Skip to main content
QUICK REVIEW

[论文解读] Crosstalk Noise Modeling for RC and RLC interconnects in Deep Submicron VLSI Circuits

P. V. Hunagund, A. B. Kalpana|arXiv (Cornell University)|Apr 26, 2010
Low-power high-performance VLSI design参考文献 8被引用 12
一句话总结

本文提出了一种用于深亚微米VLSI电路中RC和RLC互连线的闭式串扰噪声模型,可准确预测近驱动端和近接收端的噪声幅度与脉冲宽度。该模型采用等效互感概念,与SPICE仿真相比平均误差仅为6.8%,验证了其在屏蔽分析和噪声约束优化中的有效性。

ABSTRACT

The crosstalk noise model for noise constrained interconnects optimization is presented for RC interconnects. The proposed model has simple closed-form expressions, which is capable of predicting the noise amplitude and the noise pulse width of an RC interconnect as well as coupling locations (near-driver and near-receiver) on victim net. This paper also presents a crosstalk noise model for both identical and non identical coupled resistance-inductance-capacitance (RLC) interconnects, which is developed based on a decoupling technique exhibiting an average error of 6.8% as compared to SPICE. The crosstalk noise model, together with a proposed concept of effective mutual inductance, is applied to evaluate the effectiveness of the shielding technique.

研究动机与目标

  • 开发一种适用于RC互连线的简单、闭式串扰噪声模型,可预测近驱动端和近接收端的噪声幅度与脉冲宽度。
  • 通过解耦技术将该模型扩展至包含相同与非相同耦合线的RLC互连线。
  • 引入等效互感概念,以提高RLC网络中电感性串扰建模的准确性。
  • 利用所提出的串扰噪声模型评估屏蔽技术的有效性。
  • 通过高精度、计算高效的噪声预测,实现噪声约束下的互连线优化。

提出的方法

  • 基于近驱动端和近接收端的耦合,推导出RC互连线中串扰噪声幅度与脉冲宽度的闭式表达式。
  • 应用解耦技术,将耦合的RLC线转换为等效单模系统,以简化分析。
  • 引入等效互感概念,以表征耦合RLC线中的电感性串扰效应。
  • 通过多种互连线配置与参数,利用SPICE仿真验证RLC模型的准确性。
  • 利用推导出的模型模拟并评估耦合互连线场景中屏蔽效果。
  • 采用集总元件RLC模型表示互连线,并应用传输线理论原理推导噪声表达式。

实验结果

研究问题

  • RQ1如何在近驱动端和近接收端准确预测RC互连线中的串扰噪声幅度与脉冲宽度?
  • RQ2与SPICE仿真相比,闭式串扰噪声模型在RLC互连线中的精度如何?
  • RQ3等效互感概念如何提升耦合RLC互连线中串扰建模的准确性?
  • RQ4所提出的模型在深亚微米VLSI设计中对屏蔽技术评估的支持程度如何?
  • RQ5该模型能否在计算开销极小的前提下推广应用于相同与非相同耦合的RLC互连线?

主要发现

  • 所提出的RC串扰噪声模型在近驱动端和近接收端均提供了噪声幅度与脉冲宽度的精确闭式表达式。
  • RLC串扰噪声模型与SPICE仿真相比平均误差仅为6.8%,表现出高精度。
  • 等效互感概念能有效捕捉耦合RLC线中的电感性串扰效应,显著提升模型保真度。
  • 该模型成功评估了屏蔽效果,支持在串扰约束下的设计优化。
  • 模型的闭式特性使其可高效集成至自动化设计流程中,用于噪声约束下的互连线优化。
  • 该模型适用于相同与非相同耦合的RLC互连线,显著增强了其实际应用价值。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。