对于cell的delay的计算，由于规模的原因，是不可能通过晶体管级仿真进行的。
所以引入了静态时序分析的概念。
而在静态时序分析中，cell delay，是通过查找表并进行插值来得到的，从而大大减少了计算量，提高了工具的运行速度。
对cell delay的表征（characterization），有两种形式。
CCS：composite current source
NLDM：non linear delay model
CCS，已经被引用多年。目前，与nldm一样，已经成为了单元库的标配。
本文将简单介绍一下两种delay model，以及他们的区别。
NLDM
nldm是最早引入的技术。在65nm以及之前，一直是一种可靠的迅速得到cell的delay的方法。
nldm包括 nldm driver model 和 nldm receiver model
NLDM
nldm driver model
nldm表征的是cell的input到ouput的delay值以及输出的transition time。
如图，我们以一个反相器为例，在output load给定的情况下进行仿真的波形。红色的波形代表的是输入的激励，蓝色的波形代表的是通过仿真得到的输出的电压波形。
NLDM driver model characterization
对于电压波形，nldm是通过三个点进行取样。三个点分别为delay threshold，transition threshold （upper & lower）。一个delay threshold指的是电压到 50% VDD的位置。而transition threshold，取值可能有所不同，有的用的是30% 70%，有的是20% 80% 。如果.lib用的组合不同，工具会自动进行换算。
那么图中的反相器的delay值，指的就是output delay threshold与input delay threshold的差值。
而output transition，则是output slop lower thr与output slop upper thr的差值。
那么，这两个值（delay，transition time），就用来构建NLDM driver model。如图所示：
NLDM driver model
在.lib文件中，nldm是一个二维查找表。这个查找表的两个index分别代表的是input transition，output load，如图所示。
对于一个反相器，那么会有四个表格，两个分别表示的是上升沿和下降沿的delay 值， 另外两个则分别是上升沿和下降沿的transition time。
nldm receiver model
NLDM receiver model 是一个简单的电容。当然，上升沿和下降沿的电容是不同的。
nldm 遇到的问题
在65nm之前，NLDM相对准确。但是随着工艺尺寸的减少。金属连线上的电阻变得越来越大。一个典型的问题就是，当电压源内阻Rd远远小于net上的电阻的时候，电压源模型会严重失真。
而对于nldm receiver model，随着工艺尺寸的减少。miller效应越来越明显，单独的一个cap值已经无法正确表征真实情况，而这些效应在STA的计算中又非常的必不可少，尤其对于电阻小的的net尤为明显。
CCS
CCS model 很好的解决NLDM存在的这些问题。
同样，CCS也包括了CCS driver model和 CCS receiver model。
ccs driver model
CCS deiver model表征的是流入load cap的电路值。其参数同样是输入的transiton time以及输出的load。
CCS描述的是一个内部无限的电流源，因此，即使net的电阻非常大的情况，它也可以非常精确。
Figure: CCS (Composite Current Source) Driver Model
在.lib中，对应于不用的input transition以及output load，表中的值也不再是一个定值，而是电流的波形。
ccs receiver model
为了更精确的反应miller电容效应。model中用两个电容C1和C2来进行描述。
如图，在receiver的电压波形到达delay thereshold（50% vdd）之前时，用C1的值，而在到达delay threshold之后，则采用C2值。
Composite Current Source Receiver Model
这种效果怎么样的。这是CCS receiver model和spice仿真的对比图。
CCS vs spice
end
CCS中包括了CCS noise model，CCS power model。我们以后再进行介绍。
————————————————
版权声明：本文为CSDN博主「白山头」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/graymount/article/details/106010388