3、抖动分类：随机抖动与确定性抖动归纳总结
说到抖动分类，我个人习惯先把它拆成两大阵营：随机抖动（RJ）和确定性抖动（DJ）。为什么要这样分？其实很简单——它们的来源、统计特性和处理方法完全不同。你要是能把这两个大方向吃透，后面学抖动分解算法基本就通了。
我入行那会儿，第一次拿到示波器上的眼图测量结果，看到几十皮秒的抖动，心里直犯嘀咕：这么多抖动到底哪来的？后来带我的老工程师甩给我一句话：“先去分清是随机的还是确定的，别瞎分析。”嗯，从那以后我就记住了——分类是第一步。
3.1 随机抖动（RJ）——那个“不讲武德”的正态分布
RJ 的核心特征：没有上限，没有下限，理论上可以取任何值。它由热噪声、散粒噪声、闪烁噪声等物理效应产生。
- 概率密度函数：高斯分布（正态分布）。
- 峰值-峰值：理论上无穷大，实际工程中通常用 RMS（均方根）来表征，然后按某个误码率（如 10⁻¹²）换算峰峰值。
- 不可消除：只能通过降低系统噪声来减小，但永远无法完全消除。
RJ 的数学模型很简单：σRJ 就是标准方差。多个独立随机源叠加后，总和仍然是高斯分布，方差相加。这一点在实际测量时特别好用——你测到的总 RJ 方差，可以直接看作是各独立随机源的方差之和。
3.2 确定性抖动（DJ）——有迹可循的“肇事者”
DJ 和 RJ 刚好相反，它有边界，有规律，甚至能追溯到具体电路节点。我常说，找 DJ 就像破案，只要线索足够，一定能找到元凶。
DJ 下面又可以分三个子类：
- 周期性抖动（PJ）——来自电源噪声、串扰、开关频率耦合。波形在时间轴上以固定周期出现，频率通常是已知的（比如开关电源的开关频率）。
- 数据相关抖动（DDJ）——也叫码间串扰（ISI），和传输数据的具体模式挂钩。比如“1010”和“1111”两种模式下边沿位置不同。你在 SPI 或 DDR 总线上常能见到。
- 占空比失真（DCD）——顾名思义，上升沿和下降沿的阈值点不对称导致的脉冲宽度偏移。常见于时钟分配路径。
| 特性 | 随机抖动 (RJ) | 确定性抖动 (DJ) |
|---|---|---|
| 概率分布 | 高斯分布（无界） | 有界分布（如双峰、均匀） |
| 峰值-峰值 | 理论无穷大（依赖 BER） | 有明确上下界 |
| 产生根源 | 热噪声、闪烁噪声 | 电源、串扰、ISI、DCD |
| 是否能消除 | 只能减小，不能消除 | 可以消除或大幅压缩 |
| 测量后处理方法 | 统计建模（拟合高斯） | 取边界法、频谱分析 |
3.3 数学上的“合体”——卷积视角
实际测量到的总抖动，是 RJ 和 DJ 的卷积结果。你说这怎么理解？
把 DJ 看作一个确定性的“形状”，RJ 则是给它糊上一层高斯模糊。所以总抖动的概率密度函数（PDF）就是：
PDF_total(t) = PDF_DJ(t) ∗ PDF_RJ(t)其中 ∗ 表示卷积。你想想看，如果 DJ 是双峰分布（比如占空比失真导致两个边沿位置），被高斯核一模糊，出来的形状就不那么明显了。这也是为什么有时候你在直方图上只能看到一个胖峰——其实是 RJ 把两个峰“涂”到一起了。
3.4 我常用的一条决策链
在做抖动分解时，我给团队定了一个简单的流程：
- 采集大量过零点时间（至少 200k 个样点）。
- 画直方图，看形状。如果只有一个高斯峰，大概率全是 RJ；如果出现两个或多个峰，一定有 DJ 成分。
- 用双狄拉克法（Dual Dirac）分离 RJ 和 DJ——这个后面章节会细讲，这里先记下名字。
- 对 DJ 部分进一步做频谱分析，找周期性分量；再对比数据眼图模式，看 DDJ 和 DCD。
你看到上面这个分类图了吧？左侧 RJ 只用一个节点，右侧 DJ 却分了三个子节点。这是因为 DJ 的排查方向更多，每个子类对应不同的根源和修复手段。
3.5 常见误区与避坑
- 把总抖动的直方图直接当高斯拟合：如果 DJ 成分很强，拟合出来的 σ 会偏大。先做 DJ 剥离，再拟合。
- 忘记 DCD 的双峰形态：我曾有一次分析 DDR 时钟，发现眼图张得不够开，直方图两个小峰。一开始以为是 PJ，后来用眼图模板一量，发现是差分信号有共模偏移，DCD 导致的。改驱动能力后就好了。
- 忽视低频噪声对 RJ 测量的影响：低频闪烁噪声会让长时间测量下的 TIE 漂移，导致 RMS 越来越大。测量时间窗应该固定，或者在频谱上把低频成分单独处理。
分类这件事，看起来基础，但决定了后续所有分析的正确性。你要是把 RJ 当 DJ 去定位源，那花一个月也找不到。反过来，把 DJ 当 RJ 去容忍，那系统误码率永远降不下来。好了，分类这块先聊到这儿，后面我们正式进入分解算法。