1988年SPICE被定为美国国家工业标准，但是SPICE需要在工作站上运行。Cadence的Pspice是可以在个人电脑上运行的程序，功能强大，从而加速了其在电子设计中的应用普及。然而，如果Pspice设置不正确，得到的运行结果可能不是真正的输出，从而对软件产生质疑。尤其是在汽车电子的设计中，需要做到多种分析并考虑更复杂的一些参数添加。正确使用Pspice来设计和仿真电路需要遵循一定的规则，否则得到的仿真结果并非真正的“最差”，从而会导致设计结果出错。
本文就结合一个实际的设计案例（图1）来把整个过程串联起来，最后给出需要注意的一些事项。
图1：二阶巴特沃斯滤波器的电路。
在Pspice的蒙特卡洛分析和最差电路分析（WCCA）中需要调用Pspice中的break器件模型，它们在Pspice中的Breakout元件库中（见图2“Pspice中的break器件模型”）。这和在Cadence/Capture中使用的模型（symbol）不一样，如果不使用带有break参数的器件，是无法实施蒙特卡洛和最差电路分析的。
图2：Pspice中的break器件模型。
以图1为例，即用二阶的巴特沃斯滤波器来做麦克风的输入滤波。
在信号的激励端需要把信号源的阻抗加在电路中，这样才符合实际的电路；如图1中的Rs_p和Rs_n均为信号源的输入阻抗（600Ω）。
在输出级需要把负载的输入阻抗加在电路中，如图1中的R8000（60kΩ为PCM1808输入级电阻的典型值）。
要把电路中的“隐藏通路（Sneak Path）”部分在电路仿真中体现出来，如图1中的C9703、C9720、L1、L2、R0001、R0002。其中，C9703和C9720代表实际电路中的分布电容；L1和L2代表实际电路中的PCB分布电感；R0001和R0002代表实际电路中PCB对于信号的“隐藏”对地阻抗。
仿真参数的设置对于正确运行出仿真结果至关重要。图3为蒙特卡洛分析的设置界面，本文不准备详细介绍这些设置参数，这超出了本文的写作范围。需要注意的是在做蒙特卡洛分析的时候，需要把温度的变化要求也一起设置在里面（如图4），这样运行出来的结果才是真正的蒙特卡洛分析。
图3：蒙特卡洛分析的设置界面。
图4：在蒙特卡洛分析时要把温度的参数也设置进去。
对于对图1进行蒙特卡洛分析，所需完整的仿真分析计划如下：
1）频率响应（带温度）；
2）-3dB带宽；
3）-3dB 低通截止频率；
4）-3dB 高通截止频率；
5）信噪比（带温度，@-40、+25、+85℃））；
6）波特图（带温度，@-40、25、85℃）；
7）YatX（（Vadc/Vmic_in），1k）；
8）共模抑制比。
图5是对仿真结果做的总结说明。
图5：频率响应（在-40、25、85℃温度下运行300次蒙特卡洛仿真）。
可以看出在-40、25、85℃的温度范围内，滤波器的频率响应曲线平坦。为了节约仿真的时间，本例子中选择运行了300次。
图6：-3dB通带带宽蒙特卡洛仿真分析。
运行了300次后可以看出来，带宽的均值在12924.6Hz，最小值10621Hz，最大值16115.8Hz，这符合带宽在10KHz以内的设计要求（图6）。通过这种统计图的方式可以清晰地看出输出是否符合你的设计要求，非常的直观而且不容易出错。
图7：-3dB低通截止频率蒙特卡洛仿真分析。
运行了300次后可以看出来，-3dB低通截止频率均值在1300.8Hz，最小值10690Hz，最大值16204.3Hz，同样符合带宽在10KHz以内的设计要求（图7）。
图8：-3dB 高通截止频率蒙特卡洛仿真分析。
运行了300次后可以看出来，-3dB 高通截止频率均值在约78Hz，最小值67Hz，最大值94Hz，符合高通截止频率在200Hz以内的设计要求（图8）。
图9：信噪比（SNR，在-40、25、85℃温度下）。
图9是最差电路分析的输出结果。之所以用最差电路分析，是因为它更能看出在边界条件下电路的极限偏差，从而判断电路是否在设计允许的范围之内。从图9可以看出在+85℃的条件下，在整个频响范围内还保持着94dB的信噪比。同时也能看出在低温下信噪比会变好，这是因为集成电路中的半导体中电子的热噪声和电阻的热噪声降低了，也就是说电路的本底噪声（Noise Floor）降低了，而信噪比是个比值（信号/噪声），因此信噪比变好了。
图10：波特图（在-40、25、85℃温度下运行300次蒙特卡洛仿真）。
图11：YatX（（Vadc/Vmic_in），1k）（在-40、25、85℃温度下运行300次蒙特卡洛仿真）相对于1kHz的偏移。
图12：共模抑制比。
从仿真曲线可以看出在整个频率响应范围内都保持在70dB左右，这是可以接受的设计值。
最后说明一下注意事项：
1） 蒙特卡洛分析主要的目的就是分析元件误差对电路特性的影响程度。一般而言，元件的误差分布状态均呈现一种高斯曲线（Gaussian）的形式（所谓高斯曲线的形式，也就是像一座山的形状，中间凸起而两边平缓下降的曲线）。因此需要在蒙特卡洛分析中将随机数设置成高斯曲线分布（如图3），所得到的统计结果将更接近真实情况。
2） 随机产生器的种子值（Random number seed），可以自己选择从1到32767间的奇数，如图3中的种子值是11。由于软件所产生的随机数顺序每一批都会一样，因此仿真结果会和本文的仿真结果一样。
本文为《电子技术设计》2019年11月刊杂志文章。
最前沿的电子设计资讯
