1. 从“听声辨位”到“顺藤摸瓜”：PXF与PAC的本质区别
刚接触Cadence SpectreRF仿真套件的时候，看到PXF和PAC这两个分析选项，很多朋友可能和我当初一样，有点懵。它们看起来都和小信号分析、频率转换有关，菜单也挨着，到底该用哪个？我刚开始也踩过坑，用错了方法，仿真跑得又慢，结果还不是我想要的。后来折腾明白了，其实可以用一个很生活化的比喻来理解：PAC像是“听声辨位”，而PXF则是“顺藤摸瓜”。
想象一下，你站在一个嘈杂的房间里（这个房间就是你的电路，比如一个混频器），房间里有很多人在同时说话，声音混杂。现在，你特别想听清楚其中一个人（我们叫他“小明”）说的每一句话。PAC的做法是：你走到小明面前，只专注听他一个人的声音，然后记录下他的声音在这个嘈杂房间里传播、反射后，最终到达你耳朵里的效果，包括他的原话（基波）以及因为房间回声产生的各种细微回响（边带）。换句话说，PAC关注的是“一个特定的输入信号（小明说话），最终产生了哪些输出成分”。在电路里，这个“特定的输入信号”通常就是你关心的那个RF小信号，PAC会帮你分析，这个信号经过电路的非线性（主要是周期时变的大信号，比如LO）作用后，在输出端产生了哪些频率分量（比如中频IF、镜像频率等）。所以PAC是“1对N”的分析。
那PXF呢？PXF更像是反过来。假设你还是在这个嘈杂的房间里，但这次你耳朵里听到了一段非常清晰、但你不知道是谁发出的声音（比如一段特定的旋律）。你想知道这段声音到底是谁发出来的，或者是由哪几个人的声音混合、转换后产生的。于是PXF会帮你做这件事：它锁定你听到的这段目标声音（输出边带），然后去分析房间里所有可能的说话者（输入端的各种频率成分），计算每一个说话者的声音是如何转换、贡献到你听到的这段目标声音里的。所以PXF关注的是“一个特定的输出成分，是由哪些输入频率产生的”。它是“N对1”的分析。
这个根本性的区别，直接决定了它们的应用场景。举个例子，在设计一个接收机下变频链路时，如果你想知道一个特定的干扰信号（比如一个1.1GHz的spur）经过混频器后，会泄露到中频（比如100MHz）的哪个边带、有多大影响，这时候用PAC就很合适。你设置好干扰信号的频率，PAC会告诉你它在输出端所有频率上的响应。但如果你更关心的是，最终那个100MHz的中频输出信号，它的功率到底有多少是来自我们想要的1GHz RF信号的正向转换，有多少是来自讨厌的镜像频率（900MHz）的泄露，甚至还有多少是来自其他杂散信号的混入，那么PXF就是你的最佳工具。PXF能一次性给出所有可能输入频率到该特定输出频率的转换增益，让你对系统的“纯净度”有一个全局视图。
实测下来，在计算像转换增益（Conversion Gain）、镜像抑制比（Image Rejection）、边带抑制这些关键指标时，PXF通常比PAC更高效、信息也更全面。因为它直接针对你关心的输出指标，把“贡献者”们都找出来并量化了。而PAC更适合做“点对点”的传递函数扫描。所以，简单记：想知道“一个输入进去变成了啥样”，用PAC；想知道“一个输出到底是咋来的”，用PXF。
2. 基石与舞台：为什么PSS仿真如此关键
在深入玩转PXF和PAC之前，我们必须先好好聊聊它们的“舞台搭建者”——PSS（Periodic Steady-State，周期稳态分析）。可以这么说，没有PSS，PXF和PAC几乎无法正常工作（除了极少数基于DC工作点的简单XF分析）。PSS的任务，就是先帮你把电路在大信号周期性激励（比如LO时钟、振荡器自身振荡）下的稳定状态给算出来。
你可以把电路想象成一个秋千。瞬态仿真就像是从静止开始推秋千，你需要模拟它从静止到规律摆动的整个过程，很耗时。而PSS则聪明得多，它直接问：“这个秋千在有人持续规律推动下，最终的稳定摆动状态是怎样的？”它跳过了启动瞬态，直接计算周期稳态的时域波形和频域成分（各次谐波），效率极高。SpectreRF里实现PSS主要有两种核心算法：Harmonic Balance (HB)和Shooting。
HB（谐波平衡）是在频域里解决问题的“学霸”。它把电路中的信号都表示成一系列正弦谐波的叠加（傅里叶级数），然后直接在频域里求解满足电路方程（KCL/KVL）的谐波系数。它的优势是对于波形比较接近正弦、或者非线性程度不特别极端的系统，速度非常快。但它有个小麻烦：你需要事先告诉它，你打算计算到多少次谐波（max harmonic）。设少了，精度不够；设多了，计算量剧增。这里就引出一个关键概念：Beat Frequency（拍频）。当电路有多个不同频率的大信号输入时（比如一个1GHz LO和一个1.001GHz的RF），PSS会以一个基础的、周期性的节奏来求解，这个节奏就是所有输入频率的最大公约数，也就是拍频。上面那个例子，拍频就是1MHz。问题来了，如果你想用HB精确仿真1.001GHz信号的第5次谐波（5.005GHz），由于基波是1MHz，你需要计算到第5005次谐波！这对HB来说计算量就太大了。
这时候，Shooting（打靶法）就该登场了。Shooting是时域方法的“实战派”。它本质上是一种聪明的瞬态仿真：先猜一个周期内的初始状态，跑一个周期的瞬态，看周期结束时的状态和初始状态是否一致（就像打靶是否命中靶心）。如果不一致，就调整初始猜测，再跑，直到命中为止。Shooting对于处理强非线性、波形陡峭（比如方波、开关信号）的系统特别拿手，比如开关电容滤波器、采样保持电路。因为它直接在时域求解，不需要预先指定谐波数量，对于上面那种频率非常接近（导致拍频极低）的多音信号仿真，往往比HB更高效。
那么，PSS-hb和qpss又是啥？简单说，pss-hb是PSS分析器调用HB算法的一种模式。而qpss（准周期稳态）则是为了处理多个非谐波相关频率（比如1GHz和1.1GHz这种非整数倍关系）的大信号而设计的更高级分析。对于大多数单音或谐波相关的周期信号，用PSS（选择HB或Shooting算法）就够了。我个人的经验是：如果电路波形像正弦波，选HB；如果像方波或者有剧烈开关动作，选Shooting。如果拿不准，就两个都试一下，哪个快用哪个。别忘了HB里还有个oversample（过采样因子）参数，对于非正弦波，把它设为4或8，有时比盲目增加谐波数更有效。
3. 深入PXF：不仅仅是转换增益测量
理解了PSS是搭建非线性周期工作点的舞台，我们再来细看PXF这位“侦探”是如何工作的。PXF的全称是Periodic Transfer Function（周期传递函数），顾名思义，它计算的是在周期性大信号工作点（由PSS建立）上的小信号传递函数。
它的工作流程是两步走：第一步是“列名单”，第二步是“算贡献”。假设我们有一个经典的混频器，LO是1GHz，我们关心的中频输出是1MHz。在PXF设置中，我们指定输出频率为1MHz。PXF首先会智能地列出所有可能产生这个1MHz输出的输入频率“嫌疑犯”名单：比如1MHz（直通），999MHz（1GHz - 1MHz，下边带），1001MHz（1GHz + 1MHz，上边带），1999MHz，2001MHz……也就是LO各次谐波附近的和差频。然后，PXF会逐一计算从每一个“嫌疑犯”输入频率到1MHz输出频率的正向转换增益。最终，你会得到一张表格或曲线，清晰地告诉你，你输出的1MHz信号里，有多少是想要的RF信号转换来的（比如1001MHz），有多少是镜像干扰泄露进来的（999MHz），还有多少是其他杂散混进来的。
PXF提供了几种不同的分析模式，对应不同的侦探“任务”：
specialized analysis = none（默认）：这就是最通用的模式，用于测量普通的转换增益、镜像抑制等。这也是我们最常用的模式。specialized analysis = timeaverage：这个模式非常有用，特别是用于分析振荡器或时钟电路。它能测量AM-to-PM（幅度调制到相位调制）和PM-to-AM的转换增益。比如，你想知道电源上的一个微小纹波（幅度扰动）会对VCO的输出相位噪声（相位扰动）产生多大影响，就可以用这个模式。它对于评估电路的电源抑制比（PSRR）对相位噪声的贡献至关重要。specialized analysis = sampled：这个模式比较少用，它测量的是大信号周期中某一个特定时间点（相位）上的瞬时增益。比如在采样开关导通的那一瞬间，电路的增益是多少。这更多用于一些特殊的、需要关注瞬时特性的电路分析。
在实际操作中，运行PXF前必须已经成功运行了PSS分析。PXF会读取PSS计算出的非线性工作点信息（谐波成分或时域波形）。如果你用的是PSS-hb，PXF就基于频域的谐波平衡Jacobian矩阵进行计算；如果你用的是PSS-shooting，PXF则基于时域波形和器件在每个时间点的跨导信息进行计算。两者在理论上结果应该一致，但计算路径不同。
4. 聚焦PAC：精准的“单音”扫描仪
相比之下，PAC（Periodic AC Analysis，周期AC分析）更像一个精准的扫描仪。它的操作逻辑和我们熟悉的DC工作点下的AC分析非常像，只不过它的工作点不是静止的DC点，而是由PSS建立起来的、随时间周期性变化的“轨道”。
PAC分析中，你指定一个输入源和输入频率。然后PAC会在这个单一的输入频率上，施加一个微小的正弦扰动，计算这个扰动经过处于周期时变工作点的线性化电路后，在输出端产生的所有频率分量的响应。结果是一个传递函数矩阵，展示了“这个单一输入频率”到“输出端所有谐波频率”的增益和相位。
所以，PAC非常适合用来：
- 分析一个特定干扰信号的传播路径：比如，想知道电源噪声在某个频率点（比如10MHz）上，是如何调制到RF输出信号的各次谐波边带上的。
- 观察反馈环路的稳定性：虽然不如专门的STB分析直接，但在某些周期时变系统中，可以通过PAC注入信号来观察环路响应。
- 快速查看某个输入对输出的整体影响：当你已经有了一个明确的“嫌疑输入”时，用PAC可以快速看到它的全部“破坏力”分布。
PAC的一个关键设置是maxsideband，它决定了在输出端要计算多少对边带。比如LO是1GHz，你输入一个1MHz的小信号，如果maxsideband设为3，那么PAC会计算输出端在 (1GHz*N ± 1MHz) 的频率点上的响应，其中N从-3到+3。你需要根据电路的非线性强度来合理设置这个值，设得太大会增加不必要的计算量。
5. 实战选择策略：何时用PXF？何时用PAC？
理论说了这么多，到底该怎么选？我结合自己踩过的坑和项目经验，总结了一个简单的决策流程。
场景一：评估接收机/发射机的核心性能指标当你需要评估像转换增益、镜像抑制比、边带抑制比、端口隔离度这类定义明确、关乎系统架构的性能指标时，优先选择PXF。因为PXF直接针对你关心的输出频率（比如中频），给出所有输入频率到它的转换关系，一站式生成你需要的所有数据。用PAC来做这个事会很别扭，你需要手动去扫描多个可能的输入频率，然后从复杂的输出频谱中拼凑出你想要的信息，效率低且容易出错。
场景二：分析已知的、离散的干扰或噪声来源如果你已经通过仿真或经验，知道电路可能存在几个特定的干扰源（比如某个时钟的谐波、电源的开关噪声频率），你想定量分析这些特定频率的干扰对输出信号的影响有多大，会泄露到哪些频点。这时候，PAC是你的好帮手。你可以逐个频率点进行扫描，清晰地看到每个干扰源的“贡献谱”。
场景三：振荡器相位噪声与AM-PM转换分析这是PXF的timeaverage模式大显身手的领域。分析VCO的AM-to-PM噪声转换，即电源噪声、衬底噪声如何转化为相位噪声，必须使用PXF (timeaverage)。PAC无法直接给出AM-to-PM的转换增益。同时，PXF还可以用于确定振荡器仿真中的稳定时间（tstab），这是一个非常实用的功能。
场景四：系统线性度与交调分析（多音信号）对于像IIP3（三阶交调截断点）这类涉及两个或以上输入信号的分析，PXF和PAC都不是首选。它们本质上是线性化的小信号分析（在周期工作点附近线性化），无法直接预测强非线性效应。对于交调分析，你应该使用PSS + Periodic Transfer Function (PXF/PAC) 的“大信号”模式，或者更直接地使用QPSS（准周期稳态）分析来仿真两个靠得很近的RF音，然后观察其互调产物。这是一个高级话题，但记住，经典PXF/PAC是“小信号”分析。
一个简单的记忆口诀：“关心输出从哪来，PXF；关心输入到哪去，PAC；振荡器相位噪声，PXF timeaverage；强非线性交调，去找QPSS。”
最后，在仿真设置上有个小技巧：无论是PXF还是PAC，其精度和速度都极度依赖于前置的PSS分析是否设置正确。PSS的谐波数（maxharmonic）或精度（accuracy default）设置不足，会导致PXF/PAC的结果完全不准确。我一般会先从保守的设置开始（比如accuracy default=conservative），在得到一个可靠结果后，再尝试逐步降低精度或减少谐波数，在保证结果趋势不变的前提下优化仿真速度。仿真器里的tstab（稳定时间）设置也很重要，要确保PSS分析已经跳过了电路的启动瞬态，达到了真正的周期稳态。
)