双狄拉克模型：RJ与DJ的数学拆解

做抖动分离这些年，我碰到的第一个硬骨头就是双狄拉克模型。说实话，刚入行时我总觉得这玩意儿太理论，直到有一次在高速串行链路测试中，眼图闭合得莫名其妙，拿频谱仪扫了半天看不出来问题。最后用双狄拉克模型把随机抖动和确定性抖动剥离开，才发现是电源噪声引起的DJ占了大头。从那以后，我再也不敢跳过这个模型了。

为什么需要双狄拉克模型？

抖动测量里，我们拿到的总抖动（TJ）是随机抖动（RJ）和确定性抖动（DJ）的混合体。RJ服从高斯分布，DJ则往往由多个离散的确定性事件叠加而成——比如数据相关抖动（DDJ）、周期抖动（PJ）、占空比失真（DCD）。双狄拉克模型的核心思想很简单：把DJ近似看作两个狄拉克δ函数的组合，再与高斯卷积，就能得到总抖动的概率密度函数（PDF）。你想想看，这比直接处理一堆乱七八糟的抖动分量要干净得多。

数学表达

双狄拉克模型的PDF可以写成：

f(t) = (1-α)·G(t - μ + δ/2) + α·G(t - μ - δ/2)

其中：

• G(·) 是高斯函数，标准差σ对应RJ的RMS值
• δ 是两个狄拉克脉冲之间的间距，代表DJ的峰峰值
• α 是峰值幅度比例，通常取0.5（对称情况）
• μ 是均值偏移

说白了，这个模型把DJ简化为两个“撞击点”，RJ像雾一样弥散在周围。我在测试一款25Gbps SerDes时发现，当DCD占主导时，δ恰好等于1个UI的一半，非常直观。

RJ与DJ的分离逻辑

具体推导不展开了，我说下工程上的做法。假设我们测到了大量边沿位置数据，画出直方图。在直方图的左右尾部（概率密度小于10⁻³的区域），高斯分布的贡献占主导，因为DJ的δ效应在尾部会被高斯“吞没”。拟合尾部斜率就能得到σ，再反推DJ分量。

参数拟合方法

我常用的方法有三种，各有利弊：

方法	原理	优点	缺点
直方图尾部线性拟合	对概率密度取对数，尾部近似为直线	计算快，直观	尾部数据稀疏，噪声敏感
非线性最小二乘（NLS）	直接拟合双狄拉克模型PDF	精度高，利用全数据	初始值难选，易陷入局部最优
累积分布函数（CDF）拟合法	使用Q函数逆变换，分离高斯尾部	抗噪性强，适合大数据量	需要累加运算，稍慢

我个人习惯先用直方图尾部拟合做个快速筛查，正态概率纸上一画，马上能看出有无明显的DJ偏差。遇到混沌信号再用NLS法细抠。记住一个坑：尾部线性拟合前一定要确认数据量足够——我曾经拿1000个点去拟合尾部，结果RJ误差超过30%。后来改成至少50000个点，稳定多了。

Python拟合示例

import numpy as np
from scipy.optimize import curve_fit

def dual_dirac_pdf(t, sigma, delta, mu):
    # 双狄拉克模型PDF（对称）  
    return 0.5 * np.exp(-((t - mu + delta/2) / sigma)**2 / 2) / (sigma * np.sqrt(2*np.pi)) \
         + 0.5 * np.exp(-((t - mu - delta/2) / sigma)**2 / 2) / (sigma * np.sqrt(2*np.pi))

# 假设数据：times是边沿位置数组
hist, bins = np.histogram(times, bins=200, density=True)
bin_centers = (bins[:-1] + bins[1:]) / 2

# 只对概率密度大于1e-4的数据点做拟合，避开尾部噪声
mask = hist > 1e-4
popt, pcov = curve_fit(dual_dirac_pdf, bin_centers[mask], hist[mask],
                        p0=[2e-12, 10e-12, 0])  # 初始值按经验给
sigma_fit, delta_fit, mu_fit = popt
print(f"RJ(rms) = {sigma_fit*1e12:.2f} ps, DJ(p-p) = {delta_fit*1e12:.2f} ps")

模型验证与可视化

为了看清RJ和DJ如何组合成最终抖动，我画了下面这张结构图：

上图从左到右展示了“两个狄拉克脉冲”与“高斯分布”通过卷积生成总PDF的过程。你注意看，最终PDF会有两个凸起——双峰间距就是DJ的δ，而每个峰的宽度由σ决定。这正是双狄拉克模型命名的由来。

工程实践避坑

• 数据长度不够？双狄拉克尾部拟合至少需要10⁵个边沿样本，否则尾部统计飘得没法看。我曾在某28Gbps项目上因为采样点不够，RJ拟合值来回跳了5倍。
• 噪声不是高斯？有些情况下（比如有串扰耦合）RJ呈现非高斯分布。这时双狄拉克模型会误判。我一般先做正态性检验（如Anderson-Darling），通不过的话换用其他模型。
• DJ不对称？虽然模型写α=0.5，但实际DCD或PJ可能导致两个脉冲幅度不等。拟合时可以放开α参数，我试过效果更准。