Evaluation de la technique de test basée sur la mesure d`un
Transcription
Evaluation de la technique de test basée sur la mesure d`un
Evaluation de la technique de test basée sur la mesure d’un nombre réduit de codes pour les convertisseurs analogique-numérique de type pipeline Asma LARABA Laboratoire TIMA (CNRS-INP Grenoble-UJF) 46, av. Félix Viallet, 38031, Grenoble Cedex Matthieu DUBOIS, Haralampos STRATIGOPOULOS, Salvador MIR. Email : [email protected] Résumé Dans ce papier on va présenter les résultats d’évaluation d’une méthode de test pour les convertisseurs analogiquenumérique de type pipeline. La technique consiste à mesurer quelques codes spécifiques permettant de retrouver les caractéristiques de tous les codes du convertisseur. L’évaluation est effectuée sur un design industriel de STMicroelectronics. Les résultats de simulation montrent que les grandes erreurs de linéarité dans le convertisseur sous-test ne sont pas détectées. Une amélioration de la technique peut être envisagée pour une éventuelle utilisation dans un test de production industriel. 1. Introduction Les convertisseurs analogique-numérique de type pipeline sont de plus en plus utilisés dans des systèmes de type SoC pour de nombreuses applications telles que les télécommunications et le traitement de signal. La popularité de ces convertisseurs est due à leur bon compromis entre la largeur de bande, la résolution, la vitesse de fonctionnement et la consommation. En production, les convertisseurs analogiquenumérique sont testés en fonctionnement statique et dynamique. Le test dynamique implique l’application d’un signal sinusoïdal et une analyse à base de la transformée de Fourier, alors que le test statique est effectué en appliquant à l’entrée du convertisseur une rampe ou un signal sinusoïdal lent et en utilisant la méthode de l’histogramme. Ceci requiert la collection d’une quantité importante de données. Avec l’augmentation permanente de la résolution des convertisseurs analogique-numérique, le temps de test statique augmente exponentiellement ce qui devient excessif vis-à-vis de la surface de silicium testé ou du temps de test des autres blocs. Ceci implique un compromis temps de test/précision, qui génère beaucoup d’instabilités et qui peut amener à jeter des circuits qui sont bons (perte de rendement) ou d’accepter des circuits qui sont mauvais (taux de défaut). Plusieurs techniques de calibration ou de test ont été proposées dans la littérature afin de diminuer le temps de test ou de corriger les imperfections de la fonction de transfert des CAN. Mais actuellement, ces méthodes de test alternatif ne sont pas implémentées en industrie. Une raison de ceci est que la perte économique due aux erreurs de test serait plus importante que la réduction du coût apportée par la nouvelle technique. Tant qu’il n’existe pas une méthode formelle pour évaluer une nouvelle technique de test au niveau design, les industriels seront réticents à appliquer une technique de test alternative pour les circuits analogiques et mixtes. L’évaluation des métriques de test au niveau design peut donner des informations sur les risques de test et aide à faire une décision sur la technique à utiliser. Les métriques de test sont d’habitude mesurées avec une précision de l’ordre de parties-par-million. Pour obtenir cette précision on doit générer une large population de circuits, ce qui peut prendre énormément de temps, surtout pour des circuits complexes comme les CAN. Dans nos travaux on va évaluer ces métriques pour les techniques de test proposées en utilisant le flot d’évaluation proposé dans [12], qui permet de générer une grandes population de circuits et d’évaluer les métriques de test. Dans ce qui suit on va commencer par une introduction aux spécifications des CAN et à l’architecture des convertisseurs pipeline. On présentera par la suite les principaux travaux concernant le test de CAN trouvés dans la littérature. On présentera les premiers résultats d’évaluation de la technique de test proposée dans [10], qui consiste à mesurer quelques codes spécifiques permettant de retrouver les caractéristiques de tous les codes du convertisseur. On va finir par une conclusion. 2. Conception des convertisseurs pipeline 2.1 Spécifications statiques des CAN La fonction de transfert idéale d’un CAN est représentée sur la Figure 1. En pratique, les seuils d’un CAN peuvent avoir des hauteurs et des largeurs différentes, il s’agit d’erreurs de non-linéarité. Ces erreurs sont caractérisées en mesurant la non-linéarité différentielle et la non-linéarité intégrale. Ces spécifications sont exprimés en LSB (Least Significant Bit) avec : V ref 1 LSB = V LSB = N 2 le soustraire du signal d’entrée et obtenir le résidu. Ce résidu est ensuite amplifié par un facteur 2k afin qu’une seule tension de référence puisse être utilisée pour tous les étages. En pratique, l’échantillonneur-bloqueur, le convertisseur numérique analogique (DAC), le soustracteur et l’amplificateur sont remplacés par un seul bloc à capacités commutées surnommé MDAC (Multiplying Digital to Analog Converter) dans la littérature. Sur la Figure 4, on voit l’exemple d’implémentation d’un étage pipeline 1 bit. Figure 1. Caractéristique de transfert idéale d’un CAN Figure 3. Diagramme d’un convertisseur pipeline Figure 2. DNL et INL dans un CAN Non linéarité différentielle (DNL). C’est l’écart par rapport au quantum de l’intervalle de valeurs analogiques conduisant à la même sortie numérique et elle est donnée par (exprimée en LSBs) : DNL(i) = S(i +1) − S(i) −VLSB VLSB Où et S(i) est la tension de transition du code i. Non linéarité intégrale (INL). C’est l’écart de la transition d’un code par rapport à la droite idéale. Cette erreur caractérise la précision relative d’un convertisseur, elle est donnée par (exprimée en LSBs) : INL ( i ) = S ( i ) − S ref ( i ) V LSB Où : Sref(i) représente la droite idéale. 2.2 Architecture des convertisseurs pipeline Le convertisseur est constitué de plusieurs étages, où chacun contient à son tour un échantillonneur bloqueur, un convertisseur analogique numérique, un convertisseur numérique analogique, un soustracteur et un amplificateur (Figure 3). Le premier étage reçoit en entrée le signal à convertir, tandis que les autres étages reçoivent la sortie de l’étage précédent. Le résultat de conversion digital est ensuite reconvertit en un signal analogique à l’aide du CNA, pour Figure 4. Exemple d’implémentation CMOS d’un étage pipeline 1 bit 3. Etat de l’art du test de CAN Dans la littérature plusieurs méthodes de test de convertisseurs analogique-numérique ont été proposées, dans ce qui suit on va présenter les axes les plus distingués. BIST dérivant de l'histogramme. La technique de test des ADC se basant sur l'histogramme est la plus répandu et la plus utilisée actuellement dans le test de production des ADC, plusieurs méthodes visant la réduction de la surface ou du temps de test ont été proposées pour son intégration sur la puce. Dans [1], les auteurs proposent une méthode permettant de réduire le surcoût en surface, en faisant un calcul séquentiel des paramètres statiques, mais aux dépens d’un temps de test plus long. Dans [2], deux solutions sont proposées pour réduire le temps de test de la méthode proposée dans [1], la première permet de réduire le temps de test par deux en calculant l’INL et la DNL en parallèle. La deuxième solution, avec l’ajout d’un autre registre permet de faire le test en une seule séquence (réduction d’un facteur de 2n/Fs par rapport à la première solution, où n est la résolution du convertisseur et Fs la fréquence d’échantillonnage). BIST basé sur l’oscillation. Dans [3] les auteurs appliquent la méthode de test par oscillation pour le BIST de convertisseurs analogique-numérique. Le principe de cette approche est de forcer l’oscillation du CAN autour de deux codes numériques déterminés. La fréquence de cette oscillation dépend du temps de conversion et des tensions de transition correspondant aux deux codes prédéterminés. Pour chaque test il faut attendre que le système se stabilise, et cela doit être répété pour tous les codes du convertisseur, ce qui rend le temps de test très long pour des CAN à haute résolution. BIST basé sur la régression polynomiale. Un BIST basé sur la régression polynomiale a été proposé dans [4]. Il s’agit de calculer un polynôme d’ordre 3 qui s’ajuste à la fonction de transfert DC du CAN. En appliquant une rampe linéaire comme stimulus, un algorithme est utilisé pour le calcul des coefficients b0, b1, b2, et b3 du polynôme qui s’ajuste le mieux à la fonction du transfert du CAN. Avec cette méthode on ne peut mesurer que le gain, l’offset et la distorsion (THD) du convertisseur alors que la mesure des nonlinéarités statiques (DNL et INL) est très indispensable pour certains types de convertisseurs. BIST avec analyse numérique de la réponse. Dans [6] et [7], les auteurs décrivent une méthode de test alternative où ils effectuent une analyse numérique de la sortie de l’ADC. Cette méthode est facile à implémenter et permet de mesurer les erreurs d’offset et de gain, la DNL et l’INL. Le schéma de BIST proposée dans [7] contient un compteur ayant une résolution plus grande que celle du CAN. Les paramètres statiques sont mesurés avec une précision dépendant de la différence de résolution entre la sortie du compteur et la sortie du CAN. Les blocs de détection d’INL et DNL sont constituées de portes logique, donc le surcoût en surface est très petit. Test de CAN en utilisant des signaux de test de faible linéarité. Les auteurs de [8] et [9] prouvent qu’il est possible, en appliquant à l’entrée du convertisseur deux signaux non-linéaires, l’un décalé par rapport à l’autre, de remonter aux non-linéarités du convertisseur. L’algorithme utilisé exploite l’information redondante de données obtenues en appliquant les deux signaux, et en identifiant les niveaux du signal correspondants aux mêmes niveaux de transition de l’ADC, un ensemble d’équations n’impliquant que les erreurs du stimulus peuvent être obtenues. Ensuite, l’algorithme enlève la non-linéarité du signal d’entrée de la sortie du convertisseur, permettant ainsi de mesurer précisément la non-linéarité du convertisseur. Test de linéarité des convertisseurs en mesurant un nombre réduit de codes. Dans [10], les auteurs présentent une méthode qui exploite la redondance dans les convertisseurs pipeline, et permet de remonter à la fonction de transfert entière du convertisseur en ne mesurant qu’un certain nombre de codes prédéfinis. Cette technique a été retenue pour être évaluée dans un premier temps et éventuellement améliorée, car elle est simple à mettre en pratique et diminue considérablement le temps de test statique, qui, comme vu précédemment, est l’obstacle majeur de test des convertisseurs à haute résolution dans l’industrie. 4. Implémentation et évaluation d’une technique de test 4.1 Description générale du cas d’étude Le convertisseur analogique-numérique utilisé pour l’évaluation de la technique est actuellement utilisé dans les SoCs du groupe HED (Home Entertainment & Display) au sein de STMicroelectronics. Il s’agit d’un convertisseur pipeline 12 bits constitué de 5 étages différentiels à 2.5 bits (avec correction numérique) et un dernier étage différentiel à 2 bits. Une résolution non-entière d’un étage pipeline (1.5 ou 2.5) indique que la méthode de correction numérique est utilisée dans le convertisseur, elle permet de s’affranchir des erreurs d’offset dans le comparateur [11]. Les 5 premiers étages sont constitués d’un convertisseur analogique-numérique, un convertisseur numérique-analogique, un échantillonneur bloqueur et un amplificateur ayant un gain de 4 en boucle fermée. Les 2.5 bits résultants de chaque étage sont décalés dans le temps pour compenser le délai de conversion. La conversion est achevée par un bloc de correction numérique où est corrigée la redondance [11]. Les capacités utilisées sont des capacités métal-métal. Les amplificateurs ont été conçus dans le but d’atteindre des grandes valeurs de gain et une grande dynamique de sortie. Un bloc à base de band-gaps génère toutes les tensions de référence nécessaires. Les étages sont implémentés en capacités commutées, un ADC flash et un MDAC à capacités commutées forment un étage 2.5 bits. Pour évaluer la technique de test avec des données réelles, on a extrait lors des simulations Monte-Carlo au niveau transistor les paramètres suivants : le gain en boucle ouverte, la bande passante, l’offset et la capacité d’entrée de l’amplificateur, et les capacités de contre-réaction et d’échantillonnage. Les distributions statistiques de ces paramètres seront ensuite utilisées pour faire des simulations Monte-Carlo au niveau comportemental, émulant ainsi le comportement d’un convertisseur réel. 4.2 La technique de test évaluée La technique proposée dans [10] pour des convertisseurs pipeline avec des étages 1.5 bits semble prometteuse et il serait intéressant dans un premier temps de l’adapter à notre cas d’étude (étages à 2.5 bits), de l’évaluer et d’y apporter des améliorations. Elle réduit énormément le temps de test statique en exploitant la caractéristique de redondance dans les convertisseurs pipeline : le principe étant de mesurer pour chaque étage les largeurs de code autour des tensions de référence des comparateurs. Les codes mesurés seront utilisés pour reconstruire la fonction de transfert estimé du convertisseur, en copiant le bon code au bon endroit de la fonction de transfert (correspondances déduite après l’étude en profondeur du mécanisme de génération de codes dans un convertisseur pipeline). On a étendu le principe proposé dans [10] pour des convertisseurs pipeline ayant des étages à 2.5 bits. La technique a été implémentée sous Matlab pour être simulé et évalué avec le modèle comportemental du convertisseur et les données issues des simulations transistor en se basant sur le flot d’évaluation qui sera décrit brièvement ci-après. 4.3 Le flot d’évaluation Les distributions statistiques des paramètres comportementaux du convertisseur utilisées dans le modèle comportemental sont d’abord extraite au niveau transistor en faisant quelques simulations Monte-Carlo (~1000), ces échantillons seront utilisés pour construire la densité de probabilité conjointe des paramètres comportementaux, qui sera ensuite échantillonnée uniformément pour obtenir une population plus grande de circuit. Les résultats des simulations au niveau comportemental des circuits issus de l’échantillonnage uniforme seront utilisés pour entraîner des fonctions de régression. Ces fonctions de régression feront le lien direct entre l’espace des paramètres comportementaux (gain, bande passante, offset..) et l’espace des performances (max INL, max DNL, min INL et min DNL). Une fois les fonctions de régression obtenues, on peut échantillonner la densité de probabilité conjointe des paramètres comportementaux un million de fois et obtenir directement les performances correspondantes sans faire des simulations comportementales. Ainsi, les métriques de test de la technique peuvent être évaluées avec une précision de l’ordre de parties-par-million. Dans ce qui suit on va seulement analyser les résultats de simulation des convertisseurs issus de l’échantillonnage uniforme de la densité de probabilité conjointe des paramètres comportementaux. Figure 5. Résultats de simulation de 4900 convertisseurs, calcul de DNL 4.4 Résultats de simulation Afin de voir le rendement de cette technique de test avec une population réel de convertisseurs, on a d’abord simulé au niveau comportemental 4900 vecteurs de paramètres comportementaux (obtenus après échantillonnage uniforme de la densité de probabilité conjointe des distributions statistiques obtenues lors des simulations Monte-Carlo au niveau transistor). Les résultats de simulation pour la DNL sont montrés sur la Figure 5. Dans un CAN des DNL à (-1) indiquent la présence de codes manquants. On remarque que le maximum de DNL est sous-estimé (à la moitié du LSB environ). L’estimation du minimum est très mauvaise : la valeur estimée est inférieur à la valeur réelle pour la majorité des convertisseurs. Le fait que les DNL estimées sont plus petites (en valeur absolu) que les DNL réelles expliquent le fait que l’INL estimé a tendance à être plus petite que l’INL réelle, c’est ce qu’on peut voir sur la Figure 6, pour le minimum et le maximum de l’INL. A priori, prélever 61 codes pour un CAN 12 bits ayant de grandes erreurs de linéarité n’est pas suffisant pour faire une bonne estimation de l’histogramme et des Figure 6. Résultats de simulation de 4900 convertisseurs, calcul de l’INL erreurs de linéarité, puisque avec 61 codes prélevés on risque de ne pas couvrir toutes les valeurs présentes dans l’histogramme réelle et avoir ainsi des erreurs d’estimation de linéarité. 5. Conclusions Dans ce papier on a évalué les performances de la méthode de test proposée dans [10] en simulant des convertisseurs dont les paramètres sont extraits à partir de simulations Monte-Carlo au niveau transistor d’un design industrialisé de STMicroelectronics. Les résultats du test classique par histogramme comparé à la méthode de test alternative montrent la présence d’erreurs d’estimation de linéarité lorsque le circuit sous-test présente des valeurs de DNL et INL très grandes en valeur absolue. Dans un premier temps, on va essayer d’analyser les sources éventuelles des erreurs d’estimations. On commencera par un examen du modèle comportemental pour voir s’il aura besoin d’être améliorée, sinon, on va étudier en profondeur les caractéristiques et le fonctionnement des convertisseurs pipeline pour mieux comprendre les sources des erreurs d’estimation des linéarités par cette méthode et éventuellement l’améliorer, étant donné que ses bases théoriques semblent solides et correctes telles qu’elles ont été présentées dans [10]. Références [1] F. Azaïs, S. Bernard, Y. Bertrand and M.Renovell, “A LowCost BIST architecture for Linear Histogram Testing of ADCs”, Journal of Electronic Testing: Theory and Applications, Vol. 17, No. 2, pp. 139-147, Apr. 2001. [2] Y. Wang, J. Wang, F. Lai, Y. Ye, “Optimal Schemes for ADC BIST Based on Histogram”, Proceedings of the 14th Asian Test Symposium, pp.52-57, Dec. 2005. [3] K. Arabi and B. Kaminska. “Efficient and Accurate Testing of Analog-to-Digital Converters Using Oscillation-Test Method”, in Proc. IEEE European Design and Test Conference, Paris, France, pp. 348-352, Mar. 1997. [4] S. Sunter and N. Nagi. “A Simplified Polynomial-Fitting Algorithm for ADC and ADC BIST”, in Proc. IEEE International Test Conference, Washington D.C., USA, pp. 389-395, Nov. 1997. [5] A. Roy, S. Sunter, A. Fudoli And D. Appello. “High Accuracy Stimulus Generation for A/D Converter BIST”, in Proc. IEEE International Test Conference, Baltimore, USA, pp. 1031-1039, Oct. 2002. [6] Y.C. Wen and K.J. Lee, “An on Chip ADC Test Structure”, in Proc. IEEE Design, Automation and Test in Europe Conference, Paris, France, pp. 221-225, Mar. 2000. [7] Y.C. Wen, "A BIST scheme for testing analog-to-digital converters with digital response analyses," VLSI Test Symposium, 2005. Proceedings. 23rd IEEE , vol., no., pp. 383- 388, 1-5 May 2005. [8] L. Jin, K. Parthasarathy, T. Kuyel, D. Chen, R.L. Geiger, “Accurate testing of analog-to-digital converters using low linearity signals with stimulus error identification and removal”, IEEE Transactions on Instrumentation and Measurement, Vol. 54, No. 3, pp. 1188-1199, 2005. [9] L. Jin, K. Parthasarathy, T. Kuyel, R. Geiger, D. Chen, “High-Performance ADC Linearity Test Using LowPrecision Signals in Non Stationery Environments”, International Test Conference 2005. [10] J. Lin, T. Kung, S. Chang, “A Reduced Code Linearity Test Method for Pipelined A/D Converters”, 17th Asian Test Symposium, pp. 111 – 116, 2008. [11] J. Troadec, Principes de conversions analogiquenumérique et numérique-analogique, DUNOD, Paris, 2004. [12] M. Dubois, H-G. Stratigopoulos, S. Mir, “Hierarchical Parametric Test Metrics Estimation: A ΣΔ Converter BIST Case Study”, IEEE International Conference on Computer Design, pp. 78-83, 2009.