Sパラメータ解析 — 信号品質(SI)評価のための散乱行列理論と実践

理論と物理

Sパラメータとは

日常的な例えで言えば、トンネルに声を出したとき「反響して返ってくる声」がS11、「向こう側に届く声」がS21に相当する。

具体的には、PCIe Gen5（32 GT/s）のナイキスト周波数は16 GHzで、波長は基板上で約6 mm。10 cmの配線でも十数波長分になるから、集中定数回路では記述できない。

散乱行列の定義

• $S_{11}$ — ポート1の入力反射係数。ポート2を基準インピーダンス $Z_0$ で終端したとき、ポート1に入射した波のうちどれだけ反射するか
• $S_{21}$ — ポート1→ポート2の順方向透過係数。信号がどれだけ通り抜けるか
• $S_{12}$ — ポート2→ポート1の逆方向透過係数（受動素子では $S_{12} = S_{21}$）
• $S_{22}$ — ポート2の出力反射係数

入射波・反射波は正規化電力波として定義される:

リターンロスとインサーションロス

• リターンロス > 10 dB（|S11| < 0.316）→ 反射パワーが10%以下。最低限の基準
• リターンロス > 15 dB（|S11| < 0.178）→ 反射パワーが3%以下。高速伝送路の一般的な目標
• リターンロス > 20 dB（|S11| < 0.1）→ 優秀な整合。コネクタ単体の目標

インサーションロスは周波数とともに増加する。例えば10 cmのFR-4マイクロストリップでは、1 GHzで約0.5 dB、10 GHzで約3 dB、20 GHzで約7 dBという具合だ。低損失基板（Megtron6等）なら同じ長さで半分程度に抑えられる。

パッシビティと因果律

1. パッシビティ（受動性）条件 — ネットワークがエネルギーを生成しないこと:

• 時間領域のインパルス応答 $s(t)$ が $t < 0$ でゼロ
• 周波数領域では、実部と虚部がヒルベルト変換対（Kramers-Kronig関係）を満たす

対策としては:

• Ansys SIwaveやKeysight ADS、Cadence Sigrity等に搭載されているパッシビティ強制（Passivity Enforcement）アルゴリズムを適用
• 因果律違反は測定データの帯域不足や低周波の外挿ミスが原因であることが多い。DC点と高周波の外挿を適切に行う

混合モードSパラメータ

• $S_{dd21}$ — 差動挿入損失（SI設計者が最も重視する量）
• $S_{dd11}$ — 差動反射損失
• $S_{cd21}$ — 差動→コモンモード変換（スキューや非対称性の指標）
• $S_{cc21}$ — コモンモード挿入損失（EMI特性に影響）

例えばUSB4やPCIe Gen6の規格では $S_{dd21}$ と $S_{dd11}$ にマスク（限界値カーブ）が定義されていて、これを満たさないチャネルは規格不適合になる。

数値解法と実装

Sパラメータの取得手法

• 3D全波EM解析（FEM / FDTD / MoM） — コネクタ・ビア・パッケージなど3D構造のSパラメータを計算。Ansys HFSS（FEM）、CST（FDTD/FIT）が代表。最も精度が高いが計算コストも大きい
• 2.5Dプレーナ解析 — PCBの配線パターンを2.5D構造として高速に解く。Cadence Clarity、Ansys SIwave、Keysight Momentum等。多層基板のSパラメータ抽出に最適
• VNA（ベクトルネットワークアナライザ）による実測 — 実物のSパラメータを直接測定。校正（SOLT/TRL）が精度を左右する

1. 解析領域をテトラメッシュで離散化。電磁場は辺要素（Nedelec要素）で補間する
2. マクスウェル方程式の弱形式（変分形式）を解き、各周波数でのE場・H場分布を計算
3. ポート面でのモード場と解の内積から、入射波振幅 $a_i$ と反射波振幅 $b_i$ を抽出
4. $S_{ij}(f) = b_i / a_j$ （ポート $j$ 以外を整合終端した条件で）としてSパラメータを構成

要するに、マクスウェル方程式を解いた結果からポート面での波動振幅を抽出しているわけだ。

周波数領域と時間領域の変換

• DC点（0 Hz）のデータを適切に外挿する。欠けているとIFFT結果がオフセットを持つ
• 高周波側の外挿 — データの最高周波数がナイキスト周波数の3〜5倍あることが望ましい
• 窓関数の適用 — ギブス現象（リンギング）を抑えるためにガウス窓やカイザー窓をかける
• 等間隔周波数サンプリング — IFFTには等間隔データが必要。非等間隔の場合は補間する

De-embedding技術

代表的な手法:

• TRL校正（Thru-Reflect-Line） — 3つの既知標準から校正面を移動。基板レベルの測定で最も信頼性が高い
• AFR（Automatic Fixture Removal） — Thru構造のみでフィクスチャ特性を推定するアルゴリズム
• 2xThru法 — 2倍長のフィクスチャ構造から時間領域ゲーティングでDUTを分離

高速SerDesの規格検証（CEI-112G等）では、テストボードのDe-embedding精度がコンプライアンス判定を左右する。De-embeddingを間違えると「規格不適合」の誤判定をしてしまう。

実践ガイド

Touchstoneファイルの運用

• .s1p — 1ポート（例: アンテナの入力反射特性）
• .s2p — 2ポート（例: シングルエンド伝送路）
• .s4p — 4ポート（例: 差動ペア1組）
• .s8p — 8ポート（例: 差動ペア2組のクロストーク込み）
• .s12p以上 — マルチレーンSerDes（コネクタ全ポート等）

# GHz S MA R 50
! 周波数[GHz]  |S11| ∠S11  |S21| ∠S21  |S12| ∠S12  |S22| ∠S22
1.000  0.05  -12.3  0.98  -5.6  0.98  -5.6  0.04  -15.1
2.000  0.08  -25.1  0.95  -11.2  0.95  -11.2  0.07  -28.3
...

ここで「S」はSパラメータ、「MA」は振幅-位相（Magnitude-Angle）形式、「R 50」は基準インピーダンス50 Ω。他にRI（実部-虚部）やDB（dB-位相）形式も使える。

• ポート名の定義（[Port Names]セクション）
• ネットワークデータの構造化
• ノイズパラメータの統合
• ポートごとに異なる基準インピーダンスのサポート

実務上の注意: ポート番号の順序に気をつけろ。EM解析ツールとSPICEツールでポート番号の割り当て規約が異なることがある。差動ペアの正負を入れ違えると $S_{dd11}$ が全く違う結果になる。

SパラメータからアイダイアグラムへSパラメータからアイダイアグラムへ

1. チャネルのSパラメータ取得 — EM解析 or VNA測定で.s4pを得る
2. 品質チェック — パッシビティ・因果律・相反性を検証。違反があれば修正
3. IBIS-AMIモデルの準備 — TxのEQ（FFE/De-emphasis）とRxのEQ（CTLE/DFE）をAMIモデルとして定義
4. チャネルシミュレーション実行 — Sパラメータ+AMIモデルを統合し、統計的アイダイアグラム（BER=$10^{-12}$ 等）を生成
5. マージン評価 — アイ開口量が規格のマスクを満たすか判定

このフロー全体が「Sパラメータベースのチャネルシミュレーション」であり、現代の高速デジタル設計の核心だ。

よくある失敗と対策

ソフトウェア比較

商用ツール比較

選定の指針

• 解析対象の構造 — コネクタ・ビア等の3D構造ならHFSS/CST/Clarity。PCB配線パターン中心ならSIwave/Sigrity
• 既存のEDAフローとの連携 — CadenceのAllegro環境ならSigrity/Clarityが自然。AnsysのEM環境ならHFSS+SIwave。Keysight VNAを使うならADS
• チャネルシミュレーションとの統合 — SパラメータからIBIS-AMIベースのチャネルシミュレーションまでをワンストップで行えるかどうか。Ansys Channel Design/Cadence SystemSI等

オープンソースではscikit-rf（Python）がSパラメータの読み込み・変換・プロット・キャリブレーションに対応しており、Touchstoneファイルの前処理やカスタム解析スクリプトに重宝する。

先端技術

112 Gbps以上の時代

• 誘電損失（Df）の精度 — ミリ波帯では基板材料のDfが支配的。広帯域Debye/Djordjevic-Sarkarモデルでの記述が必須
• 銅の表面粗さモデル — 導体損失の30-50%が表面粗さ起因。Huray/Hammerstad-Jensenモデルの使い分けが精度を左右する
• EM解析メッシュの爆発 — λ/20メッシュ基準で56 GHzでは要素サイズ0.05 mm以下が必要。HPC並列なしでは実用的な計算時間に収まらない
• PAM4変調への対応 — NRZの2値からPAM4の4値へ。SNRマージンが9.5 dB減り、チャネルの損失バジェットが厳しくなる

機械学習によるSパラメータ補完

• サロゲートモデル — パラメトリックなSパラメータ予測。配線長・誘電率・層構成をパラメータとし、ニューラルネットワークで即座にSパラメータを推定。設計空間探索を数千倍加速
• PINN（Physics-Informed Neural Network） — パッシビティ・因果律をネットワークの損失関数に組み込み、物理的に整合性のあるSパラメータを生成
• ベイズ最適化 — 限られた3D EM解析結果から最適なビア構造やピッチを探索
• GAN（敵対的生成ネットワーク）によるデータ拡張 — 測定データが少ない場合に物理的に妥当なSパラメータデータを生成

ただし、これらはまだ研究段階のものが多く、設計検証には従来の物理ベースEM解析が必須だ。AIは「探索」には使えるが「検証」には（今のところ）信頼性が不十分だね。

トラブルシューティング

Sパラメータ品質の診断

1. パッシビティチェック — 全周波数で固有値 ≤ 1 か？ 違反がある場合は測定 or 解析品質に問題
2. 因果律チェック — IFFT後のインパルス応答が $t < 0$ でゼロか？ 群遅延が負にならないか？
3. 相反性チェック — $|S_{12} - S_{21}|$ が十分小さいか？ 差が大きければポート定義かDe-embeddingにミスがある
4. DC連続性 — $S_{21}(0)$ が物理的に合理的か？ DC結合なら $|S_{21}(0)| \approx 1$、AC結合なら $|S_{21}(0)| = 0$ が正しい
5. 高周波の外挿 — データの最高周波数がビットレートの3倍以上あるか？
6. 周波数点の密度 — 共振ピークを見逃さないだけのサンプリングがあるか？

よくあるエラーと対策