本文引用Marvell最新论文探讨最近在 DSP 设计方面的创新和权衡，这些创新和权衡使光收发器能够很好的满足数据中心内和数据中心间互连应用日渐增长的带宽需求。

　　人工智能和云计算的爆炸式增长导致数据中心对带宽的需求空前高涨。然而，这种增长正受到数据中心实际供电能力的制约，对可部署的硬件造成了极大的限制。由低功耗数字信号处理（DSP）芯片支持的可插拔光模块被大范围的使用在数据中心的高速互连。如何在保持或降低功耗的同时跟上带宽增长的步伐是一个持续的挑战。

　　本文引用Marvell最新论文探讨最近在DSP设计方面的创新和权衡，这些创新和权衡使光收发器能够很好的满足数据中心内和数据中心间互连应用日渐增长的带宽需求。我们将介绍低功耗DSP架构、前向纠错（FEC）方案和自适应电源管理技术。

　　图1展示了2000年至2024年可插拔光模块的总数据传输率和功耗（归一化为pJ/bit）的演变情况。

　　从简单的不归零（NRZ）到PAM-4（4级脉冲调幅）和相干调制等更先进的方案，多代调制格式都保持了这一趋势。

　　图3.DSP功耗细分：（a）数据中心间的相干功耗；（b）数据中心内的IM/DD功耗。

　　现在，让我们深入探讨为相干（数据中心间）和直接检测（数据中心内）应用设计低功耗DSP的技术。

　　对于相干应用，DSP一定得执行极化解复用、色度色散补偿和载波恢复等复杂任务。一个关键的挑战是如何在高符号率下高效地实现这些功能。

　　自适应均衡器是最耗电的模块之一。传统上，均衡器是以时域FIR滤波器的形式实现的，其复杂性与补偿信道损伤所需的抽头数量呈线性增长。为降低功耗，现代设计通常在频域实现均衡。

　　图5展示了用于相干接收器的频域前馈均衡器（FFE）。这种方法有以下几个优点：

　　1.计算复杂度随抽头数呈对数增长，而不是线.定时恢复可集成到均衡过程中，以此来降低整体复杂度。

　　图6比较了时域和频域滤波的复杂性与抽头数的函数关系。随着抽头数量的增加，频域方法的优势越来越明显。

　　直接检测DSP架构对于使用强度调制/直接检测（IM/DD）的数据中心内应用，可以简化DSP架构。

　　在IM/DD系统中，通常能够使用符号率采样，无需过采样和插值。这就降低了模拟前端和数字信号处理器的功耗。

　　先进的均衡技术，如最大似然序列检测（MLSD），可帮助补偿有限的模拟带宽，并逐步降低模拟级的功耗。

　　图7展示了MLSD在200GPAM-4系统中补偿色度色散的效果。与较简单的均衡技术相比，MLSD方法可明显提高性能。

　　图8显示了MLSD如何在200GPAM-4系统中减轻有限模拟带宽的影响，以此来降低模拟前端的功耗。

　　低功耗前向纠错（FEC）前向纠错对于实现现代光通信系统所需的误码率很重要。然而，前向纠错会消耗DSP功耗预算的很大一部分。让我们来看看低功耗FEC设计的一些方法：

　　SFECL方案采用内层软判定BCH码与外层硬判定里德-所罗门码相结合的连接码。这种方法在性能和功耗之间实现了良好的平衡。

　　基于迭代编织码的OFEC方案性能优越，但代价是复杂性和功耗增加。为了缓解这一问题，解码算法通常分为多个阶段：

　　概率星座整形（PCS）对于下一代1.6T相干收发器，在大多数情况下要进一步降低功耗，特别是在ZR和ZR+应用中。一种很有前景的方法是使用概率星座整形（PCS）。

　　PCS的工作原理是降低传输高能量符号的概率，并利用节省的能量来增加剩余符号之间的距离。这就提高了整体噪声承担接受的能力，并可与收发器别的部分（包括FEC本身）的功耗进行权衡。

　　图10显示了实现PCS的反向串联架构框图。分布匹配器（DM）控制传输符号振幅的概率，而系统FEC编码器则对成形数据来进行操作。

　　自适应电压缩放自适应电压缩放（AVS）是降低数字电路功耗的一项强大技术。这种方法利用了同一制造工艺的不同芯片会因工艺变化而具有不一样性能特征这一事实。

　　图11展示了使用AVS的DSP产品在整个芯片上最佳工作电压的变化。位于晶圆中心的芯片常常要较高的电压，而位于中心周围环形区域的芯片则可以在较低的电压下工作。

　　图12比较了使用和不使用AVS的大量DSP的功耗：（a）显示固定电压假设下的功耗；（b）显示优化AVS控制下的功耗

　　与固定电压设计相比，使用AVS能够更好的降低20%以上的功耗，同时还能通过减少工艺变化的影响来提高产量。

　　结论随着数据中心带宽需求的一直增长，光互联的功率效率慢慢的变重要。本文探讨了降低基于DSP的光收发器功耗的几项关键技术：

　　通过将这一些方法与CMOS技术的慢慢的提升相结合，DSP设计人能继续突破性能极限，同时满足现代数据中心严格的功耗限制。

　　展望未来，要保持光互连中带宽持续不断的增加、单位比特能耗不断降低的显著趋势，就必须对架构、电路设计和制造工艺做全面优化。