Martens High-Level Modeling and Synthesis 深度解析

Martens《High-Level Modeling and Synthesis of Analog Integrated Systems》深度解析

Ewout S.J. Martens, Georges G.E. Gielen, High-Level Modeling and Synthesis of Analog Integrated Systems, Springer, 2008, ISBN 978-1-4020-6801-0. 全文约 280 页，7 章 + Symbols + Index。

Martens & Gielen 本书是模拟/混合信号 IC 设计自动化（EDA/CAD）领域的系统性专著，聚焦于第三代模拟设计自动化工具：高层级综合。与 Razavi/Gray/Sansen 等电路设计教材显著区别在于：(1) 超越基本单元综合 — 并非求 op amp 参数最优值，而是探索架构选择；(2) 通用行为建模 — 提出 Generic Behavioral Model (GBM) 框架，可表示多种架构并用统一交互模型计算性能；(3) 自顶向下异构优化 — 提出 Top-Down Heterogeneous Optimization (TDHO) 算法，同时优化架构拓扑和参数；(4) 相位-频率传递(PFT)模型 — 针对 RF 前端的新型频域建模框架。

---

书籍定位

属性	内容
作者	Ewout S.J. Martens, Georges G.E. Gielen
所属	KU Leuven, ESAT-MICAS（比利时鲁汶大学）
出版	Springer, Analog Circuits and Signal Processing 丛书, 2008
ISBN	978-1-4020-6801-0 (印刷版), 978-1-4020-6802-7 (电子版)
DOI	10.1007/978-1-4020-6802-7
页数	~\280 页（7 章 + Symbols + Index）
目标读者	模拟 IC CAD 工具开发者、EDA 研究者、高级模拟设计工程师
核心主题	模拟/混合信号 IC 高层级建模与综合的算法与框架
先行知识	基本模拟电路设计、信号与系统、基本 AD 转换概念

---

各章概要

Ch.1 Introduction（pp.1-13）

核心定位：确立模拟 EDA 的背景与需求，特别是高层级综合的动机。全书以此章为起点论证为何需要超越基本单元综合的工具。

§1.1 电子世界

历史视角：从 Thales of Miletus（公元前 6 世纪）的静电发现 → 18-19 世纪 Franklin/Coulomb/Ohm/Faraday/Maxwell → 19 世纪电报/电话/灯 → 20 世纪真空管/晶体管/IC → 1971 年第一款微处理器 Intel 4004（2,300 晶体管 @108kHz） → 现代 13 亿晶体管 @3GHz。CAD 首次于 1967 年用于 Micromosaic IC。

经济视角（Fig. 1.1）：

• 全球半导体销售额从 1980 年 ~$50B → 2006 年 ~$270B，预测 2009 年 ~$321B
• 亚太市场占 46%，欧洲占 15%
• 模拟 IC 占全球市场的 ~15%（绝对值与总市场同步增长），数字占 ~46%，存储占 ~22%
• 汽车 IC 中模拟比例可达 40%

技术视角（Fig. 1.2-1.4）：

• Moore 定律：微处理器晶体管数每 24 个月翻倍
• 晶体管平均价格每 21 个月减半
• CMOS 技术节点每 2-2.5 年引入，尺寸缩小 ~\1.4×
• 模拟前端通常落后数字一代（如 Fig. 1.4b：ISSCC 论文统计，无线接收器前端比微处理器晚一代工艺）
• 深亚微米挑战：电源电压下降压缩信号摆幅、短沟道效应降低本征增益 $g_m/g_{out}$、匹配恶化、更高的 $f_T$ 使 CMOS 适合高频应用

设计视角：

• 模拟信号本质连续（时间和幅值），非理想效应对性能影响大
• 噪声限制最小可检测信号、非线性需复杂分析、工艺变化不可避免
• 模拟设计需要大量经验，SoC 中模拟部分虽然面积小但设计时间与数字相当
• EDA 工具可弥合半导体技术可能性和设计实践之间的差距

§1.2 模拟设计自动化

六大研究领域：

1. 仿真(Simulation) — SPICE 1970s 至今发展为时域/频域/离散时间多种方法
2. 建模(Modeling) — 晶体管级→宏模型→行为级→HDL 描述
3. 布局(Layout) — 器件生成、布局、布线、寄生提取
4. 分析(Analysis) — 手算→自动数值/符号分析、良率估计、失配分析
5. 综合(Synthesis) — 电路尺寸优化(topology + sizing)，本书核心
6. 验证(Verification) — 形式化验证（近 10 年发展）

三代 CAD 工具：

• 第一代：底层任务自动化（布局生成、寄生提取、仿真验证）
• 第二代：性能特征自动分析（数值/符号推导）和基本单元参数优化（op amp 尺寸等）
• 第三代（本书焦点）：高层级综合 — 涵盖更大模拟系统、探索不同架构、选择构建块和性能值

关键技术论点：不是为特定模块寻找最佳参数，而是选择不同架构可能使该模块变得多余。高层级综合通过探索多样化设计空间创造更优设计。

§1.3 本书结构（pp.11-13）

三个核心问题对应三大部分：

1. Part I（Ch.2-3）：模拟设计方法论 — 通用设计流框架 + 25 年 EDA 综述 + Generic Behavior 设计策略提出
2. Part II（Ch.4-5）：通用行为建模 — 时域 GBM（CT-ΔΣ 调制器/采样数据系统）+ 频域 GBM（Phase-Frequency Transfer 模型 + RF 前端）
3. Part III（Ch.6）：自顶向下异构综合 — TDHO 算法 + Oedipus 库 + Antigone 原型 + ADC 综合结果

---

Ch.2 Foundations of Design Flows for AMS Systems（pp.17-35）

核心贡献：建立了模拟/混合信号设计流程的形式化基础框架，定义描述/抽象层、基本操作、性能函数等基底概念。

§2.2 AMS 系统定义

系统 = 连接元件的集合，将输入变换为输出。本书聚焦于模拟/混合信号子系统（如 ΔΣ ADC、RF 前端、PLL），不包含大规模数字处理单元。

§2.3 描述与抽象层

描述层 (Description Level) $D=(E,I)$ — 二元组：基本元素字母表 $E$ + 互连类型字母表 $I$。系统表示为图 $S=(N,E)$，$N=\{n|n\in E\}$，$E=\{e|e\in I\}$。

五层描述层（Table 2.1, Fig. 2.2 以积分器为例）：

描述层	基本元素	互连类型	积分器示例
Physical	不同层的矩形/多边形	位置	版图多边形
Circuit	晶体管、R、C、L、二极管	保守节点(KCL)	晶体管级电路图
Macro	受控源、R、C、L、op amp、开关	保守节点	含 op amp 的宏模型
Behavioral	输入/输出间数学关系	端口间的保守通道	DAEs/传递函数
Functional	变量间数学方程	信息信号	信号流图 $v_o=\frac{-1}{s\tau }{v}_i$

抽象层 (Abstraction Level) $A$ — 对非理想效应或结构信息忽略的程度。高抽象 = 简化更多细节；低抽象 = 包含更多物理效应。相同描述层可对应不同抽象层（如行为模型含详细非线性 vs 线性宏模型）。

抽象-描述平面（Fig. 2.3）：描述层在抽象梯上重叠。最广设计流从功能级高层抽象 → 物理级低层抽象。图中白色五角星标记起点（功能描述）和终点（物理实现）。

§2.3.2 平面中的四种基本操作（Fig. 2.4）

1. 细化 (Refinement) $R_D$：同一描述层中降低抽象级。如为行为模型添加额外极点、限制 op amp 增益、划分子模块。
2. 简化 (Simplification) $S_D$：同一描述层中提高抽象级。如假设 op amp 无限增益和无极点、小信号线性化。
3. 转换 (Translation) $T_{D,D^{\prime }}$：不同描述层间映射，保持抽象级不变。如传递函数→op amp 电路（行为→宏）、版图提取（物理→电路）。
4. 变换 (Transformation) $T_D$：同一描述层同一抽象级，改变拓扑/架构。如选择不同滤波器类型、不同 op amp 结构。变换始终由两部分组成：生成新架构 + 定义新元件参数。

设计与约束：简化需条件 (Conditions) 验证有效性；细化需约束 (Constraints) 保证不同抽象级间功能一致。

§2.4 参数与性能

参数 (Parameter) $p\in p(D)$ — 描述层 $D$ 中基本元素或互连的属性（如晶体管尺寸、电容值、极点/零点、失真系数）。

性能值 (Performance Value) $P\in \mathbb{P}(A)$ — 整个设计的属性（如 SNDR、BER、输入参考噪声、相位裕度）。同一性能值可用于不同描述层。

性能函数 (Performance Function) ${\Pi }_{D,A}:p\to \mathbb{P}$ — 参数到性能值的映射。

五种性能函数类型（Table 2.2）：

类型	评估速度	设置时间	精度	灵活性	洞察力
Simulation-based	••—	-	••••	••••	•
Table-based	••••	••	••-	•	••
User-defined equations	••••	••••	•-	••	••••
Performance models	••••	••	•••	••	•
Symbolic analysis	•••	•	•	••	••••

• Simulation-based：定义激励→数值仿真→计算性能。时域推进/谐波平衡/离散时间/打靶法/混合频时/多时间技术。最流行，但洞察有限。
• Table-based：预仿真→查表。快速评估但灵活性低。可用 Pareto 前沿 [De Smedt & Gielen 2003] 减少设置时间。
• User-defined equations：设计者提供分析表达式。快速、洞察深，但精度受限、不通用。
• Performance models：通过回归构建模板（有理函数/样条/posynomial/SVM/神经网络）。权衡精度与复杂度。
• Symbolic analysis：自动推导显式符号表达式。简化后以 DDD (Determinant Decision Diagram) 存储加速评估。

可行性函数 (Feasibility Function) ${\Phi }_{D,A}:\mathbb{P}(A)\to \mathbb{B}$：

$${\Phi }_{D,A}(P)=\{\begin{array}{ll}1& \exists p\in p(D):{\Pi }_{D,A}(p)=P\\ 0& \forall p\in p(D):{\Pi }_{D,A}(p)\ne P\end{array}$$

用于指示某性能是否可行，不需了解具体参数，适合架构探索。

§2.5 通用设计流 (Generic Design Flow)（Fig. 2.5）

• 设计在特定描述层 $D$ 和抽象级 $A$ 下描述
• 性能函数计算结果 + 规格 + 容差 → 评估
• 三条路径：(1) 未达规格 → 变换操作（简化后选择变换）→ 再评估；(2) 达到规格但抽象级不匹配 → 细化/简化操作增加/删除细节；(3) 达到规格且细节充足 → 转换到下一描述层
• 该框架可容纳大多数模拟/混合信号 EDA 工具功能

三种简化设计流对比（Table 2.3）：

属性	平面(Flat)	自底向上(Bottom-up)	自顶向下(Top-down)
复杂度	限于基本单元	单元→小系统	单元→大系统
设计时间	与器件数快速增加	经验设计师有限	依赖约束变换方法
重用	很少	多单元设计时大量	合理约束的模块
洞察	所有低层效应	物理效应→非理想性	非理想性→功能
再设计	所有细节已存在	安全裕度过小时	约束错误时仅下层模块
阶段	低抽象/电路层	低→中层抽象	中→高层抽象
探索	仅参数值	多单元架构可用	架构+参数值

碰头(Mee-in-the-middle) 策略：系统设计与基本硅模块设计分离，在抽象层中间相遇，类似数字设计中的 CATHEDRAL-II 方法。

§2.6 结论

形式化基础为系统设计方法提供分析框架。设计策略 = 建模策略 + 综合策略。

模型 → 综合：

• Source: 通用行为建模方法
• Source: 描述与抽象层设计框架
• Source: 性能函数与性能模型

---

Ch.3 Analog and Mixed-Signal Design Strategies（pp.37-74）

核心贡献：对过去 25 年模拟 EDA 综合工具进行全面分类综述，并提出基于通用行为(Generic Behavior)的新设计策略。

§3.2 四类分类体系

分类准则：设计策略处理不同架构的能力。综合策略分为四个基本类别：

1. 选前规模 (Selection Before Dimensioning) — 先选拓扑，再优化参数。最常用。
2. 选后规模 (Selection After Dimensioning) — 同时优化多个平行拓扑的参数，再选最佳。
3. 选时规模 (Selection During Dimensioning) — 在参数优化中嵌入拓扑变化（如带可选项的模板）。
4. 自顶向下创建 (Top-down Creation) — 从功能描述出发逐步创建架构。
5. 自底向上生成 (Bottom-up Generation) — 从种子出发通过变换操作逐步生成架构。

（注：$1+2$ 可看作选择驱动，$4+5$ 可看作生成驱动。）

§3.3 历史综述（25 年 EDA 工具演化，Fig. 3.9）

选前规模（Fig. 3.1-3.2）：

• 经典流程：规格 → 拓扑选择 → 优化/设计计划 → 验证 → 布局
• IDAC [Degrauwe 1987]：交互式 CMOS 模拟电路设计工具，使用设计计划（方程→尺寸）
• OPASYN [Koh 1990]：两级运放综合，分层优化拓扑和尺寸
• DAC [Gray 1993]：将模拟知识封装在电子表格中
• OASYS [Harjani 1989]：层次化设计策划器
• ASTRX/OBLX [Ochotta 1996]：基于模拟的优化，使用模拟退火 + 渐近波形评估(AWE)

选后规模：

• 多个平行设计，通过仿真实例评估，选择满足规格的最佳者

选时规模（Fig. 3.4）：

• 模板(Template) 含可选元件（如可选的 Cascode 级、不同补偿方案）→ 优化同时决定拓扑
• KOAN/ANAGRAM [Cohn 1991]：基于退火的布局生成
• 模板缺点：仅处理预定义模板内的变化，缺乏真正的架构创新

自顶向下创建（Fig. 3.5-3.6）：

• 从高层次功能描述出发，逐步细化结构
• ARIEL [Kundu 1994]：从转移函数出发综合滤波器架构
• FRIDGE [Lauwers 2001]：从规格到电路级综合的 ΔΣ 调制器设计工具
• 优势：可覆盖较广设计空间；劣势：需复杂的约束变换知识

自底向上生成（Fig. 3.7-3.8）：

• 从种子电路出发，通过变换（如 Miller 变换、跨导加倍）生成新拓扑
• AMGIE [Maran 1997]：种子→变换规则→拓扑族
• 可产生非预期拓扑；但空间指数爆炸需剪枝

§3.4 基于通用行为的设计策略（Fig. 3.10）

设计流：

1. 从功能规格开始（高抽象、功能级）
2. 用通用行为模型(GBM) 表示架构（行为级）
3. 评估性能并检查规格
4. 变换架构（通过不同变换选择不同拓扑）
5. 细化模型增加非理想效应
6. 自顶向下系统综合

通用行为模型 (GBM) 定义（Fig. 3.11）：

• 字母表 (Alphabets)：$\Sigma ,Q_1,...,Q_n,\Psi$ — 输入、内部状态、输出
• 通用函数 (Generic Functions)：${\zeta }_1,...,{\zeta }_n$ — 从输入状态到输出状态的映射
• 交互模型 (Interaction Model)：定义通用函数如何组合
• 模板 (Templates)：实例化通用函数生成具体构建块（如积分器、量化器）
• GBM 可高效表示广泛架构，同时利用特定系统类的共性

§3.5 结论

基于通用行为的设计策略将建模和综合策略结合起来，为第三部分的自顶向下异构优化奠定基础。

模型 → 综合：

• Source: 高层级模拟综合集成
• Source: 通用行为建模方法

---

Ch.4 Time-Domain Generic Behavioral Models（pp.85-143）

核心贡献：为连续时间 ΔΣ 调制器和通用采样数据系统开发了详细的时域通用行为模型框架。

§4.2 时域仿真方法综述（Table 4.1）

方法	原理	优势	劣势
时间推进(Time-marching)	离散化时间，逐步积分	通用，广泛支持	对时钟周期分离系统效率低
采样数据(Sampled-data)	仅计算采样时刻	对开关电容高效	仅适用周期性采样系统
波形松弛(Waveform relaxation)	将系统分解为子系统迭代	可并行，适合大规模	收敛问题
配点法(Collocation)	多项式近似 + 残差最小化	高精度，长瞬态	设立复杂

§4.3 CT-ΔΣ 调制器的通用行为模型

问题动机：ΔΣ 调制器有多个不同架构（单环/MASH、反馈/前馈组合、单/多比特量化），需要一个统一的高效仿真模型（Fig. 4.1）。

模型定义（Fig. 4.2-4.3, Table 4.2）：

字母表 (Alphabets)：

• $\Sigma =[v_{in}(t),J(t),N(t)]$ — 输入信号、时钟抖动、噪声
• $Q_1=[v_1(t),...,v_{M_1}(t)]$ — 环路滤波器内部状态
• $Q_2$ — 量化器前信号
• $\Psi =[v_{out}[k],d[k]]$ — 输出码元和 DAC 反馈信号

通用函数 (Generic Functions) ${\zeta }_1,...,{\zeta }_n$：

函数	描述	输入	输出
${\zeta }_1$	积分器组	$\Sigma ,Q_2,Q_1$	$Q_1$ 更新
${\zeta }_2$	求和与加权	$Q_1$	量化器输入
${\zeta }_3$	量化	求和结果	数字码元
${\zeta }_4$	DAC 反馈	数字码元	反馈波形

交互模型 (Interaction Model)（Listing 4.1, Fig. 4.4）— 用类 C 伪代码描述：

while (t < t_end) {
    apply_jitter(t, J(t));
    for each integrator i:
        v_i(t+dt) = integrate(v_i(t), v_in(t), d(t-dt), p_i);
    v_q(t+dt) = sum(a_i * v_i(t+dt));
    d(t+dt) = quantize(v_q(t+dt));
    t += dt;
}

此处 p_i 为积分器参数向量（包含 $GBW,{\omega }_0,{\varphi }_m,SR,V_{sat}$ 等非理想性参数）。

通用函数模板 (Templates)：

积分器模板（§4.3.2, Fig. 4.5-4.6）：

• R-C 积分器宏模型（含有限 DC 增益 $A_0$、非主极点 ${\omega }_{p2}$、摆率 $SR$、饱和 $V_{sat}$）（Fig. 4.6）：

$$v_{out}(t) = \begin{cases} \int \frac{v_{in}}{R_{in}C} dt & \text{线性区} \\ SR \cdot t & \text{摆率限制} \\ V_{sat} & \text{饱和} \end{cases}

• Gm-C 和 SC 积分器类似模板

弱非线性模型（§4.3.2, Fig. 4.7）— $D$ 阶弱非线性：

$$v_{out}(t)=\sum _{d=1}^D{a}_d\cdot [h_d(t)\ast v_{in}(t)]$$

其中 $h_d(t)$ 为各阶 Volterra 核的脉冲响应。一阶线性项主导，高阶项描述 HD2/HD3 等。

量化器模板（Fig. 4.8）：

• 单比特：$d=\text{sign}(v_q)$，含迟滞 $V_{hyst}$ 模型的阈值切换
• 多比特：$d=\text{round}(v_q/\Delta )\cdot \Delta$，$\Delta =2V_{ref}/2^B$
• 亚稳态：比较器有限再生时间 $t_{latch}\approx {\tau }_L\ln (V_{DD}/2\Delta V)$ → 在高速 ΣΔ 中可导致性能退化

DAC 模板（Fig. 4.9）：

• NRZ：$d(t)=d[k]$ for $k{T}_s<t<(k+1)T_s$
• RTZ：$d(t)=d[k]$ for $k{T}_s<t<k{T}_s+T_{pw}$，$0$ 否则
• 抖动模型（Fig. 4.2）：采样抖动 $\Delta t_k$、脉冲宽度抖动 $\Delta T_{pw}$、脉冲延迟抖动 $\Delta t_d$

实现与仿真结果（§4.3.3, Fig. 4.10-4.15, Table 4.4-4.5）：

SystemC 实现（Fig. 4.10）：

• sc_module gbm_model：输入端口（$v_{in}$），输出端口（$d_{out}$），参数端口（$A_0,GBW,SR$ 等）
• sc_module integrator、sc_module quantizer、sc_module dac
• 测试台 sc_main 连接各模块

实验 1: 线性非理想性（Fig. 4.12）：

• 测量积分器有限 DC 增益对 SNR 退化影响
• GBM 与 VHDL-AMS 模型对比 (<1% 误差)
• 仿真速度比 VHDL-AMS 快 5-10×

实验 2: 弱非线性失真（Fig. 4.13, Table 4.5）：

• SNR 退化因弱非线性积分器
• GBM 选择 $D=3$ 时精度达 0.5dB 以内
• $D=1$（线性近似）误差可达 3-5dB

实验 3: 饱和效应（Fig. 4.14, Table 4.6）：

• 积分器饱和导致 SNDR 快速下降
• 粗/细/混合饱和模型仿真时间对比

实验 4: 时钟抖动（Fig. 4.15）：

• NRZ vs RTZ 脉冲对抖动敏感度差异：RTZ 更易受 PWJ 影响
• 仿真验证：GBM 准确捕捉各抖动类型的 SNR 恶化

§4.4 采样数据系统的通用行为模型（Fig. 4.16, Table 4.7-4.8）

通用化：将 CT-ΔΣ 模型扩展到一般采样数据(A/D/D/A)系统。

字母表扩展：

• $\Sigma =[v_{in}(t),{\varphi }_{clk}(t)]$ — 输入 + 时钟相位
• $Q_i=[v_{c,i}(t)]$ — 电容上的存储电荷（SC 特征）
• $\Psi =[v_{out}[k]]$ — 输出采样值

交互模型（Listing 4.2）— 按时钟相位 ${\varphi }_1,{\varphi }_2$ 交替操作：

for each clock cycle k:
    // φ1: 采样相位
    for each SC section i:
        v_i[k] = sample(v_in, v_i[k-1], q_switch_1);
    // φ2: 积分/传递相位
    for each SC section i:
        v_i[k+½] = transfer(v_i[k], v_j[k], q_switch_2);

SC 积分器模板（Fig. 4.17）：

• DDI 积分器 $z$ 域传递：$H(z)=\frac{C_s/C_f}{1-z^{-1}}$
• 非理想效应建模：$C_s$ 失配 $\to$ 增益误差、时钟馈通 $\to$ DC 失调、op amp 有限 $GBW$ $\to$ $RC$ 时间常数效应

SC 滤波器实验（Table 4.9, Fig. 4.18）：

• 一阶 SC 滤波器，op amp 失真变化时 HD 变化
• 有/无时钟馈通 (CF) 模型对比：CF 显著增加 HD，尤其在低失真条件下

---

Ch.5 Frequency-Domain Generic Behavioral Models（pp.145-209）

核心贡献：提出全新的相位-频率传递(Phase-Frequency Transfer, PFT) 模型框架，用于 RF 前端等多相系统的频域通用行为建模。

§5.2 频域仿真方法综述（Table 5.1）

方法	原理	适用性	局限
谐波平衡(HB)	频域表示 + 时域非线性	强非线性稳态	计算复杂性高
时域低通等效	降频后时域仿真	窄带系统	对多频/宽带有误差
纯频域方法	全频域操作	弱非线性系统	需 Volterra 级数模型

§5.3 Phase-Frequency Transfer (PFT) 模型

需求（§5.3.1）：

1. 允许多相(多分支)信号表示
2. 支持下变频/上变频操作
3. 自然处理频率偏移
4. 支持级联、并联、反馈互联
5. 可扩展至弱非线性

5.3.2 信号表示：Polyphase Harmonic Signal (PHS)

$N$ 相多相信号定义为：

$$s(t)=[s_0(t),s_1(t),...,s_{N-1}(t){]}^T$$

多相初等信号 (Polyphase Elementary Signals)（Table 5.2）：

• 差分模式 (Differential-mode)：$s=[1,-1,1,-1,...{]}^T$（相邻反相）
• 共模 (Common-mode)：$s=[1,1,...,1{]}^T$（同相）
• 正序 (Positive-sequence)：$s_k=e^{j2\pi k/N}$（旋转相量）
• 负序 (Negative-sequence)：$s_k=e^{-j2\pi k/N}$（反向旋转）

Polyphase Harmonic Signal (PHS)（Fig. 5.2）：

$$S(f)=\sum _{a=0}^{A-1}\sum _{n=0}^{N-1}{s}_{a,n}\cdot \delta (f-f_a-n\cdot f_s/N)$$

其中 $N$ 为相位数，$f_s$ 为采样频率，$A$ 为频率数。每个 PHS 由 $(N\times A)$ 个基函数张成。

5.3.3 线性表示：Polyphase Harmonic Transfer Matrix (PHTM)

PHTM 定义：

$${\tilde{H}}_L(f)=\left[\begin{array}{cccc}{H}_L^{0,0}(f)& H_L^{0,1}(f)& \cdots & H_L^{0,M-1}(f)\\ H_L^{1,0}(f)& H_L^{1,1}(f)& \cdots & H_L^{1,M-1}(f)\\ ⋮& ⋮& \ddots & ⋮\\ H_L^{N-1,0}(f)& H_L^{N-1,1}(f)& \cdots & H_L^{N-1,M-1}(f)\end{array}\right]$$

其中 $H_L^{i,j}(f)$ 表示从输入相位-频率平面到输出相位-频率平面的传递函数。

相位变换器 (Phase-converter)（Fig. 5.3）：

• 差分→正序：$s_{diff}=[1,-1{]}^T\to [1,j{]}^T$（90 度旋转）
• 正序→差分：$[1,j{]}^T\to [1,-1{]}^T$

多相滤波器示例（Fig. 5.4）：

• 4 维对称多相滤波器 PHTM 结构
• 在阻抗匹配和镜像抑制中的应用

PHTM Box Plot 表示（Fig. 5.8-5.9）：

• 将矩阵 ${\tilde{H}}_L(f)$ 可视化为二维网格
• 每个网格元素 $H_L^{i,j}(f)$ 为一个复数传递函数
• Box Plot 密度表示传递幅度（灰度）

三种基本连接类型（Fig. 5.7）：

1. 级联 (Cascade)：${\tilde{H}}_{out}(f)={\tilde{H}}_2(f){\tilde{H}}_1(f){\tilde{H}}_{in}(f)$
2. 并联 (Parallel)：${\tilde{H}}_{out}(f)={\tilde{H}}_1(f)+{\tilde{H}}_2(f)$
3. 反馈 (Feedback)：${\tilde{H}}_{cl}(f)=(I-{\tilde{H}}_1(f){\tilde{H}}_2(f){)}^{-1}{\tilde{H}}_1(f)$

5.3.4 噪声信号（Fig. 5.10）：

• 多相噪声向量 $\mathbf{n}(t)$
• 下变频结构中的噪声传递：${\tilde{S}}_{n,out}(f)={\tilde{H}}_n(f){\tilde{S}}_{n,in}(f){\tilde{H}}_n^{\ast }(f)$
• 周期平稳噪声的 PHTM 模型

5.3.5 非线性行为：Distortion Tensor（§5.3.5, Fig. 5.11-5.12）

$K$ 阶失真张量 (Distortion Tensor of Order $K$)：

$${\tilde{H}}_{NL}^{(K)}(f_1,...,f_K):{\mathbb{C}}^{N\times 1}\times \cdots \times {\mathbb{C}}^{N\times 1}\to {\mathbb{C}}^{M\times 1}$$

将 $K$ 个输入多相信号映射到输出：

$$\tilde{Y}(f)=\sum _{K=1}^{\infty }{\int }_{-\infty }^{\infty }\cdots {\int }_{-\infty }^{\infty }{\tilde{H}}_{NL}^{(K)}(f_1,...,f_K)\cdot \tilde{X}(f_1)\cdots \tilde{X}(f_K)\cdot \delta (f-\sum f_i)d{f}_1\cdots d{f}_K$$

三阶非线性实例（Fig. 5.12）：

• $K=1$：线性传递 ${\tilde{H}}_{NL}^{(1)}(f)$ — 主对角线
• $K=2$：二阶失真 ${\tilde{H}}_{NL}^{(2)}(f_1,f_2)$ — 3D 张量矩阵
• $K=3$：三阶失真 ${\tilde{H}}_{NL}^{(3)}(f_1,f_2,f_3)$ — 含 IM3、HD3 产物
• $K_3=1$ 时，Box Plot 显示各频率平面间的耦合

§5.4 RF 前端的通用行为模型

基本结构（Fig. 5.13）：

• 输入 LNA → 多相混频器 → 滤波 → 采样/ADC 级
• 下变频 (Down-conversion)：从 RF 到 IF/基带

交互模型（Listing 5.1, Fig. 5.14, Table 5.3-5.4）：

// PHTM 级联计算
H_rf  = PHTM_LNA;           // 输入到 LNA 输出
H_mix = PHTM_mixer * H_rf;  // LNA 输出到混频后
H_if  = PHTM_filter * H_mix; // 混频后到滤波器输出
H_out = PHTM_sampler * H_if; // 滤波器输出到采样输出
// 评估性能
compute_IRR(H_mix, sigma_mismatch);
compute_NF(H_rf, H_mix, T, R_s);

混频器模板（Fig. 5.15）：

• 两阶段模型：$N$ 输入 → $M$ 中间信号 → $K$ 输出相位
• 可配置本振谐波混频

采样级模板（Fig. 5.16）：

• 连续时间→离散时间转换的滤波器 + 采样模型
• 孔径效应 $\text{sinc}(f/f_s)$

IRR 仿真示例（Fig. 5.18-5.19, Table 5.5）：

• IRR vs 混频器增益失配 ${\sigma }_{gain}$
• 半定量仿真：100 个样本/${\sigma }_{gain}$ 值，计算平均 IRR
• Fig. 5.19：理想/非理想相位从 $f_d$（目标频）和 $f_{im}$（镜像频）到输出 $f_{out}$ 的传递
• 非线性分析（Fig. 5.20-5.21）：添加 Distortion Tensor → 混频器中产生互调产物和频谱再生

---

Ch.6 Top-Down Heterogeneous Optimization（pp.213-256）

核心贡献：提出自顶向下异构优化 (TDHO) 方法论，实现同时探索模拟系统架构和参数的自动化综合。

§6.2 合成策略目标

基础需求：

1. 异构性：处理多种不同类型的不均匀数据（拓扑/参数/性能指标/设计知识）
2. 自顶向下：从功能规格驱动，逐步细化
3. 探索性：广泛的架构和参数空间搜索
4. 最优性：接近 Pareto 最优设计
5. 可扩展性：支持复杂系统

进化方法：受自然进化启发，设计群体通过变换逐步改进，类似遗传算法但更结构化。

§6.3 自顶向下异构优化方法论

整体架构（Fig. 6.1-6.2, Listing 6.1）：

中心控制单元伪代码：

population = [embryonic_design];
while (!termination_condition(population)) {
    for each design D in population {
        P = evaluate(D);           // 性能计算器
        S = assess(P, targets);    // 评估器 → 满意度
        if (S < threshold)
            transformation_set = select_transformations(D, S);
            for each T in transformation_set
                D' = apply(D, T);
                population.add(D');
    }
    population = select_best(population, pop_size);
}

6.3.2 设计群体 (Design Population)（Fig. 6.3-6.4）：

• 各设计表示为有序变换列表：$D=(T_1,T_2,...,T_m)$
• 通过原点 $D_0$（胚基设计）开始，施加变换序列得到新设计
• 群体形成树结构：每个分支对应不同架构选择
• 聚类：共享相同拓扑的设计形成簇 (Cluster)

6.3.3 胚基设计 (Embryonic Design)（Fig. 6.5）：

• 最简单的可行起点，如 ADC 的 “A/D conversion” 抽象模块
• 胚基无内部结构，仅定义输入/输出和功能
• Example 6.2（Fig. 6.5）：ADC 的胚基 — 输入模拟电压 $v_{in}$，输出数字码 $d_{out}$，一个理想无限精度转换

6.3.4 性能计算器 (Performance Calculators)：

• 每个架构类型有专用性能计算器（如 ct_dsm_calculator、pipeline_calculator）
• 可使用不同计算类型（仿真/方程/查表）
• 返回性能向量 $P=[P_1,P_2,...,P_K]$

6.3.5 评估器 (Evaluators)：

• 将性能向量转化为满意度
• 可处理多种规格类型：目标值、约束、最小/最大

6.3.6 满意度函数 (Satisfaction Levels)（Fig. 6.6）：

$$E_S:P_i\to s_i\in [0,1]$$

五种基本类型：

• $E_{S,<}$（越小越好）：$s_i=\{\begin{array}{ll}1& P_i<P_{min}\\ 0& P_i>P_{max}\\ f(P_i)& \text{else}\end{array}$
• $E_{S,>}$（越大越好）：$s_i=\{\begin{array}{ll}1& P_i>P_{max}\\ 0& P_i<P_{min}\\ f(P_i)& \text{else}\end{array}$
• $E_{S,=}$（精确值）、$E_{S,\in }$（范围）、$E_{S,\notin }$（排除）

总体满意度：$S={\sum }_i{w}_i{s}_i$，$w_i$ 为权重。

6.3.7 变换 (Transformations)（Fig. 6.7-6.8）：

四类变换：

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

   • 模拟专家知识：如 “SNR 不足 → 增加积分器阶数”、“功耗过高 → 使用单比特量化”
   • 实例：单环 → 增加一个积分器（提高 NTF 阶数 L+1）
   • 实例：增加 DAC 位数（提升 SQNR）

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

   • 利用数学恒等式改变拓扑而不改变理想传递函数
   • 实例：IRR 差 → 添加多相滤波级（利用 $H(z)=H_{poly}(z)$）
   • 实例：NF 高 → 反馈拓扑重排（利用 Mason 增益公式）

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

   • 类似遗传算法的交叉操作
   • 从两个父设计各取部分变换序列组合
   • 交叉率 ${\rho }_c$ 随进化代数 $G$ 衰退：${\rho }_c(G)={\rho }_{c0}\cdot \exp (-G/{\tau }_c)$

4. 变异变换 (Mutation Transformations)：

   • 参数值随机扰动（如 $\pm 10\%$ 范围内的均匀随机量）
   • 拓扑结构微调（如替换等效元件）

6.3.8 变换选择（Fig. 6.10）：

• 基于满意度 $S$ 识别最差性能维度
• 为每个短板维度选择目标变换
• 多变换按优先级队列执行
• 变换成功率影响未来选择概率

§6.4 应用：模数转换

Oedipus 库（Fig. 6.11）：

• 专用 C++ 库，封装 TDHO 核心算法
• 包含 Design/Population/Transformer/Calculator/Evaluator 基类
• 架构特定派生类实现具体行为

Antigone 程序（Fig. 6.11-6.15, Table 6.1）：

• 使用 Oedipus 内核的 ADC 综合程序
• 设计空间包含：ΔΣ（单环/MASH）、Pipeline、SAR、Flash、两步式
• 非理想效应：kT/C 噪声、op amp 有限增益/摆率、比较器失调、时钟抖动

综合结果（Fig. 6.12, Table 6.1）：

• 8 次优化运行，速度和精度规格不同
• 实例 A：低精度低速（ENOB = 8，$f_s$ = 1MHz）→ 二阶 ΔΣ 调制器
• 实例 B：高精度低速（ENOB = 16，$f_s$ = 10kHz）→ 四阶 MASH ΔΣ + DEM
• 实例 C：中等精度中速（ENOB = 12，$f_s$ = 10MHz）→ Pipeline 6-stage 1.5-bit/stage
• 实例 D：高速（ENOB = 6，$f_s$ = 100MHz）→ Flash ADC + 插值
• 归一化 FoM = Power / ($2^{ENOB}\cdot f_s$) 范围：0.5-2.5 pJ/conv

架构树示例（Fig. 6.13-6.14）：

• 跟踪一个优化运行中从胚基到最终架构的设计树
• 节点显示各决策点的变换类型和满意度变化
• Fig. 6.14：部分树展示了如何从胚基→ΔΣ→MASH→具体级数选择的过程

满意度进化（Fig. 6.15）：

• 总满意度随代数单调上升
• 初期快速提升（架构选择主要效果）→ 后期精细调整（参数优化）
• 典型收敛时间：100-500 代（取决于设计空间大小）

---

Ch.7 Conclusions（pp.257-260）

• 总结全书三大贡献：(1) 模拟设计方法论的通用框架；(2) 时域/频域 GBM；(3) TDHO 算法
• GBM 相比 VHDL-AMS 实现仿真加速 5-10×
• PFT 模型为 RF 前端多相系统提供统一的频域分析框架
• TDHO 自动生成多种 ADC 架构，覆盖 6-16bit ENOB、1-100MHz 带宽
• 未来方向：扩展到其他模拟类别（PLL、LDO）、数字辅助模拟集成、与布局级综合接口

---

核心贡献总结

贡献	对应章节	创新程度
Generic Design Flow 形式化框架	Ch.2	基础理论框架
25 年模拟 EDA 分类体系	Ch.3	综述分类
Generic Behavior 设计策略	Ch.3 §3.4	新设计范式
CT-ΔΣ 通用行为模型 (SystemC)	Ch.4 §4.3	实现创新
采样数据系统通用行为模型	Ch.4 §4.4	扩展应用
Phase-Frequency Transfer (PFT) 模型	Ch.5 §5.3	核心理论创新
Polyphase Harmonic Transfer Matrix	Ch.5 §5.3	新数学框架
Distortion Tensor 非线性建模	Ch.5 §5.3	理论扩展
RF 前端通用行为模型	Ch.5 §5.4	应用创新
Top-Down Heterogeneous Optimization	Ch.6 §6.3	核心算法创新
Embryonic Design + 变换操作	Ch.6 §6.3	新耦合方法
Antigone ADC 综合程序	Ch.6 §6.4	原型验证