4. TDR在差分对测试中的应用
差分对的长度匹配，说白了就是让正负两条信号线的电长度尽可能一致。一旦出现偏差，共模噪声就会转成差模，严重的时候直接让链路眼图闭合。
我当年做一款高速背板时，差分对内部延迟差只有 5ps，结果系统死活过不了一致性测试。后来用 TDR 一量，发现是封装引脚上的一小段过孔造成的。嗯，从那以后我每次做差分对验证，都会把 TDR 延迟差测量放在第一步。
4.1 为什么用 TDR 测延迟差
传统用矢量网络分析仪或者时域反射计也能测，但 TDR 有几个特别适合差分对的地方：
- 时域直观：直接看到信号在差分对各自路径上的传播时间差
- 空间定位：能分辨是哪个地方造成了延迟偏移
- 单端 + 差模融合：一次采集就拿到 P/N 两条线的各自 TDR 波形
你想想看，如果只是用 TDR 单端模式一根根测，再手动算差值，误差会很大。差分 TDR 模式可以把两路同时量好，波形自动对齐，差值得出来就是我们要的 TDR-TDR 延迟差。
4.2 测量原理
原理其实很简单。TDR 发一个快速阶跃脉冲，同时进入差分对的两条线。两条线上的反射波分别被 TDR 采样头捕捉下来。这两条波形在时间轴上的相对位置，就反映了各自路径的延迟。
延迟差 = t_N - t_P，或者反过来，看你定义的极性。一般我们取 50% 幅度点或 50% 上升沿交叉点作为时间参考。
4.3 具体操作步骤
- 连接设备：差分 TDR 探头的 P 线接被测差分对的 P，N 线接 N，GND 参考接好。
- 校准：做开路、短路、负载校准，消除探头和线缆的影响。记得校准到差分参考平面。
- 设定时基：将 TDR 时基窗口调到能完整覆盖差分对长度。速度因子用 FR4 典型值 0.6，或通过已知长度标定。
- 采集波形：同时采集两条线的 TDR 波形。建议做 16 次平均以减少随机噪声。
- 寻找参考点：找到反射开始上升/下降的 50% 点，或者直接找两条波形的交叉时间戳。
- 计算差值：用光标或自动化脚本读取两个时间点，做差。
4.4 影响测量精度的因素
| 因素 | 影响 | 改进措施 |
|---|---|---|
| 探头负载效应 | 改变线路特征阻抗，扭曲波形 | 使用低电容探头，或做去嵌入处理 |
| 参考面定义模糊 | 延迟差偏大或偏小 | 严格定义 P/N 参考平面为探针接触点 |
| TDR 上升时间 | 上升时间越慢，时间分辨率越差 | 选上升时间 ≤ 25ps 的 TDR 模块 |
| 采样噪声 | 导致 50% 点抖动 | 多次平均，或使用数字滤波 |
| 速度因子不准 | 把时间差换算成长度差异时出错 | 用已知长度的线标定速度因子 |
4.5 自动化测量：Python 脚本示例
人工用光标读延迟差太慢了，而且容易出错。我习惯把 TDR 波形数据导出来，用 Python 自动算。下面是一个简单示例，读取两个 CSV 波形，找到 50% 点，输出延迟差。
import numpy as np
import pandas as pd
def find_half_time(waveform):
"""找上升沿 50% 幅度点的时间"""
v_max = np.max(waveform[:, 1])
v_min = np.min(waveform[:, 1])
v_half = (v_max + v_min) / 2
idx = np.where(waveform[:, 1] >= v_half)[0][0]
# 线性插值提高精度
t1, v1 = waveform[idx-1]
t2, v2 = waveform[idx]
return t1 + (v_half - v1) * (t2 - t1) / (v2 - v1)
# 加载两个波形
p_wave = pd.read_csv('tdr_p.csv').values
n_wave = pd.read_csv('tdr_n.csv').values
t_p = find_half_time(p_wave)
t_n = find_half_time(n_wave)
delay_diff = t_n - t_p
print(f"延迟差 (N-P) = {delay_diff*1e12:.2f} ps")
4.6 延迟差与长度匹配的关系
延迟差 Δτ 直接对应长度差异 ΔL：
ΔL = Δτ × v_p
其中 v_p 为传播速度，典型 FR4 微带走线 v_p ≈ 0.15 mm/ps。比如延迟差 10ps，意味着长度差约 1.5 mm。这个值对于高速差分对来说已经算超标了（很多标准要求 < 2ps）。
我建议你不要只看延迟差值，还结合阻抗连续性检查。很多时候延迟差不大，但阻抗突变点正好与 P/N 线错位，会导致共模噪声。所以我会把 TDR 波形和延迟差结果一起画出来观察。