3. LTSSM详细状态分析
链路训练状态机，也就是 LTSSM，说白了就是 PCIe 设备之间的“握手协议”。从物理层往上走，每个状态都有一套严格的规则。我当年刚接触 PCIe 时，总觉得这些状态跳来跳去很复杂，后来发现只要记住一条主线：从 Detect 开始，一步步走到 L0，然后根据电源策略下掉。下面我们逐个拆解。
Detect 状态——链路存在的证据
这是 LTSSM 的起点。设备上电或复位后，自动进入 Detect。干什么呢？检测对端有没有设备插着。
- Detect.Quiet：发送器保持 Electrical Idle，等待接收器检测阻抗变化。
- Detect.Active：发送器发出一个低摆幅脉冲，看看有没有反射回来。
我遇到过一件特有意思的事：有次板卡接触不良，Detect 状态反复超时，但示波器上看到脉冲幅度只有正常值的一半。后来发现是连接器虚焊，导致差分阻抗变了。所以啊，Detect 失败不一定是芯片问题，先查物理链路。
关键指标：Detect 超时时间 12 ms（Gen1/Gen2）或 24 ms（Gen3+）。如果超时，链路回退到 Detect.Quiet 重试。
Polling 状态——在位确认与速率协商
Detect 成功后就进入 Polling。这阶段分两步走：
- Polling.Active：两边互相发 TS1 和 TS2 训练序列。TS1 里带着发送端的速率能力（比如 Gen1 还是 Gen3）。
- Polling.Configuration：确认对端收到 TS2 后，锁定位锁定，并决定初始数据速率（默认 Gen1）。
这里有个常见的坑：Polling 状态在 Gen3 和 Gen4 中会做两次握手——先以 Gen1 速率完成 Polling，然后进入 Configuration 再协商高速率。我第一次调试 Gen3 卡时，发现 Polling 老是过不去，查 spec 才知道我忘了把 De-emphasis 级别切换到高速档位。
注意：Polling 阶段的 TS1/TS2 是 16-bit 符号，每个符号包含 Lane 号、速率 ID 和功能位。如果 Lane 反转或极性不一致，TS 训练序列会 CRC 校验失败，导致 Polling 超时。
Configuration 状态——链路宽度与 Lane 映射
这是所有状态里最灵活的。Configuration 要做三件事：
- 确定 Lane 序号：两边通过 TS1 中的 Lane 号协商，把 Lane 0 对正。
- 确定链路宽度：支持 x1、x2、x4、x8、x16、x32。如果一边是 x8，另一边是 x4，那就只协商成 x4。
- 分配 Lane 极性：如果 PCB 走线反了，可以通过反转极性来补偿。
| 子状态 | 主要动作 | 超时时间 |
|---|---|---|
| Configuration.Linkwidth | 等待所有 Lane 上的 TS1 匹配 | 24 ms |
| Configuration.Lanenum | 分配 Lane 序号并发送 TS2 | 2 ms |
| Configuration.Idle | 进入 L0 前的最终同步 | 1 ms |
我个人习惯在仿真阶段把 Configuration 的 Lane 映射打印出来。你想想看，如果 Lane 0 和 Lane 1 互换，数据就全乱了。曾经有个项目，FPGA 端 x8 口接 ASIC x4 口，结果 Configuration 协商出 x4 但 Lane 0 对应的是 ASIC 的 Lane 1，导致后续 link 跑起来全错。最后发现是 ASIC 的 LTSSM 实现了没有正确解析 Lane 号码。
L0 状态——正常数据传输
终于到了干活的状态。L0 下，TLP 和 DLLP 可以正常收发。数据速率就是协商好的那个速度，同时支持链路控制功能比如 Flow Control、ACK/NAK 等。
要注意的是，L0 并不是一直稳定。它会因为各种原因跳回 Recovery 或直接进入电气空闲。常见故障原因包括：
- RX 端发现帧定界符错误（STP/END 不对）。
- CRC 连续出错超出阈值。
- TS1 定时训练序列丢失。
经验之谈：如果 L0 下出现频繁的 Recovery 跳转，先抓一下链路层的 replay 次数。如果 replay 次数猛增，说明物理层误码率上来了，不一定是 LTSSM 的问题，可能是信号完整性问题。
L0s 和 L1——低功耗状态
PCIe 提供了两种低功耗模式，区别在于退出延迟和功耗节省量。
- L0s：快速进入/退出（几微秒），只关发送器。接收器保持待机。功耗节省约 30-50%。
- L1：更深睡眠，关掉 PLL 和一部分时钟。退出需要几十微秒到几百微秒。功耗节省能到 90%。
很多人搞混 L0s 和 L1 的触发条件。简单说：
- L0s 由物理层自动控制——如果发送器空闲超过一个阈值就降。
- L1 需要链路两端协商，通过 PM_Enter_L1 DLLP 进入。
避坑：我曾经遇到一个 case，系统挂起后无法唤醒。最后发现是 L1 进入后，PCIe 参考时钟被切断了，但根端口没有正确恢复 CLKREQ# 信号。所以啊，设计 L1 必须同步考虑时钟架构。
L2 状态——切断主电源
L2 是在主电源 VCC 断电后的状态，只保留 VAux（辅助电源）给 PME 唤醒电路。设备基本是“睡死”状态，连复位都不需要维持。
进入 L2 的流程：先从 L1 发起 PME_Turn_Off，然后切电源。有些设计中，L2 下 LTSSM 会直接死掉，直到重新上电才进入 Detect。但也有的实现支持 L2/L3 Ready 状态做短时恢复。
我一般在功耗验证时才关注 L2，因为大部分故障注入实验会刻意避免进入 L2——一旦进去了，链路就彻底断了，恢复起来很麻烦。
其他辅助状态：Recovery、Hot Reset 和 Loopback
除了主状态，还有几个短暂但重要的过渡状态：
- Recovery：从 L0/L0s/L1 回到 Configuration 或 Polling。用于速率切换、位锁定再同步或错误恢复。
- Hot Reset：由根端口发出 TS1 中的 Hot Reset bit，强制所有下游设备复位 LTSSM 到 Detect。
- Loopback：测试模式，发送器发出的 PHY 信号从接收器返回。用于板级眼图测试。
LTSSM 状态流程图
下面我用一张 SVG 图把主要状态和典型转换串起来，方便你对照着理解。
这张图里，核心路径是从 Detect 一路走到 L0，然后通过 L0s/L1 节能，或者因为故障跳回 Recovery。L2 是最终断电状态，一般不会主动进入。
特别提醒：在故障注入测试中，我们经常故意触发 Recovery 看看设备能否正确回退并重训练。但注意不要在 L0s 状态下注入故障，因为 L0s 的 TX 已经关了，你根本注不进去——得先退到 L0 再注入。
好了，LTSSM 的各个状态咱们都过了一遍。如果你在调试中碰到链路不稳定，不妨先看看当前 LTSSM 的状态寄存器——那个二进制位组合能告诉你很多硬件没说出口的秘密。嗯，到这儿就行，不啰嗦了。