IBIS模型参数——个人整理
输入的模型结构可以细化用图2表示。
图2：输入的模型电路图
其中：
C_pkg, R_pkg, L_pkg 为封装参数
C_comp 为硅片上脚的压焊盘电容
Power_Clamp 为低端ESD结构的V/I 曲线
GND_Clamp 为低端ESD结构的V/I 曲线
输出的模型结构可以细化用图3表示。
图3：输出的模型电路图
其中：
Pullup, Pulldown 为高电平和低电平状态的V/I曲线。
Ramp 为上升沿和下降沿的摆率（dv/dt）。指的是输出电压从20%--80%的电
压输出幅度所用的时间。为了更加准确地描述上升沿和下降沿的过程，有上升
沿和下降沿的V/T 曲线。
IBIS模型中包含了一些基本的参数，同时也给用户选择参数的机会。
C_pkg , R_pkg , L_pkg : 封装的RLC参数
C_pin , R_pin , L_pin : 引脚的RLC参数
C_comp ：硅片上引脚的压焊盘电容——硅芯片电容
[PullUp]：输出高电平状态的V/I曲线。示例见图5。——上拉曲线
[PullDown]：输出低电平状态的V/I曲线。示例见图6。——下拉曲线
[Power_Clamp]：高端ESD的V/I曲线。示例见图7。——电源箝位曲线
[GND_Clamp]：低端ESD的V/I曲线。示例见图8。——GND箝位曲线
[Rising Waveform]：输出上升沿的V/T曲线。示例见图9。
[Falling Waveform]：输出下降沿的V/T曲线。示例见图10。
dV/dT_r, dV/dT_f：输出上升沿和下降沿的摆率。即：从20%~80%，或
从80%~20% 电压输出幅度所需的时间。
在测定V/I曲线时，电压的扫描范围，见表1：
表1：电压的扫描范围
[PullUp]，[Power_Clamp] 曲线中，电压是以VCC作为电压参考点。所以在IBIS模型中相应的电压值要作以下调整：
V table = VCC- V measured
目录 §1 绪论 (1) 1.1 IBIS模型的介绍 (1) 1.2 IBIS的创建 (3) §2 IBIS模型的创建 (3) 2.1 准备工作 (3) 2.1.1 基本的概念 (3) 2.1.2 数据列表的信息 (4) 2.2 数据的提取 (4) 2.2.1 利用Spice模型 (4) 2.2.2 确定I/V数据 (4) 2.2.3 边缘速率或者是V/T波形的数据的测量 (7) 2.2.4 试验测量获取I/V和转换信息的数据 (7) 2.3 数据的写入 (8) 2.3.1 IBS文件的头I信息 (8) 2.3.2 器件和管脚的信息 (8) 2.3.3 关键词Model的使用 (9) §3 用IBIS模型数据验证模型 (10) 3.1 常见的错误 (10) 3.2 IBIS模型的数据验证 (12) 3.2.1 Pullup、Pulldown特性 (12) 3.2.2 上升和下降的速度（Ramp rate） (12) 3.2.3 上下拉特性和Ramp rate的关系 (12)
3.3 用IBIS模型数据验证模型参数的实例 (12)
§1 绪论 1.1 IBIS模型的介绍 IBIS（Input/Output Buffer Informational Specifation）是用来描述IC器件的输入、输出和I/OBuffer行为特性的文件，并且用来模拟Buffer和板上电路系统的相互作用。在IBIS模型里核心的内容就是Buffer的模型，因为这些Buffer产生一些模拟的波形，从而仿真器利用这些波形，仿真传输线的影响和一些高速现象（如串扰，EMI等。）。具体而言IBIS描述了一个Buffer的输入和输出阻抗（通过I/V曲线的形式）、上升和下降时间以及对于不同情况下的上拉和下拉，那么工程人员可以利用这个模型对PCB板上的电路系统进行SI、串扰、EMC以及时序的分析。 IBIS模型中包含的是一些可读的ASCII格式的列表数据。IBIS有特定的语法和书写格式。IBIS模型中还包括一些电气说明如V、V、V以及管脚的寄生参数（如管脚的引线R、L、C）等。有一点需要注意的是IBIS模型并不提供IC器件：功能信息、逻辑信息、输入到输出的时间延迟等。也就是说，IBIS模型只是提供了器件的输入、输出以及I/O Buffer的行为特性，而不是在IC器件给定不同的输入，测量对应不同的输出波形；而是在描述器件有一个输入时，我们看不同情况下输出的特性（具体的说我们可以在输出端接一个电压源，这样我们在确保器件输出高电平或者是低电平时，调整电压源的数值，可以测出不同的电流，这样我们就可以在确保输出管脚输出某一个状态时得出一些I/V的数值，至于电压源具体的变化范围后面的内容会涉及到）。所以对于器件商家而言IBIS模型不会泄漏器件的内部逻辑电路的结构。 要实现上面提到的对系统的SI和时序的仿真，那么需要的基本的信息就是Buffer的I/V曲线和转换特性。IBIS模型中Buffer的数据信息可以通过测量器件得出也可以通过器件的SPICE 模型转换得到。IBIS是一个简单的模型，当做简单的带负载仿真时，比相应的全Spice三极管级模型仿真要节省10～15倍的计算量。IBIS模型是基于器件的。也就是说一个IBIS模型是对于整个器件的管脚而言的，而不是几个特殊的输入、输出或者是I/O管脚的Buffer。因此，IBIS模型中除了一些器件Buffer的电气特性，还包括pin-buffer的映射关系（除了电源、地和没有连接的管脚外，每个管脚都有一个特定的Buffer），以及器件的封装参数。IBIS提供两条完整的V－I曲线分别代表驱动器为高电平和低电平状态，以及在确定的转换速度下状态转换的曲线。V－I曲线的作用在于为IBIS提供保护二极管、TTL推拉驱动源和射极跟随输出等非线性效应的建模能力。 一般而言，IC器件的输入、输出和I/O管脚的Buffer的行为特性是通过一定的形式描述的。下面分别对于输入、输出和I/O管脚Buffer的表述形式作一个介绍。 对于一个输出或者是I/O管脚的Buffer需要下列的相关数据： ●在输出为逻辑低时，输出管脚Buffer的I/V特性 ●在输出为逻辑高时，输出管脚Buffer的I/V特性 ●在输出的电平强制在V以上和GND以下时，输出管脚Buffer 的I/V特性 ●Buffer由一个状态转换为另一个状态的转换时间 ●Buffer的输出电容 对于一个输入管脚的Buffer需要以下的数据： ●输入Buffer的I/V曲线（包括电平高于V或者是低于GND） ●Buffer的输入电容 一般情况，IBIS模型包含以下一些信息，IBIS模型的结构如下图1.1所示。 1.关于文件本身和器件名字的信息。这些信息用以下的关键词描述：[IBIS Ver] IBIS的版本号, [File Name] 文件的名称, [File Rev] 文件的版本号, [Component] 器件的名称和[Manufacturer]. 器件的制造商。 2.关于器件的封装电气特性和管脚与Buffer模型的映射关系。可以使用关键词[Package] 和[Pin] 描述。
为了确定模型中主要因素，我们对该模型采用 Sobol 法进行灵敏度分析判断其全局敏感性。 Sobol 法是最具有代表性的全局敏感性分析方法，它基于模型分解思想，分别得到参数 1,2 次及更高次的敏感度。通常 1次敏感度即可反映了参数的主要影响。 Sobol 法 Sobol 法核心是把模型分解为单个参数及参数之间相互组合的函数。假设模型为 Y f(x)(x x-i ,x 2,...x m ), x i 服从［0,1］均匀分布，且f 2(x)可积，模型可分解为： n f(x) f(0) f i (X i ) f j (x) ... f i,2”..,n (X i ,X 2,...X k ) i 1 i j 则模型总的方差也可分解为单个参数和每个参数项目组合的影响： n n n D =刀 D i + 刀刀(D ij + D 1 ,2, , n ) i =1 i =1 j =1 i 半j 对该式归一化，并设: 可获得模型单个参数及参数之间相互作用的敏感度 S 由式(2)可得： n n n 1 = ^S i + M^S j + + S,2, ,n i=1 i = 1 j=1 i 有 S l,2, ,n 式中，si 称之为1次敏感度；Sij 为2次敏感度，依此类推； 为n 次敏感度，总共 2n -1 有 项。第i 个参数总敏感度 STJ 定义为： S j S (i) 它表示所有包含第i 个参数的敏感度。 模型中4个输入参数分别为推力，角度， 比冲，月球引力常量。因为月球引力常量和比 冲为物理恒定值，不会产生干扰。所以这里我们对角度，推力进行敏感性分析。 设角度初值为150°，推力为4500N 时，做出高度变化图像如图所示。 S t ,i 2 , ,i D i 1,i 2 , ,i D
非参数回归模型
精品资料 仅供学习与交流，如有侵权请联系网站删除 谢谢2 非参数回归模型 非参数回归模型也叫多元回归模型，它是一种脱离于混沌理论的多条路段分析方法。它是对当前路段和几条相邻路段的交通流信息对当前路段进行交通流预测的单条路段分析的扩展。它不需要先验知识，只需要有足够的历史数据即可。它的原理是：在历史数据库中寻找与当前点相似的近邻，并根据这些近邻来预测下一时间段的流量。该算法认为系统所有的因素之间的内在联系都蕴含在历史数据中，因此直接从历史数据中得到信息而不是为历史数据建立一个近似模型。非参数回归最为一种无参数、可移植、预测精度高的算法，它的误差比较小，且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进，使其可以真正达到实时交通流预测的要求。并且这种方法便于操作实施，能够应用于复杂环境，可在不同的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环境对预测的影响。随着数据挖掘技术左键得到人们的认可和国内外学者的大量相关研究，使得非参数回归技术在短时交通流预测领域得到广泛应用。 非参数回归的回归函数()X g Y =的估计值()X g n 一般表示为： ()()∑==n i i i i n Y X W X g 1 其中，Y 为以为广策随机变量；X 为m 维随机变量；（Xi,Yi ）为第i 次观测值，i=1,...,n ；Wi(Xi)为权函数.非参数回归就是对g(X)的形状不加任何限制，即对g （X ）一无所知的情况下，利用观测值（Xi,Yi ），对指定的X 值去估计Y 值。由于其不需要对系统建立精确的数学模型，因此比较适合对事变的、非线性的系统进行预测，符合对城市交通流的预测，同时可以与历史平均模型实现优缺点的互补。 K 近邻法 Friedman 于1977年提出了K 近邻法。其并不是让所有的数据都参与预 测，而是以数据点到X 点的距离为基础，甲醛是只有离X 最近的K 个数据被用来估计相应的g(X)值。可以引入欧式空间距离d ，然后按这个距离将X1，X2，...,Xn 与X 接近的程度重新排序：Xk1,...,Xkn,取权值如下： Wki(X:X1,...,Xn)=ki,i=1,..,n 将与X 最近的前K 个观测值占有最大的权K=1，其余的观测值赋予权值k=0.最终得到应用于短时交通流预测的K 近邻法可表示为：
第四章 非参数统计实验 参数统计学中的许多统计分析方法的应用对总体都有严格的假定，例如，t 检验要求总体服从正态分布，F 检验要求误差呈正态分布且各组方差为齐性的等等，然而在现实生活中，有许多总体的分布我们却是一无所知或知之甚少，所以在参数模型中所建立的统计推断就会失效，于是，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息。这就是非参数统计的宗旨。非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。 实验一 卡方检验（Chi-square test ） 实验目的： 掌握卡方检验方法。 实验内容： 一、2χ拟合优度检验 二、2χ独立性检验 三、2χ齐性检验 实验工具： SPSS 非参数统计分析菜单项和Crosstabs 菜单项。 知识准备： 一、卡方拟合优度检验 2 χ检验(Chi —Square Test) 适用于拟合优度检验，适用于定类变量的检验问 题，用来检验实际观察数目与理论期望数目是否有显著差异。当检验问题是实际分布是否与理论分布相符合时，在大样本时也可以用分类数据的卡方检验来解决，这时的卡方检验也称为分布拟合的卡方检验。 若样本分为k 类，每类实际观察频数为k f f f ,,,21 ，与其相对应的期望频数为 k e e e ,,,21 ，则检验统计量2χ可以测度观察频数与期望频数之间的差 异。其计算公式为： ∑ ∑ -= -= =期望频数 期望频数实际频数2 1 2 2 ) () (k i i i i e e f χ
很显然，实际频数与望频数越接近，2χ值就越小，若2χ＝0，则上式中分子的每—项都必须是0，这意味着k 类中每一类观察频数与期望频数完全一样，即完全拟合。2χ统计量可以用来测度实际观察频数与期望频数之间的拟合程度。 在H 0成立的条件下，样本容量n 充分大时，2χ统计量近似地服从自由度df ＝k-1的 2 χ分布，因而，可以根据给定的显著性水平α，在临界值表中查到 相应的临界值)1(2 -k αχ。若)1(2 2 -≥k αχχ ，则拒绝H 0，否则不能拒绝H 0。 所有的统计软件都可以输出检验统计量的显著性p 值，也可以根据显著性p 值和显著性水平α作比较，若α≤p ，则拒绝H 0，否则不能拒绝H 0。 另外卡方拟合优度检验也可以用来检验某总体是否服从某一特定分布的假设。拟合优度检验中几种常用分布的参数如表4-1： 表4-1 拟合优度检验中几种分布的参数 二、2χ独立性检验 假设有n 个随机试验的结果按照两个变量A 和B 分类，A 取值为A 1，A 2，…，A r ，B 取值为B 1，B 2，…，B s ，则形成了一张s r ?的列联表，称为s r ?二维列联 表。其中ij n 表示A 取A i 及B 取B j 的频数，n n r 1 i s 1 j ij =∑∑==，其中： r ,...,2,1i ,n n s 1j ij i.== ∑=表示各行的频数之和 s ,...,2,1i ,n n r 1 i ij .j == ∑=表示各列的频数之和
AN-715 应用笔记 One Technology Way ? P.O. Box 9106 ? Norwood, MA 02062-9106 ? Tel: 781/329-4700 ? Fax: 781/326-8703 ? https://www.doczj.com/doc/d38553392.html, 走近IBIS 模型：什么是IBIS 模型？它们是如何生成的？ 作者：Mercedes Casamayor 简介 在进行系统设计时节省时间和降低成本是很关键的。在原型制作之前，系统设计人员可以用模型来进行设计仿真。在高速系统设计中正是如此，进行信号完整性仿真来分析不同条件下传输线中的电路行为，在设计初期就能预防并检测出典型的问题，例如过冲、欠冲、阻抗不匹配等。然而，可用的数字IC 模型非常少。当半导体厂商被索要SPICE 模型时，他们并不愿意提供，因为这些模型会包含有专有工艺和电路信息。 这个问题已经通过采用IBIS 模型来 (输入/输出缓冲器信息规范)解决，IBIS 也被称为ANSI/EIA-656，这是一个建模的新标准，在系统设计人员中越来越流行。 什么是IBIS ？ IBIS 是一个行为模型，通过V/I 和V/T 数据描述器件数字输入和输出的电气特性，不会透露任何专有信息。IBIS 模型与系统设计人员对传统模型的理解不同，例如其它模型中的原理图符号或多项式表达式。IBIS 模型包括由输出和输入引脚中的电流和电压值以及输出引脚在上升或下降的转换条件下电压与时间的关系形成的表格数据。这些汇总的数据代表了器件的行为。 IBIS 模型用于系统板上的信号完整性分析。这些模型使系统设计人员能够仿真并预见到连接不同器件的传输线路中基本的信号完整性问题。潜在的问题可以通过仿真进行分析，潜在的问题包括由传输线上阻抗不匹配导致的到达接收器的波形反射到驱动器的能量；串扰；接地和电源反弹；过冲；欠冲；以及传输线路端接分析等等。 Rev. 0 | Page 1 of 8 IBIS 是一种精确的模型，因为它考虑了I/O 结构的非线性，ESD 结构和封装寄生效应。它相对于其它传统模型(例如SPICE )有几项优势。例如，仿真时间最多可缩短25倍，IBIS 没有SPICE 的不收敛的问题。此外，IBIS 可以在任何行业平台运行，因为大多数电子设计自动化(EDA)供应商都支持IBIS 规范。 IBIS 的历史 IBIS 由Intel?公司在90年代初开发。IBIS 1.0版本于1993年6月发布，IBIS 开放式论坛也在那时成立。 IBIS 开放式论坛包括EDA 厂商、计算机制造商、半导体厂商、大学和终端用户。它负责提议进行更新和评审、修订标准，组织会议。它促进IBIS 模型的发展，在IBIS 网站上提供有用的文档和工具。1995年，IBIS 开放式论坛与电子工业联盟(EIA)合作。 已经发布了几个IBIS 版本。第一个版本描述了CMOS 电路和TTL I/O 缓冲器。每个版本都增加并支持新的功能、技术和器件种类。所有版本都互相兼容。IBIS 4.0版本由IBIS 开放式论坛在2002年7月批准，但它还不是ANSI/EIA 标准。 如何生成IBIS 模型 可以通过仿真过程中或基准测量中收集的数据来获得IBIS 模型。如果选择前一种方法，可以使用SPICE 进行仿真，收集每个输出/输出缓冲器的V/I 和V/T 数据。这样可以在模型中包含过程转折数据。然后，使用IBIS 网站上的SPICE 至IBIS 转换程序可以由SPICE 生成IBIS 模型。
灵敏度分析 简介： 研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。 用途： 主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。 举例（建模五步法）： 一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。 建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题 第一步：提出问题 将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。 （建议先写显而易见的部分） 猪从200磅按每天5磅增加 （w磅）=（200磅）+（5磅/天）*（t天） 饲养每天花费45美分 （C美元）=（0.45美元/天）*（t天） 价格65美分按每天1美分下降 （p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天） 生猪收益 （R美元）=（p美元/磅）*（w磅） 净利润 （P美元）=（R美元）-（C美元） 用数学语言总结和表达如下： 参数设定： t=时间（天）
w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元） 假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值 第二步：选择建模方法 本例采用单变量最优化问题或极大—极小化问题 第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3） 得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5） 得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1） 第四步：求解模型 用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。 第五步：回答问题 根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。
非参数回归模型 非参数回归模型也叫多元回归模型，它是一种脱离于混沌理论的多条路段分析方法。它是对当前路段和几条相邻路段的交通流信息对当前路段进行交通流预测的单条路段分析的扩展。它不需要先验知识，只需要有足够的历史数据即可。它的原理是：在历史数据库中寻找与当前点相似的近邻，并根据这些近邻来预测下一时间段的流量。该算法认为系统所有的因素之间的内在联系都蕴含在历史数据中，因此直接从历史数据中得到信息而不是为历史数据建立一个近似模型。非参数回归最为一种无参数、可移植、预测精度高的算法，它的误差比较小，且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进，使其可以真正达到实时交通流预测的要求。并且这种方法便于操作实施，能够应用于复杂环境，可在不同的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环境对预测的影响。随着数据挖掘技术左键得到人们的认可和国内外学者的大量相关研究，使得非参数回归技术在短时交通流预测领域得到广泛应用。 非参数回归的回归函数()X g Y =的估计值()X g n 一般表示为： ()()∑==n i i i i n Y X W X g 1 其中，Y 为以为广策随机变量；X 为m 维随机变量；（Xi,Yi ）为第i 次观测值，i=1,...,n ；Wi(Xi)为权函数.非参数回归就是对g(X)的形状不加任何限制，即对g （X ）一无所知的情况下，利用观测值（Xi,Yi ），对指定的X 值去估计Y 值。由于其不需要对系统建立精确的数学模型，因此比较适合对事变的、非线性的系统进行预测，符合对城市交通流的预测，同时可以与历史平均模型实现优缺点的互补。 K 近邻法 Friedman 于1977年提出了K 近邻法。其并不是让所有的数据都参与预测，而是以数据点到X 点的距离为基础，甲醛是只有离X 最近的K 个数据被用来估计相应的g(X)值。可以引入欧式空间距离d ，然后按这个距离将X1，X2，...,Xn 与X 接近的程度重新排序：Xk1,...,Xkn,取权值如下： Wki(X:X1,...,Xn)=ki,i=1,..,n 将与X 最近的前K 个观测值占有最大的权K=1，其余的观测值赋予权值k=0.最终得到应用于短时交通流预测的K 近邻法可表示为： ()()()()K t V t V g t V K i i ∑=+==+111
IBIS模型学习笔记 一、I BIS 模型的信息 IBIS模型架构包括： |-- [IBIS Ver] |-- [File Name] |-- [File Rev] |-- [Date] |-- [Source] |-- [Notes] |-- [Disclaimer] |-- [Copyright] |-- [Component] |-- [Manufacturer] |-- [Package] |-- [Pin] |-- [Diff Pin] |-- [Model Selector] |-- [Model] |-- [End] 二、各个部分的定义 1. [IBIS Ver] 从目前仿真的过程看，使用HyperLynx Simulation Software 9.4版本仿真，IBIS模型需要使用Version 4.0以上版本。在Version 3.2版本中，不包含Vinh_ac等定义，在仿真中会提示不支持这些语句。现在使用的是V4.1. 2. [File Name] IBIS模型的名字，例如:ic.ibs 3. [File Rev] 文件版本，例如：[File Rev] 1.0
4. [Date] 编写时间：[Date] 1/22/2013 5. [Source]，[Disclaimer]，[Copyright]，[Component] 来源，免责声明，版权，组成的一些说明 [Source] Sigrity SpeedPKG Suite XtractIM 4.0.4.09231 [Disclaimer] The model given below represents a 73-pin package. [Copyright] [Component] ddr_ctrl 6. [Package] 包含在封装厂提取的IBIS文件中。 [Package] | variable typ min max R_pkg 0.76859 0.48527 0.95543 L_pkg 3.608e-9 2.259e-9 4.39e-9 C_pkg 1.088e-12 9.004e-13 1.741e-12 7. [Pin] 定义各个Pin的RLC，模型类型。 例如DDR部分pin，[Pin]定义pin脚名称，Signal_name定义pin脚对应的网络名称，model_name定义pin脚所对应的模型。 [Pin] Signal_name model_name R_pin L_pin C_pin C8 A0 DDRIO 0.68982 3.37e-9 1.059e-12 E13 A1 DDRIO 0.74574 3.549e-9 1.095e-12 B13 A2 DDRIO 0.69867 3.392e-9 9.785e-13 C13 A3 DDRIO 0.61485 3.102e-9 9.88e-13 B9 A4 DDRIO 0.66266 3.285e-9 1.001e-12 C10 A5 DDRIO 0.53032 2.407e-9 1.06e-12 A9 A6 DDRIO 0.7457 3.571e-9 1.044e-12 B10 A7 DDRIO 0.63557 3.174e-9 1.002e-12 E12 A8 DDRIO 0.63692 3.085e-9 1.17e-12 A10 A9 DDRIO 0.77584 3.802e-9 9.004e-13 C17 A10 DDRIO 0.66777 2.996e-9 1.303e-12 A13 A11 DDRIO 0.78207 3.963e-9 9.209e-13 A12 A12 DDRIO 0.78921 3.9e-9 9.229e-13 B12 A13 DDRIO 0.69073 3.368e-9 9.85e-13 C12 A14 DDRIO 0.60718 3.087e-9 1.019e-12
第七章 非参数回归模型与半参数回归模型 第一节 非参数回归与权函数法 一、非参数回归概念 前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。 设Y 是一维观测随机向量，X 是m 维随机自变量。在第四章我们曾引进过条件期望作回归函数，即称 g (X ) = E (Y |X ) （7.1.1） 为Y 对X 的回归函数。我们证明了这样的回归函数可使误差平方和最小，即 22)]([min )]|([X L Y E X Y E Y E L -=- （7.1.2） 这里L 是关于X 的一切函数类。当然，如果限定L 是线性函数类，那么g (X )就是线性回归函数了。 细心的读者会在这里立即提出一个问题。既然对拟合函数类L (X )没有任何限制，那么可以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Y i ，X i )就可以了是的，对拟合函数类不作任何限制是完全没有意义的。正象世界上没有绝对的自由一样，我们实际上从来就没有说放弃对L(X)的一切限制。在下面要研究的具体非参数回归方法，不管是核函数法，最近邻法，样条法，小波法，实际都有参数选择问题(比如窗宽选择，平滑参数选择)。 所以我们知道，参数回归与非参数回归的区分是相对的。用一个多项式去拟合(Y i ，X i )，属于参数回归；用多个低次多项式去分段拟合(Y i ，X i )，叫样条回归，属于非参数回归。 二、权函数方法 非参数回归的基本方法有核函数法，最近邻函数法，样条函数法，小波函数法。这些方法尽管起源不一样，数学形式相距甚远，但都可以视为关于Y i 的线性组合的某种权函数。也就是说，回归函数g (X )的估计g n (X )总可以表为下述形式： ∑==n i i i n Y X W X g 1 )()( （7.1.3）
非参数统计第二次作业 ——局部多项式回归与样条回归 习题一： 一、本题是研究加拿大工人收入情况，即年龄（age）和收入(income)的关系。 此次共调查了205个加拿大工人的年龄和收入，所有工人都是高中毕业。且本题设定因变量为log.income,协变量为age，运用统计方法来拟合log.income 与age之间的函数关系。 二、模型的建立 1.估计方法的选取 拟合两个变量之间的函数关系，即因变量和协变量之间的关系，用回归估计的方法，回归估计包括参数回归估计和非参数回归估计。参数估计是先假定某种数学模型或已知总体的分布，例如总体服从正态分布，其中某些参数未知，如总体均值、方差等，然后利用样本去估计这些未知参数，常用的方法有极大似然估计，Ｂａｙｅｓ估计等，线性模型可以用最小二乘法估计。 非参数估计是不假定具有某种特定的数学模型，或总体分布未知，直接利用样本去估计总体的数学模型，常用的方法有局部多项式回归方法和样条函数回归方法。 本题调查了205个加拿大工人的年龄和收入，但是加拿大工人年龄和收入的具体分布未知，即这两个变量所能建立的数学模型未知，而且由协变量和因变量所形成的散点图可以看出它不符合某种特定的已知模型，需要进一步研究，然后拟合它们之间的函数关系。因此本题选用非参数回归估计的方法，来拟合因变量和协变量之间的关系。 针对此问题分别采用非参数估计中的局部多项式回归和样条函数回归方法对log.income 与age之间的函数关系进行估计。 ２.局部多项式回归方法 局部多项式的思想是在某个点x附近，用一个多项式函数来逼近未知的光滑函数g(x)。选定局部邻域的大小h,对于任意给定某个点x 0，在其小邻域内展开泰勒公式，用一个p阶多项式来局部逼近g(x)，然后再用极大似然估计。 （1）加拿大工人的收入（log.income）与年龄（age）之间的散点图如下所示：
I B I S模型及其应用CDMA事业部眭诗菊 摘要：本文介绍了用于高速系统信号完整性分析的IBIS模型的历史背景、IBIS模型的结 构、IBIS模型的建模过程、IBIS模型的参数、语法格式，以及在使用IBIS模型 时常遇到的问题和解决方法。 关键词：IBIS模型、EDA、信号完整性、缓冲器、单调性、收敛 高时钟频率下运行的并行处理系统或其它功能更加复杂的高性能系统，对电路板的设计提出了极其严格的要求。按集总系统的方法来设计这些系统的线路板已不可想象。许多EDA（电子设计自动化）供应商都提供能进行信号完整性分析和EMC分析的PCB设计工具。这些工具需要描述线路板上元器件的电气模型。IBIS （I/OBufferInformationSpecification）模型是EDA供应商、半导体器件供应商和系统设计师广泛接受的器件仿真模型。 一、IBIS的背景及其发展 在IBIS出现之前，人们用晶体管级的SPICE模型进行系统的仿真，这种方法有以下三个方面的问题：第一，结构化的SPICE模型只适用于器件和网络较少的小规模系统仿真，借助这种方法设定系统的设计规则或对一条实际的网络进行最坏情况分析。第二，得到器件结构化的SPICE模型较困难，器件生产厂不愿意提供包含其电路设计、制造工艺等信息的SPICE模型。第三，各个商业版的SPICE软件彼此不兼容，一个供应商提供的SPICE模型可能在其它的SPICE仿真器上不能运行。因此，人们需要一种被业界普遍接受的、不涉及器件设计制造专有技术的、并能准确描述器件电气特性的行为化的、“黑盒”式的仿真模型。
1990年初，INTEL公司为了满足PCI总线驱动的严格要求，在内部草拟了一种列表式的模型，数据的准备和模型的可行性是主要问题，因此邀请了一些EDA供应商参与通用模型格式的确定。这样，IBIS1.0在1993年6月诞生。1993年8月更新为IBIS1.1版本，并被广泛接受。此时，旨在与技术发展要求同步和改善IBIS 模型可行性的IBIS论坛成立，更多的EDA供应商、半导体商和用户加入IBIS论坛。1995年2月IBIS论坛正式并入美国电子工业协会 EIA(ElectronicIndustriesAssociation)。1995年12月，IBIS2.1版成为美国工业标准ANSI/EIA-656。1997年6月发布的IBIS3.0版成为IEC62012-1标准。1999年9月通过的IBIS3.2版为美国工业标准ANSI/EIA-656-A。目前大量在使用中的模型为IBIS2.1、IBIS3.2版本。 二、IBIS模型 IBIS模型是一种基于全电路仿真或者测试获得V/I曲线而建立的快速、准确的行为化的电路仿真模型。它的仿真速度是SPICE模型仿真速度的25倍以上。人们可以根据标准化的模型格式建立这种模拟IC电气特性的模型，并可以通过模型验证程序型验模型格式的正确性。IBIS模型能被几乎所有的模拟仿真器和EDA工具接受。由于来自测量或仿真数据，IBIS模型较容易获得，IBIS模型不涉及芯片的电路设计和制造工艺，芯片供应商也愿意为用户提供器件的IBIS模型。所以IBIS模型被广泛应用于系统的信号完整性分析。 IBIS模型是以I/O缓冲器结构为基础的。I/O缓冲器行为模块包括：封装RLC参数，电平箝位、缓冲器特征（门槛电压、上升沿、下降沿、高电平和低电平状态）。图1为IBIS模型结构。 图1：IBIS模型结构 说明虚线的左边为输入的模型结构，右边为输出的模型结构
为了确定模型中主要因素，我们对该模型采用Sobol 法进行灵敏度分析判断其全局敏感性。Sobol 法是最具有代表性的全局敏感性分析方法，它基于模型分解思想，分别得到参数1,2次及更高次的敏感度。通常1次敏感度即可反映了参数的主要影响。 Sobol 法 Sobol 法核心是把模型分解为单个参数及参数之间相互组合的函数。假设模型为),...,)((21m x x x x x f Y ==,i x 服从[0,1]均匀分布，且(x)f 2可积，模型可分解为： )(...)()()(n ,...,2,11k 21j i ij i n i i ,...x x ,x f x f x f f(0)x f ++++=∑∑<= 则模型总的方差也可分解为单个参数和每个参数项目组合的影响： ∑∑ ∑1=≠1=,,2,11=)+(+=n i n j i j n ij n i i D D D D 对该式归一化，并设： D D S n n i i i i i i ,,,,,,2121= 可获得模型单个参数及参数之间相互作用的敏感度S 由式（2）可得： ∑∑ ∑1=,,2,1≠1=1=+++=1n i n n j i j ij n i i S S S 式中，si 称之为1次敏感度；Sij 为2次敏感度，依此类推； n S ,,2,1 为n 次敏感度，总共有1 -2n 项。第i 个参数总敏感度STJ 定义为： ∑=) (i Tj S S 它表示所有包含第i 个参数的敏感度。 模型中4个输入参数分别为推力，角度，比冲，月球引力常量。因为月球引力常量和比冲为物理恒定值，不会产生干扰。所以这里我们对角度，推力进行敏感性分析。 设角度初值为o 150，推力为4500N 时，做出高度变化图像如图所示。
§ 绪论 (1) 1.1 IBIS模型的介绍 (1) 1.2 IBIS的创建 (3) § IBIS模型的创建 (3) 2.1 准备工作 (3) 2.1.1 基本的概念 (3) 2.1.2 数据列表的信息 (4) 2.2数据的提取 (4) 2.2.1 利用Spice模型 (4) 2.2.2 确定I/V数据 (4) 2.2.3边缘速率或者是V/T波形的数据的测量 (7) 2.2.4试验测量获取I/V和转换信息的数据 (7) 2.3数据的写入 (8) 2.3.1 IBS文件的头I信息 (8) 2.3.2器件和管脚的信息 (8) 2.3.3 关键词Model的使用 (9) §3 用IBIS 模型数据验证模型 (10) 3.1 常见的错误 (10) 3.2 IBIS模型的数据验证 (12) 3.2.1 Pullup、Pulldown 特性 (12) 3.2.2 上升和下降的速度(Ramp rate) (12)
3.2.3 上下拉特性和Ramp rate的关系 (12)
3.3用IBIS模型数据验证模型参数的实例 (12)
§ 绪论 1.1 IBIS模型的介绍 IBIS （Input/Output Buffer Informational Specifation ）是用来描述IC 器件的输入、输出和l/OBuffer 行为特性的文件，并且用来模拟Buffer和板上电路系统的相互作用。在IBIS模型里核心的容就是Buffer的模型，因 为这些Buffer产生一些模拟的波形，从而仿真器利用这些波形，仿真传输线的影响和一些高速现象（如串 扰，EMI等。）。具体而言IBIS描述了一个Buffer的输入和输出阻抗（通过I/V曲线的形式）、上升和下降时间以及对于不同情况下的上拉和下拉，那么工程人员可以利用这个模型对PCB板上的电路系统进行SI、串扰、EMC以及时序的分析。 IBIS模型中包含的是一些可读的ASCII格式的列表数据。IBIS有特定的语法和书写格式。IBIS模型中还包 括一些电气说明如V、V、V以及管脚的寄生参数（如管脚的引线R、L、C）等。有一点需要注意的是IBIS模型并不提供IC器件：功能信息、逻辑信息、输入到输岀的时间延迟等。也就是说，IBIS模型只是提供了器件的输入、输出以及I/O Buffer的行为特性，而不是在IC器件给定不同的输入，测量对应不同的 输出波形；而是在描述器件有一个输入时，我们看不同情况下输出的特性（具体的说我们可以在输出端接一个电压源，这样我们在确保器件输岀高电平或者是低电平时，调整电压源的数值，可以测岀不同的电流， 这样我们就可以在确保输岀管脚输岀某一个状态时得岀一些I/V的数值，至于电压源具体的变化围后面的 容会涉及到）。所以对于器件商家而言IBIS模型不会泄漏器件的部逻辑电路的结构。 要实现上面提到的对系统的SI和时序的仿真，那么需要的基本的信息就是Buffer的I/V曲线和转换特性。IBIS模型中Buffer的数据信息可以通过测量器件得出也可以通过器件的SPICE模型转换得到。IBIS是一 个简单的模型，当做简单的带负载仿真时，比相应的全Spice三极管级模型仿真要节省10?15倍的计算量。IBIS模型是基于器件的。也就是说一个IBIS模型是对于整个器件的管脚而言的，而不是几个特殊的输入、 输出或者是I/O管脚的Buffer。因此，IBIS模型中除了一些器件Buffer的电气特性，还包括pin-buffer的映射关系（除了电源、地和没有连接的管脚外，每个管脚都有一个特定的Buffer），以及器件的封装参数。IBIS提供两条完整的V —I曲线分别代表驱动器为高电平和低电平状态，以及在确定的转换速度下状态转换的曲线。V —I曲线的作用在于为IBIS提供保护二极管、TTL推拉驱动源和射极跟随输出等非线性效应的建模能力。 一般而言，IC器件的输入、输出和I/O管脚的Buffer的行为特性是通过一定的形式描述的。下面分别对于输入、输出和I/O管脚Buffer的表述形式作一个介绍。 对于一个输出或者是I/O管脚的Buffer需要下列的相关数据： 在输岀为逻辑低时，输岀管脚Buffer的I/V特性 在输出为逻辑高时，输出管脚Buffer的I/V特性 在输出的电平强制在V以上和GND以下时，输出管脚Buffer的I/V特性Buffer由一个状态转换为另一 个状态的转换时间 Buffer的输出电容 一般情况，IBIS模型包含以下一些信息，IBIS模型的结构如下图1.1所示。 1. 关于文件本身和器件名字的信息。这些信息用以下的关键词描述：[IBIS Ver] IBIS的版本号， [File Name]文件的名称,[File Rev] 文件的版本号,[Component]器件的名称和[Manufacturer]. 器件的制造 商。 2. 关于器件的封装电气特性和管脚与Buffer模型的映射关系。可以使用关键词[Package]和[Pin] 描述。
什么是IBIS模型 IBIS(Input/Output Buffer Information Specification)模型是一种基于V/I曲线对I/O BUFFER快速准确建模方法，是反映芯片驱动和接收电气特性一种国际标准，它提供一种标准文件格式来记录如驱动源输出阻抗、上升/下降时间及输入负载等参数，非常适合做振荡和串扰等高频效应计算与仿真。 IBIS规范最初由一个被称为IBIS开放论坛工业组织编写，这个组织是由一些EDA厂商、计算机制造商、半导体厂商和大学组成。IBIS版本发布情况为：1993年4月第一次推出Version1.0版，同年6月经修改后发布了Version1.1版，1994年6月在San Diego 通过了Version2.0 版，同年12 月升级为Version2.1 版，1995 年12 月其Version2.1 版成为ANSI/EIA-656 标准，1997年6月发布了Version3.0 版，同年9月被接纳为IEC 62012-1标准，1998 年升级为Version3.1版，1999年1月推出了当前最新版本Version3.2版。 IBIS本身只是一种文件格式，它说明在一标准IBIS文件中如何记录一个芯片驱动器和接收器不同参数，但并不说明这些被记录参数如何使用，这些参数需要由使用IBIS模型仿真工具来读取。欲使用IBIS进行实际仿真，需要先完成以下四件工作： (1)获取有关芯片驱动器和接收器原始信息源； (2)获取一种将原始数据转换为IBIS格式方法； (3)提供用于仿真可被计算机识别布局布线信息； (4)提供一种能够读取IBIS和布局布线格式并能够进行分析计算软件工具。 IBIS是一种简单直观文件格式，很适合用于类似于Spice(但不是Spice，因为IBIS文件格式不能直接被Spice工具读取)电路仿真工具。它提供驱动器和接收器行为描述，但不泄漏电路内部构造知识产权细节。换句话说，销售商可以用IBIS模型来说明它们最新门级设计工作，而不会给其竞争对手透露过多产品信息。并且，因为IBIS是一个简单模型，当做简单带负载仿真时，比相应全Spice三极管级模型仿真要节省10～15倍计算量。 IBIS提供两条完整V－I曲线分别代表驱动器为高电平和低电平状态，以及在确定转换速度下状态转换曲线。V－I曲线作用在于为IBIS提供保护二极管、TTL图腾柱驱动源和射极跟随输出等非线性效应建模能力。 IBIS模型优点 由上可知，IBIS模型优点可以概括为： 1、在I/O非线性方面能够提供准确模型，同时考虑了封装寄生参数与ESD结构； 2、提供比结构化方法更快仿真速度； 3、可用于系统板级或多板信号完整性分析仿真。可用IBIS模型分析信号完整性问题包括：串扰、反射、振荡、上冲、下冲、不匹配阻抗、传输线分析、拓扑结构分析。IBIS尤其能够对高速振荡和串扰进行准确精细仿真，它可用于检测最坏情况上升时间条件下信号行为及一些用物理测试无法解决情况； 4、模型可以免费从半导体厂商处获取，用户无需对模型付额外开销； 5、兼容工业界广泛仿真平台。
IBIS模型及其应用 CDMA事业部眭诗菊 摘要：本文介绍了用于高速系统信号完整性分析的IBIS模型的历史背景、IBIS模型的结构、IBIS模型的建模过程、IBIS模型的参数、语法格式，以及在使用IBIS模型 时常遇到的问题和解决方法。 关键词：IBIS模型、EDA、信号完整性、缓冲器、单调性、收敛 高时钟频率下运行的并行处理系统或其它功能更加复杂的高性能系统，对电路板的设计提出了极其严格的要求。按集总系统的方法来设计这些系统的线路板已不可想象。许多EDA （电子设计自动化）供应商都提供能进行信号完整性分析和EMC分析的PCB设计工具。这些工具需要描述线路板上元器件的电气模型。IBIS（I/O Buffer Information Specification）模型是EDA供应商、半导体器件供应商和系统设计师广泛接受的器件仿真模型。 一、IBIS的背景及其发展 在IBIS出现之前，人们用晶体管级的SPICE模型进行系统的仿真，这种方法有以下三个方面的问题：第一，结构化的SPICE模型只适用于器件和网络较少的小规模系统仿真，借助这种方法设定系统的设计规则或对一条实际的网络进行最坏情况分析。第二，得到器件结构化的SPICE模型较困难，器件生产厂不愿意提供包含其电路设计、制造工艺等信息的SPICE模型。第三，各个商业版的SPICE软件彼此不兼容，一个供应商提供的SPICE模型可能在其它的SPICE仿真器上不能运行。因此，人们需要一种被业界普遍接受的、不涉及器件设计制造专有技术的、并能准确描述器件电气特性的行为化的、“黑盒”式的仿真模型。 1990年初，INTEL公司为了满足PCI总线驱动的严格要求，在内部草拟了一种列表式的模型，数据的准备和模型的可行性是主要问题，因此邀请了一些EDA供应商参与通用模型格式的确定。这样，IBIS 1.0 在1993年6月诞生。1993年8月更新为IBIS 1.1版本，并被广泛接受。此时，旨在与技术发展要求同步和改善IBIS模型可行性的IBIS论坛成立，更多的EDA供应商、半导体商和用户加入IBIS论坛。1995年2月IBIS论坛正式并入美国电子工业协会EIA (Electronic Industries Association)。1995年12月，IBIS 2.1 版成为美国工业标准ANSI/EIA-656。1997年6月发布的IBIS 3.0版成为IEC 62012-1标准。1999年9月通过的IBIS 3.2版为美国工业标准ANSI/EIA-656-A。目前大量在使用中的模型为IBIS 2.1、IBIS 3.2 版本。 二、IBIS模型 IBIS模型是一种基于全电路仿真或者测试获得V/I曲线而建立的快速、准确的行为化的电路仿真模型。它的仿真速度是SPICE模型仿真速度的25倍以上。人们可以根据标准化的模型格式建立这种模拟IC电气特性的模型，并可以通过模型验证程序型验模型格式的正确性。IBIS模型能被几乎所有的模拟仿真器和EDA工具接受。由于来自测量或仿真数据，IBIS模型较容易获得，IBIS模型不涉及芯片的电路设计和制造工艺，芯片供应商也愿意为用户提供器件的IBIS模型。所以IBIS模型被广泛应用于系统的信号完整性分析。