1. 课程导入与工程语境
在电路设计评审中，经常出现这样的对话：仿真结果显示功能正常、指标余量充足，但样机在低温启动时输出跌落，或在高温满载时时钟抖动超标。问题往往不在于电路“设计错了”，而在于设计验证时只看了典型值。最坏情况分析（Worst Case Analysis，WCA）要回答的核心问题是：当器件参数、电源、温度、负载和工艺同时朝最不利方向偏移时，这个电路还能不能保证功能与指标？
WCA 不是一种仿真工具，而是一套以“保证”为目标的验证方法。它把电路视为参数落在区间内的系统，而不是一组确定数值。其基本输入是每个参数的容差范围与分布假设，基本输出是某个关键指标在最不利组合下的边界值，以及该边界与规格限之间的余量。若余量为正，说明设计在给定条件下有保证；若余量为负，说明存在失效风险，必须改设计、加筛选或收紧规格。
WCA 在电路设计流程中的位置
典型电路设计流程可以概括为：需求分解 → 拓扑选择 → 参数设计（典型值）→ 功能仿真 → 最坏情况分析 → 裕量评审与设计冻结 → 可靠性/量产验证。WCA 位于功能仿真之后、设计冻结之前，是“从能工作到保证工作”的关键闸门。它不替代功能仿真，也不替代可靠性试验：功能仿真验证拓扑与逻辑是否正确，WCA 验证参数漂移下是否仍满足规格，可靠性设计则关注失效机理与寿命。三者关注点不同，但共享同一套电路模型与关键指标。
与典型值分析相比，WCA 的差别在于“看边界”而非“看中心”。典型值分析用标称参数跑一次仿真，得到一条曲线；WCA 则要让参数在容差内取极值，并考虑最不利组合。与蒙特卡洛分析相比，蒙特卡洛通过随机抽样估计良率与分布，适合评估统计意义上的合格率；WCA 则追求确定性的最坏边界，回答“有没有保证”。两者常配合使用：先用 WCA 找边界与敏感参数，再用蒙特卡洛评估良率与分布形态。与可靠性设计相比，WCA 关注的是参数漂移导致的性能失效，可靠性关注的是时间维度上的退化与失效机理，二者在工程上互补。
一句话区分：典型值分析回答“通常能不能工作”；蒙特卡洛回答“大概有多少比例能工作”；WCA 回答“在所有允许条件下是否一定工作”；可靠性设计回答“能工作多久”。
本课程的任务地图
本课程围绕“如何做一次可信的 WCA”展开，整体分为四个层次。第一层是建模层：明确电路对象、关键指标、参数容差来源与工作条件，建立可用于极值分析的模型。第二层是方法层：掌握极值分析法、灵敏度分析、蒙特卡洛与 EVA/最坏情况电路分析（WCCA）的适用场景与计算方式。第三层是执行层：针对电源、运放、基准、时钟、接口、滤波等典型电路，完成参数极值组合、仿真设置与结果判读。第四层是评审层：把 WCA 结果转化为裕量表、风险清单与设计改进项，支撑设计冻结与量产决策。
下面这张图给出本课程的任务地图与 WCA 在验证体系中的位置关系。图中左侧是设计流程，右侧是四类验证手段的分工，中间突出 WCA 的输入、处理与输出。
为什么必须做 WCA：一个可计算的示例
以一个分压采样电路为例。输入电压经 R1、R2 分压后送入 ADC，要求分压比误差不超过 ±2%。设 R1 标称 10 kΩ、R2 标称 10 kΩ，两者容差均为 ±1%，ADC 输入阻抗足够高可忽略。典型值下分压比为 0.5，误差为 0。但最坏情况下，R1 取 +1%、R2 取 −1%，分压比变为 10.1/(10.1+9.9)=0.505，误差 +1%；反向组合则为 9.9/(9.9+10.1)=0.495，误差 −1%。若再叠加电阻温度系数 ±50 ppm/℃、工作温度 −40℃～+85℃，在 125℃ 温差下附加约 ±0.625% 漂移，总误差可达约 ±1.625%，仍小于 ±2%，说明该设计在给定条件下有约 0.375% 的裕量。这个计算虽然简化，但已经体现了 WCA 的基本逻辑：列出参数、取极值、叠加贡献、比较规格。
实际工程中，参数并非都独立，也并非都取极值。例如同一批次电阻的比值跟踪性可能优于绝对容差，此时应使用比值容差而非各自绝对容差；电源电压与负载电流可能相关，不能简单独立叠加。WCA 的难点不在于公式，而在于正确识别参数的相关性、工作模式与最不利组合。这也是本课程后续章节要逐一展开的内容。
学习建议：每学完一种电路（分压、运放、基准、LDO、时钟、接口），都尝试写出它的关键指标、参数容差表和最坏组合，再用仿真或手算验证边界。WCA 的能力来自反复练习，而不是记住某个公式。