [0.000,0.000,0.000,0.000];
end
if isempty(FFEtaps)
    FFEtaps = [0.000,1.000,0.000];
end
if isempty(Sequence)
    Sequence = 1;
end
if isempty(State)
    State = 'Testing';
end
if isempty(EyeHeight)
    EyeHeight = 0.000;
end
if isempty(step)
    step = 1;
end
if isempty(indx)
    indx = 1;
end
if isempty(metric)
    metric = zeros(50,1);
end

Определение параметров сдвига

Алгоритм обучения, реализованный в этом примере, сдвигает значения предварительного и последующего отводов FFE и все 4 отводов DFE по отдельности, затем выбирает оптимальное значение для каждого отвода. Восемь параметров используются для определения диапазонов для каждого из отводов и размера шага, используемого во время обучения:

Для определения всех параметров, которые должны быть перемещены во время обучения, скопируйте/вставьте следующий код в функциональный блок txBackChannel MATLAB:

% Define parameter step sizes
ffeTapStep = -0.050;
dfeTapStep = 0.010;

% Map ranges to register values
regFFEtapm1 = ( 0.000:ffeTapStep:-0.300);
regFFEtap1  = ( 0.000:ffeTapStep:-0.300);
regDFEtap1  = (-0.200:dfeTapStep: 0.050);
regDFEtap2  = (-0.075:dfeTapStep: 0.075);
regDFEtap3  = (-0.060:dfeTapStep: 0.060);
regDFEtap4  = (-0.045:dfeTapStep: 0.045);

Первый вызов GetWave

Когда обучение включено, самый первый вызов этой функции MATLAB должен считывать файл связи обратного канала, написанный во время Init, чтобы определить все возможности моделей Tx и Rx. В этом разделе также устанавливаются начальные значения, которые будут использоваться для первого цикла обучения обратного канала. Наконец, все эти значения записываются в файл регистрации связи обратного канала.

Для реализации первого вызова GetWave скопируйте/вставьте следующий код в функциональный блок txBackChannel MATLAB:

%% First Tx GetWave Call (Sequence=3)
if sampleCounter == 1 && BCIStateIn == 2 % Training enabled
    % Read back-channel communication file to get current settings
    bciRdFile = 'BCI_comm.csv';
    [~, numDFEtaps, numFFEtaps, ~, ~, Sequence, ~, EyeHeight] = readBCIfile(bciRdFile);

    % Decide what to do first
    % Tx Params
    FFEtaps = [0.000,1.000,0.000];
    % Rx Params
    DFEtaps = [0.0000, 0.0000, 0.0000, 0.0000];
    
    % Write back-channel communication file with first pass settings for Rx
    bciWrFile = 'BCI_comm.csv';
    Protocol = ['DDR5' 0];   %% Null terminate string to keep fprintf happy in C++
    State = ['Training' 0];  %% Null terminate string to keep fprintf happy in C++
    Sequence = Sequence + 1;
    writeBCIfile(bciWrFile, 'w', Protocol, numel(DFEtaps), numel(FFEtaps), DFEtaps, FFEtaps, Sequence, State, EyeHeight)
    
    % Write to log file
    logFileName = 'BCI_comm_log.csv';
    writeBCIhistory(logFileName, 'Tx', 'GetW', sampleCounter, BCIStateIn, numel(DFEtaps), numel(FFEtaps), DFEtaps, FFEtaps, Sequence, EyeHeight)
end

Алгоритм обучения обратного канала

Когда обучение активизировано, после ожидания количества UI, как определено константой BCISwait, алгоритм обучения обратного канала вызывается каждым обучающим блоком, как определено константой startInterval. Сначала считываются текущие метрики, сообщенные приемником, затем эти результаты записываются в файл журнала связи обратного канала. Алгоритм обучения использует следующие шаги:

Для реализации обучающего алгоритма обратного канала скопируйте/вставьте следующий код в функциональный блок txBackChannel MATLAB:

%% Each subsequent BCI Block (Sequence=5,7,9,11...)
if  uiCounter > BCIwait + 2 && mod(sampleCounter - 1, (messageInterval * sampBit)) == 0 && BCIStateIn == 2 % Training enabled
    % Read setup used for previous 16 GetWaveblocks from back-channel communication file
    bciRdFile = 'BCI_comm.csv';
    [~, ~, ~, ~, ~, Sequence, ~, EyeHeight] = readBCIfile(bciRdFile);
    
    % Write current results to log file
    Sequence = Sequence + 1;
    logFileName = 'BCI_comm_log.csv';
    writeBCIhistory(logFileName, 'Tx', 'GetW', sampleCounter, BCIStateIn, numel(DFEtaps), numel(FFEtaps), DFEtaps, FFEtaps, Sequence, EyeHeight)
    if indx ~= 1
        % Store current metrics
        metric(indx - 1) = EyeHeight;
    end
    
    % Decide what to do next
    switch step
        case 1  % Step 1: Determine best value for FFE tap -1
            State = ['Training' 0];  %% Null terminate string to keep fprintf happy in C++
            if indx <= length(regFFEtapm1)
                % Set values for next iteration
                FFEtaps(1) = regFFEtapm1(indx);
                FFEtaps(3) = 0.0;
                FFEtaps(2) = 1 - abs(FFEtaps(1)) - abs(FFEtaps(3));
                indx = indx + 1;
            elseif indx == length(regFFEtapm1) + 1
                % Set best metric
                [~, jj] = max(metric);
                FFEtaps(1) = regFFEtapm1(jj);
                FFEtaps(3) = 0.0;
                FFEtaps(2) = 1 - abs(FFEtaps(1)) - abs(FFEtaps(3));

                % Done. Set up for next step
                metric = zeros(50,1);
                step = step + 1;
                indx = 1;
            end
        case 2  % Step 2: Determine best value for FFE tap 1
            State = ['Training' 0];
            if indx <= length(regFFEtap1)
                % Set values for next iteration
                %FFEtaps(1) = 0.0;   %% Use value from step 1
                FFEtaps(3) = regFFEtap1(indx);
                FFEtaps(2) = 1 - abs(FFEtaps(1)) - abs(FFEtaps(3));
                indx = indx + 1;
            elseif indx == length(regFFEtap1) + 1
                % Set best metric
                [~, jj] = max(metric);
                FFEtaps(3) = regFFEtap1(jj);
                FFEtaps(2) = 1 - abs(FFEtaps(1)) - abs(FFEtaps(3));

                % Done. Set up for next step
                metric = zeros(50,1);
                step = step + 1;
                indx = 1;
            end
        case 3  % Step 3: Determine best value for DFE tap 1
            State = ['Training' 0];
            if indx <= length(regDFEtap1)
                % Set values for next iteration
                DFEtaps = [regDFEtap1(indx), 0.0000, 0.0000, 0.0000];
                indx = indx + 1;
            elseif indx == length(regDFEtap1) + 1
                % Set best metric
                [~, jj] = max(metric);
                DFEtaps = [regDFEtap1(jj), 0.0000, 0.0000, 0.0000];
                
                % Done. Set up for next step
                metric = zeros(50,1);
                step = step + 1;
                indx = 1;
            end
        case 4  % Step 4: Determine best value for DFE tap 2
            State = ['Training' 0];
            if indx <= length(regDFEtap2)
                % Set values for next iteration
                DFEtaps(2:4) = [regDFEtap2(indx), 0.0000, 0.0000];
                indx = indx + 1;
            elseif indx == length(regDFEtap2) + 1
                % Set best metric
                [~, jj] = max(metric);
                DFEtaps(2:4) = [regDFEtap2(jj), 0.0000, 0.0000];
                
                % Done. Set up for next step
                metric = zeros(50,1);
                step = step + 1;
                indx = 1;
            end
        case 5  % Step 5: Determine best value for DFE tap 3
            State = ['Training' 0];
            if indx <= length(regDFEtap3)
                % Set values for next iteration
                DFEtaps(3:4) = [regDFEtap3(indx), 0.0000];
                indx = indx + 1;
            elseif indx == length(regDFEtap3) + 1
                % Set best metric
                [~, jj] = max(metric);
                DFEtaps(3:4) = [regDFEtap3(jj), 0.0000];
                
                % Done. Set up for next step
                metric = zeros(50,1);
                step = step + 1;
                indx = 1;
            end
        case 6  % Step 6: Determine best value for DFE tap 4
            State = ['Training' 0];
            if indx <= length(regDFEtap4)
                % Set values for next iteration
                DFEtaps(4) = regDFEtap4(indx);
                indx = indx + 1;
            elseif indx == length(regDFEtap4) + 1
                % Set best metric
                [~, jj] = max(metric);
                DFEtaps(4) = regDFEtap4(jj);
                
                % Done. Set up for next step
                metric = zeros(50,1);
                step = step + 1;
                indx = 1;
            end
        case 7  % Step 7: Training is complete
            State = ['Converged' 0];
            % Write final entry in log file
            logFileName = 'BCI_comm_log.csv';
            Sequence = Sequence + 1;
            writeBCIhistory(logFileName, 'Tx', 'GetW', sampleCounter, 3, numel(DFEtaps), numel(FFEtaps), DFEtaps, FFEtaps, Sequence, EyeHeight)
        otherwise
            State = ['Error' 0];
    end
    
    % Write to back-channel communication file with next pass settings for Rx
    bciWrFile = 'BCI_comm.csv';
    Protocol = ['DDR5' 0];   %% Null terminate string to keep fprintf happy in C++
    writeBCIfile(bciWrFile, 'w', Protocol, numel(DFEtaps), numel(FFEtaps), DFEtaps, FFEtaps, Sequence, State, EyeHeight)

end

Установка значений параметров training State и output

Последнее, что необходимо сделать с помощью этой функции MATLAB, это обновить состояние для хранилища данных BCI_State_ST и обновить значения массива отводов FFE.

Чтобы установить состояние обучения и выходные значения, скопируйте/вставьте следующий код в функциональный блок txBackChannel MATLAB:

%% Set back-channel state
if strcmpi(State,'Off') || strcmpi(State,['Off' 0])
    BCIStateOut = 1;
elseif strcmpi(State,'Training') || strcmpi(State,['Training' 0])
    BCIStateOut = 2;
elseif strcmpi(State,'Converged') || strcmpi(State,['Converged' 0])
    BCIStateOut = 3;
elseif strcmpi(State,'Failed') || strcmpi(State,['Failed' 0])
    BCIStateOut = 4;
else %Error
    BCIStateOut = 5;
end

%% Set output FFE values based on Training
if BCIStateOut == 2 || BCIStateOut == 3 % Training enabled/Converged
    tapWeightsOut = FFEtaps(:);
else  % Training Off/Failed/Error
    tapWeightsOut = tapWeightsIn;
end

Сохраните и закройте функциональный блок MATLAB.

Редактирование функционального блока rxBCtrainingRead MATLAB

Блок Rx_BCI_Read используется для считывания значений параметров Rx, запрашиваемых блоком Tx_BCI, и установки их для следующего цикла обучения обратного канала. Если блок Tx_BCI сообщает, что обучение завершено, этот блок устанавливает конечные значения, которые будут использоваться Rx для оставшейся части моделирования.

Блок Rx_BCI_Read был настроен для работы с обратным каналом ранее в этом примере. Теперь создайте функциональный блок MATLAB в центре блока Rx_BCI_Read. Этот функциональный блок MATLAB, который был помечен rxBCtrainingRead, задает используемые значения Rx DFE. В этот процесс вовлечены следующие этапы:

В следующих разделах представлен код, используемый в функциональном блоке rxBCtrainingRead MATLAB. В блоке Rx нажмите на блок передачи Rx_BCI_Read и напечатайте Ctrl-U, чтобы продвинуться в блок передачи Rx_BCI_Read, настроенный ранее. Дважды щелкните функциональный блок rxBCtrainingRead MATLAB, затем скопируйте/вставьте код, описанный в следующих разделах.

Определение подписи функции

Сигнатура функции для блока rxBCtrainingRead имеет 6 входов и 2 выхода. Входными данными являются:

Существует два выхода:

Сигнатура функции была введена ранее при первоначальном создании функционального блока MATLAB и уже имеется.

Инициализация параметров и переменных

В этом разделе задаются три константы, необходимые для вычисления размера обучающего цикла обратного канала:

В дополнение к постоянным значениям в этом разделе задаются 7 постоянных переменных, используемых этой функцией. Постоянные переменные сохраняют свои значения между каждым вызовом этой функции MATLAB. 7 постоянных переменных:

Чтобы инициализировать параметры и переменные, скопируйте/вставьте следующий код в функциональный блок rxBCtrainingRead MATLAB:

%% Setup
sampBit = round(SymbolTime/SampleInterval);  %% Calculate Samples Per Bit
messageInterval = 256;                       %% Length (in UI) of back-channel training cycle iteration (~2 PRBS7 iterations)
BCIwait = 512;                               %% Delay time (in UI) before starting training(~4 PRBS7 iterations)

% Make variables available between time steps
persistent Protocol numDFEtaps numFFEtaps DFEtaps FFEtaps Sequence State;

% Initialize variable initial conditions
if isempty(Protocol)
    Protocol = 'Defaults';
end
if isempty(numDFEtaps)
    numDFEtaps = 4;
end
if isempty(numFFEtaps)
    numFFEtaps = 3;
end
if isempty(DFEtaps)
    DFEtaps = tapWeightsIn;
end
if isempty(FFEtaps)
    FFEtaps = [0,0,0];
end
if isempty(Sequence)
    Sequence = 1;
end
if isempty(State)
    if BCIStateIn == 1     % Off
        State = ['Off' 0];
    elseif BCIStateIn == 2 % Training
        State = ['Training' 0];
    elseif BCIStateIn == 3 % Converged
        State = ['Converged' 0];
    elseif BCIStateIn == 4 % Failed
        State = ['Failed' 0];
    else  % Error
        State = ['Error' 0];
    end
end

Считывание значений отводов DFE для использования

Когда обучение активизировано, при самом первом вызове этой функции MATLAB и в начале каждого обучающего блока, как определено константой startInterval, файл связи обратного канала считывается, чтобы определить обновленные значения отводов DFE, которые будут использоваться для следующего учебного цикла.

Чтобы настроить используемые значения отводов DFE, скопируйте/вставьте следующий код в функциональный блок rxBCtrainingRead MATLAB:

%% First GetWave block of each BCI Block (Sequence=3,5,7,9,11,...)
% Read back-channel communication file to get current settings
if  (sampleCounter == 1 && BCIStateIn == 2) || ((uiCounter > BCIwait + 2 && mod(sampleCounter - 1, (messageInterval * sampBit)) == 0) && BCIStateIn == 2) % Training enabled
    bciRdFile = 'BCI_comm.csv';
    [Protocol, numDFEtaps, numFFEtaps, DFEtaps(1,1:4), FFEtaps, Sequence, State, ~] = readBCIfile(bciRdFile);
    
end

Установка значений параметров training State и output

Последнее, что необходимо сделать в этом функциональном блоке MATLAB, это обновить состояние для хранилища данных BCI_State_ST и обновить значения массива отводов DFE.

Для установки значений State и output скопируйте/вставьте следующий код в функциональный блок rxBCtrainingRead MATLAB:

%% Set back-channel state
if strcmpi(State,'Off') || strcmpi(State,['Off' 0])
    BCIStateOut = 1;
elseif strcmpi(State,'Training') || strcmpi(State,['Training' 0])
    BCIStateOut = 2;
elseif strcmpi(State,'Converged') || strcmpi(State,['Converged' 0])
    BCIStateOut = 3;
elseif strcmpi(State,'Failed') || strcmpi(State,['Failed' 0])
    BCIStateOut = 4;
else %Error
    BCIStateOut = 5;
end

%% Set output DFE values based on Training
if BCIStateOut == 2 % Training enabled
    tapWeightsOut = DFEtaps(1,1:4);
else
    tapWeightsOut = tapWeightsIn;
end

Сохраните и закройте функциональный блок MATLAB.

Редактирование функционального блока rxBCtrainingWrite MATLAB

Блок Rx_BCI_Write используется в конце каждого цикла обучения обратного канала, чтобы вычислить текущие метрики глаза и сообщить эти метрики обратно в блок Tx_BCI для анализа.

Блок Rx_BCI_Write был настроен для работы с обратным каналом ранее в этом примере. Теперь будет создан функциональный блок MATLAB в центре блока Rx_BCI_Write. Этот функциональный блок MATLAB, который был помечен rxBCtrainingWriteвычисляет минимальную высоту глаза последних 127 бит и записывает эти значения в файл связи обратного канала и файл регистрации. В этот процесс вовлечены следующие этапы:

В следующих разделах рассматривается код, используемый в функциональном блоке rxBCtrainingWrite MATLAB. В блоке Rx нажмите на блок передачи Rx_BCI_Write и напечатайте Ctrl-U, чтобы продвинуться в блок передачи Rx_BCI_Write, настроенный ранее. Дважды щелкните по функциональному блоку rxBCtrainingWrite MATLAB, затем скопируйте/вставьте код, описанный в следующих разделах.

Определение подписи функции

Сигнатура функции для блока rxBCtrainingWrite имеет 7 входов и 1 выход. Входными данными являются:

Имеется один выход:

Сигнатура функции была введена ранее при первоначальном создании функционального блока MATLAB и уже имеется.

Инициализация параметров и переменных

В этом разделе задаются четыре константы, необходимые для вычисления размера обучающего цикла обратного канала:

В дополнение к постоянным значениям в этом разделе задаются 5 постоянных переменных, используемых этой функцией. Постоянные переменные сохраняют свои значения между каждым вызовом этой функции MATLAB. 5 постоянных переменных:

Чтобы инициализировать все параметры и переменные для этого блока, скопируйте/вставьте следующий код в функциональный блок rxBCtrainingWrite MATLAB:

%% Setup
sampBit = round(SymbolTime/SampleInterval);  %% Calculate Samples Per Bit
messageInterval = 256;                       %% Length (in UI) of back-channel training cycle iteration (~2 PRBS7 iterations)
BCIwait = 512;                               %% Delay time (in UI) before starting training(~4 PRBS7 iterations)
windowLength = 127;                          %% Length of window (in UI) used to calculate minimum eye height (1 PRBS7 iteration)

% Make variables available between time steps
persistent Protocol Sequence State EyeHeight vSamp

if isempty(State)
    if BCIStateIn == 1     % Off
        State = ['Off' 0];
    elseif BCIStateIn == 2 % Training
        State = ['Training' 0];
    elseif BCIStateIn == 3 % Converged
        State = ['Converged' 0];
    elseif BCIStateIn == 4 % Failed
        State = ['Failed' 0];
    else  % Error
        State = ['Error' 0];
    end
end

Сохранить вектор сообщенных напряжений

В этом разделе накапливается вектор качения напряжений, используемый при вычислении минимальной высоты глаза. Предположим, что эти напряжения симметричны вокруг 0V, поэтому используется абсолютное значение.

Для сохранения значений напряжения глаза отчета скопируйте/вставьте следующий код в функциональный блок rxBCtrainingWrite MATLAB:

% Accumulate rolling vector of voltages for minimum eye height calculations
if isempty(vSamp)
    vSamp = zeros(1, windowLength * sampBit);
end
vSamp = circshift(vSamp, 1);
vSamp(1) = abs(sampleV);      % Assume symmetry and only use positive values

Расчет минимальной высоты глаз и запись в файл

Когда обучение включено, после ожидания количества UI, как определено константой BCI wait, метрики обратного канала вычисляются в конце каждой итерации обучения, как определено константой startInterval. Сначала конфигурацию обратного канала считывают из файла связи обратного канала, затем вычисляют значение высоты внутреннего глаза и выводят результаты в файл связи обратного канала и файл регистрации.

Чтобы вычислить метрики глаза и записать в файл связи каждый цикл обратного канала, скопируйте/вставьте следующий код в функциональный блок rxBCtrainingWrite MATLAB:

%% Write current state and eye metrics at the end of each BCI block
if  uiCounter > BCIwait + 2 && mod(sampleCounter, (messageInterval * sampBit)) == 0 && BCIStateIn == 2 % Training enabled  (Sequence=4,6,8,10,12,...)

    % Read setup used for last 16 GetWaveblocks from back-channel communication file
    bciRdFile = 'BCI_comm.csv';
    [Protocol, ~, ~, ~, FFEtaps, Sequence, State, ~] = readBCIfile(bciRdFile);

    % Calculate inner eye height from sampled voltage:
    EyeHeight = min(vSamp) * 2;    % 2x since using absolute value.
    
    % Write new back-channel communication file with end of BCI-Block metrics
    bciWrFile = 'BCI_comm.csv';
    Sequence = Sequence + 1;
    writeBCIfile(bciWrFile, 'w', Protocol, numel(tapWeightsIn), numel(FFEtaps), tapWeightsIn, FFEtaps, Sequence, State, EyeHeight)
    %
    % Write to log file:
    logFileName = 'BCI_comm_log.csv';
    writeBCIhistory(logFileName, 'Rx', 'GetW', sampleCounter, BCIStateIn, numel(tapWeightsIn), numel(FFEtaps), tapWeightsIn, FFEtaps, Sequence, EyeHeight)

end

Установка состояния обучения

Последнее, что необходимо сделать в этом функциональном блоке MATLAB, это обновить состояние для хранилища данных BCI_State_ST.

Чтобы установить состояние обучения, скопируйте/вставьте следующий код в функциональный блок rxBCtrainingRead MATLAB:

%% Update State Out if State In changed
if BCIStateIn == 3     % Converged
    State = ['Converged' 0];
elseif BCIStateIn == 4 % Failed
    State = ['Failed' 0];
end

if strcmpi(State,'Off') || strcmpi(State,['Off' 0])
    BCIStateOut = 1;
elseif strcmpi(State,'Training') || strcmpi(State,['Training' 0])
    BCIStateOut = 2;
elseif strcmpi(State,'Converged') || strcmpi(State,['Converged' 0])
    BCIStateOut = 3;
elseif strcmpi(State,'Failed') || strcmpi(State,['Failed' 0])
    BCIStateOut = 4;
else %Error
    BCIStateOut = 5;
end

Сохраните и закройте функциональный блок MATLAB.

В Simulink введите Ctrl-D, чтобы скомпилировать модель и проверить наличие ошибок. Перед продолжением устраните все ошибки.

Запуск модели и проверка результатов

Следующим шагом является запуск модели и проверка правильности работы кода обратного канала.

Настройка параметров моделирования

Перед запуском полной модели откройте блок Стимул (Stimulus), чтобы задать шаблон стимула, используемый для тестирования модели:

Проверка правильности работы моделей Tx и Rx

Запустите модель. Во время работы модели наблюдайте изменение формы сигнала во временной области по мере сдвига каждой из настроек отводов. После завершения моделирования файл связи обратного канала, BCI_comm.csv, должен выглядеть примерно так:

Protocol,DDR5,
numDFEtaps,4,
numFFEtaps,3,
DFEtaps,0.01000,-0.00500,-0.01000,-0.00500,
FFEtaps,0.00000,0.85000,-0.15000,
Sequence,176,
State,Converged,
EyeHeight,0.610993,

Откройте файл журнала связи обратного канала BCI_comm_log.csv в редакторе электронных таблиц. В каждой строке файла журнала отображается порядковый номер, модель, записанная в файл (Tx или Rx), текущее число образцов, BCI_State и вычисленная высота глаза. Последние 7 столбцов в журнале показывают текущие моделируемые значения отводов FFE и DFE. Наблюдайте, как изменяется Высота глаза (Eye Height) при протягивании каждого значения, и значение параметра, которое дает наибольшую Высоту глаза (Eye Height), устанавливается после каждой итерации. Следует отметить, что значение FFE0 всегда вычисляется из значений FFE-1 и FFE1.

Создание модели DDR5 Tx/Rx IBIS-AMI

В заключительной части этого примера используется настраиваемая модель Simulink и генерируются IBIS-AMI-совместимые исполняемые файлы модели DDR5, IBIS и AMI-файлы.

Откройте диспетчер Serdes IBIS-AMI.

Экспорт моделей

На вкладке Export в диалоговом окне SerDes IBIS-AMI Manager:

Обновление AMI-файлов (при необходимости)

Файлы Tx и Rx AMI, сгенерированные SerDes Toolbox, соответствуют спецификации IBIS 6.1, поэтому все параметры обратного канала были помещены в раздел Model_Specific файла.

Параметр BCI_State_ST имеет 5 состояний, необходимых для завершения обучения по обратному каналу, однако, чтобы сделать эти модели более удобными для пользователя, конечному пользователю действительно нужно только 2 состояния: «Off» и «Training». Чтобы внести это изменение, обновите параметр BCI_State_ST в каждом AMI-файле следующим образом:

Тестовые модели IBIS-AMI

Модели DDR5 передатчика и приемника IBIS-AMI теперь полностью укомплектованы и готовы к тестированию в любом модельном симуляторе AMI промышленного стандарта.

Ограничения модели

При моделировании с использованием этих моделей в симуляторе модели AMI промышленного стандарта следует учитывать следующие ограничения: