设计变换与架构探索 (Design Transformation and Architectural Exploration)

设计变换 (Design Transformation) 是 Martens & Gielen《High-Level Modeling and Synthesis of Analog Integrated Systems》(2008) 中高层级综合的核心操作算子。Ch.6 §6.3.7 系统定义四类变换：基于规则、数学等价、重组和变异，构成自顶向下异构优化的拓扑和参数变化引擎。

变换的形式化定义

在通用设计流框架中，变换 (Transformation) $T_{D}$ 定义为：

在相同描述层 $D$ 和相同抽象级 $A$ 下，改变系统拓扑/架构的操作。

T_{D} : S (D, A) \to S^{'} (D, A)

变换总是由两部分组成：

架构生成：选择 $E$ 的新子集和 $I$ 的新组合
参数设置：为新的基本元素定义参数值

变换与动机绑定 — 每次变换应有明确的原因（如”SNR 不足”、“功耗过高”）。

四类变换

1. 基于规则的变换 (Rule-based Transformations)（Fig. 6.7）

原理：将模拟设计专家的经验编码为可执行的变换规则。

规则形式：

IF (condition_on_performance_or_architecture) THEN (apply_transformation)

典型规则：

规则	条件	变换操作	效果
R1	SNR 不足	增加积分器阶数 $L \to L + 1$	提高噪声整形阶数
R2	功耗过高	切换到单比特量化	降低比较器复杂度
R3	带宽不足	增加 OTA GBW	扩展环路带宽
R4	面积过大	切换到 SC 更小的 $C_{s}$	减小电容面积
R5	动态范围不够	增加 DAC 位数 $B \to B + 1$	降低量化噪声
R6	稳定裕度不足	调整 NTF 零点位置	改善稳定性

实例：增加积分器阶数（Fig. 6.7）：

输入设计：二阶 ΔΣ 调制器（L=2），SNDR=60dB，目标=80dB
变换：增加一个积分器（L=3）
新设计：三阶 ΔΣ 调制器，NTF 从 $(1 - z^{- 1})^{2}$ 变为 $(1 - z^{- 1})^{3}$
效果：SNDR 提升约 15dB（相同 OSR），代价：稳定性降低

实例：增加 DAC 位数（Fig. 6.7）：

输入设计：1-bit ΔΣ，量化噪声 $V_{q}^{2} = Δ^{2} /12$
变换： $B = 1 \to B = 3$
新设计：3-bit ΔΣ， $Δ$ 缩小 4×，量化噪声降低 16×（约 12dB）

2. 数学等价变换 (Mathematical Equivalence Transformations)（Fig. 6.8）

原理：利用数学恒等式改变拓扑结构，不改变理想传递函数。

典型变换：

变换	数学基础	实际效果
SFG 重排	Mason 增益公式	改变信号路径数量
反馈拓扑变换	Blackman 定理	改变环路属性
多相滤波	Hilbert 变换	改善镜像抑制
零极点重分配	代数等价	改变模块间约束

实例：改善 IRR（Fig. 6.8）：

问题：混频器增益失配导致 IRR 差
数学等价变换：添加多相滤波级
理想传递函数不变，但失配容忍度提升
公式： $H_{p o l y} (z) = H (z) \cdot H_{p o l y, co m p} (z)$ ，补偿滤波

实例：降低 NF（Fig. 6.8）：

问题：NF 高于规格
变换：前级 LNA 增加增益
公式： $F_{t o t a l} = F_{1} + \frac{F _{2} - 1}{G _{1}}$ ，增加 $G_{1}$ 降低后级噪声贡献
代价：LNA 功耗增加

3. 重组变换 (Recombination Transformations)（Fig. 6.9）

原理：类似遗传算法的交叉操作，从两个父设计生成子设计。

机制：

父设计 A: (T_A1, T_A2, ..., T_Ak)
父设计 B: (T_B1, T_B2, ..., T_Bl)
    ↓ 交叉点选择（随机/启发式）
子设计: (T_A1, ..., T_Ai, T_Bj+1, ..., T_Bl)

交叉率进化（Fig. 6.9）：

ρ_{c} (G) = ρ_{c 0} \cdot exp (- G / τ_{c})

其中 $G$ 为代数， $ρ_{c 0}$ 初始交叉率， $τ_{c}$ 衰减常数。

早期（小 $G$ ）：高交叉率，促进架构探索
晚期（大 $G$ ）：低交叉率，保护已收敛的优质设计

4. 变异变换 (Mutation Transformations)

原理：对现有设计进行小幅度随机修改。

两种变异类型：

参数变异：

连续参数： $p^{'} = p \cdot (1 + U (- 0.1, 0.1))$ （ $\pm 10%$ 均匀随机变化）
离散参数：从可选集合中随机选取新值

拓扑变异：

功能等价替换：用结构不同但功能相同的模块替换指定模块
参数结构变化：如从单极点模型变为双极点模型

变换选择策略（Fig. 6.10）

选择流程

性能向量 P = [P_1, P_2, ..., P_K]
    ↓
满意度向量 S = [s_1, s_2, ..., s_K]
    ↓
识别最低满意度维度 i_min = argmin(s_i)
    ↓
查询可应用于维度 i_min 的变换集合 T_set
    ↓
偏好排序（成功率权重 + 随机扰动）
    ↓
选择 T* ∈ T_set 执行

优先级队列

多变换按优先级入队
优先级基于历史成功率 $p_{s u ccess} (T)$
引入随机扰动避免确定性死锁
成功率动态更新（Baysian 更新）

实例：ADC 架构树生成

变换从胚基开始逐步生成 ADC 架构（Fig. 6.14）：

Embryo (A/D 转换)
 │
 ├─ Rule: 选 ΔΣ 架构
 │   ├─ Rule: 增阶数 L=2
 │   │   └─ Rule: 增 DAC 位 1→3
 │   └─ Rule: 增阶数 L=3
 │       └─ Math-equiv: NTF 零点优化
 │
 ├─ Rule: 选 Pipeline
 │   ├─ Mutation: 1.5bit/级
 │   │   └─ Rule: 6级
 │   └─ Recomb: 从 ΔΣ 分支获取技术
 │
 ├─ Rule: 选 SAR
 │   └─ Mutation: 冗余电容
 │
 └─ Rule: 选 Flash
     └─ Rule: +插值

每个节点显示满意度值，红/绿标注未达/已达标。

变换的成功条件

条件	描述
语法有效	变换后的架构必须合法
参数有效	所有参数在有效范围内
功能完整	变换后仍满足原始功能
非退化	变换不会回退到无效设计
收敛性	变换在有限步内终止

与其他概念的关系

自顶向下异构综合优化 — 变换是 TDHO 的核心算子
通用行为建模方法 — 变换后性能由 GBM 评估
描述与抽象层设计框架 — 变换是四种基本操作之一
高层级模拟综合集成 — 变换规则来源于综合设计知识
性能函数与性能模型 — 满意度指导变换选择

KnowledgeWiki

探索

设计变换与架构探索

关系图谱