当前位置: 首页 > news >正文

发射机功能符号错误直方图(Transmitter Functional Symbol Error Histogram)

出处


IEEE802.3dj d2.1 180.7.1新增测试项:Transmitter Functional Symbol Error Histogram

定义

发射机功能错误模板是指单个block中恰好出现n个符号错误的最大概率。该错误模板基于174A.8.5,使用BER = 2.4E-5 和 p = 1 计算得出,列于表180-17中。

归纳:接收机,测试方法、测试码型

Transmitter Functional Symbol Error Histogram测试码型:PRBS31Q

功能接收机(Functional Receiver, FRx)

功能接收机(Functional Receiver, FRx)核心目的是在不依赖被测发射机自身接收能力的前提下,构建一个标准化的、可重复的接收环境来评估发射机的实际误码表现。

  • 是一个独立于被测发射机(Tx under test)的光接收机
  • 必须满足 表 180–17 中规定的性能要求;
  • 在接收机输入前加一个 可变光衰减器(VOA),用于调节输入光功率,使得该接收机工作在其定义的 FRx_OMA 水平

通过以下公式,计算出功能接收机应工作的目标光功率水平(FRx_OMA),此功率模拟了最坏但可接受的接收条件。
FRx_OMA = Tx_OMA – max(Tx_TDECQ – Tx_TECQ,0) – RxS_TECQ_correction –Channel_insertion_loss – MPI_DGD_penalty_allocation + Tx_test_margin


RxS_TECQ_correction = RxS_OMA_max – FRx_RxS 
FRx_RxS is the “receiver sensitivity (OMAouter), each lane”
RxS_OMA_max is the “receiver sensitivity (OMAouter), each lane (max)”见下图:
如果实际接收机比标准要求更灵敏(FRx_RxS < RxS_OMA_max),则 correction 为正值,意味着系统有额外余量;反之则可能需降低输入功率。


Channel_insertion_loss:

Tx_test_margin is equal to 1.5 dB

测试符号误差测量方法
174A.8.3 PMA Error Histogram Measurement

该子条款描述了如何基于PMA层在测试过程中积累的计数数据,计算一组block错误直方图。这些直方图用于评估每条物理通道(lane)上的误码分布情况。

🔹 测量方法对于每条通道 i,按照以下步骤测量直方图

第 i 条通道上,一个 test block 中恰好有 k 个 test symbol 出错的概率。

  • test_block_error_count_i_k:第 i 条通道上,包含 恰好 k 个 错误的 test block 数量。

  • test_block_total_count_i:第 i 条通道上总共分析的 test block 数量。

a) 生成测试码型

  • 在发送端设备的PMA层生成 PRBS31 或 PRBS31Q 测试序列(前期猜测是对的,小开心)

b) 识别错误位

  • 在接收端的PMA层,使用 PRBS31 或 PRBS31Q 块错误检测器 从物理链路上识别出错误的比特。

c) 划分测试符号和测试块

  • 将接收到的数据流划分为一系列的 test symbols 和 test blocks

d) 统计错误并更新计数器

  • 对每个 test block,统计其中含有一个或多个比特错误的 test symbols 数量。

  • 根据该 test block 中总的 test symbol 错误数量,递增相应的 bin 计数器

e) 确定分析的test block总数

  • 总共需要分析的 test block 数量由下方公式 (174A–1) 确定。

  • test_block_total_count_i:第 i 条通道上总共分析的 test block 数量。应足够大,以可靠地验证预期的BLER是否满足要求。

  • test_block_error_bin_i_16p:第 i 条通道上,包含 16个或更多 错误的 test block 数量。

  • test_block_error_count_i_k:第 i 条通道上,包含 恰好 k 个 错误的 test block 数量

  • 可通过直接测量或统计投影来确定。

  • 投影应能准确预测长期测试中会观察到的值,或者至少提供一个上限。

emmm......原理知道了,咋实操嘛?用啥测啊?


DSP能统计,可以直接筛选DSP测;或者第三方的理想接收机测,DCA可以直接统计吗?

http://www.dtcms.com/a/350680.html

相关文章:

  • 多级数据结构导出Excel工具类,支持多级数据导入导出,支持自定义字体颜色和背景颜色,支持自定义转化器
  • Java 并发编程总结
  • SCSS上传图片占位区域样式
  • 基于多通道同步分析的智能听诊系统应用程序
  • 动态住宅代理:跨境电商数据抓取的稳定解决方案
  • vue-admin-template vue-cli 4升5(vue2版)
  • C语言中哪些常见的坑
  • Linux的奇妙冒险———进程信号
  • 滲透測試工具
  • Microsoft 365 中的 Rules-Based Classification 功能深度解析:企业数据治理与合规的智能基石
  • 25年8月通信基础知识补充2:星座的峭度(Kurtosis)、ISAC
  • 朴素贝叶斯分类器
  • A股市场高级日历效应详解与实战指南
  • 【P2P】P2P主要技术及RELAY服务1:python实现
  • 【Git】fatal: Unable to create ‘.git/index.lock’: File exists.
  • 迁移面试题
  • 亚远景- 从算法到刹车片:ISO/PAS 8800如何量化自动驾驶的“安全冗余”?
  • Life:Internship in OnSea Day 64
  • PyTorch损失函数全解析与实战指南
  • 高性能C++实践:原子操作与无锁队列实现
  • C++ #pragma
  • C++初阶(3)C++入门基础2
  • 现代C++工具链实战:CMake + Conan + vcpkg依赖管理
  • MYSQL的bin log是什么
  • JUC并发编程08 - 同步模式/异步模式
  • ROS2 python功能包launch,config文件编译后找不到
  • 链表OJ习题(2)
  • 搭建基于LangChain实现复杂RAG聊天机器人
  • AI在软件研发流程中的提效案例
  • 在vue3后台项目中使用热力图,并给热力图增加点击选中事件