本文討論如何在LTspice仿真中利用flat()、gauss()和mc()函數來實現偽隨機數和真隨機數的生成，并介紹如何使用設置面板的Hacks部分中的Use the clock to reseed the MC generator（使用時鐘重新設置MC生成器的隨機種子）選項。文章探討了偽隨機數和真隨機數之間的利弊權衡，同時比較了蒙特卡羅統(tǒng)計仿真與更有針對性的最壞情況仿真之間的差異。

在LTspice原理圖中，有多種方法可模擬隨機性。LTspice中的flat()、gauss()和mc()函數支持在LTspice仿真中引入隨機性。本文以mc()函數為例，說明如何模擬無源元件值的容差。打開LTspice 后，選擇Help > LTspice Help（“幫助”>“LTspice幫助”，或按F1）可打開《幫助手冊》，了解有關flat()和gauss()的更多信息。

圖1中的示例使用mc()來設置R1和C1的標稱值和容差。例如，R1的標稱值為10 kΩ，容差為5%。mc(x,y)函數將生成在x*(1-y)和x*(1+y)之間均勻分布的偽隨機數。請繼續(xù)閱讀，深入了解偽隨機數和真隨機數之間的區(qū)別，以及如何強制LTspice生成真隨機數。.STEP指令用于指示LTspice運行仿真的迭代次數。在下面的示例中，.STEP指令以1為增量將一個虛擬參數從1逐步增加到100，從而進行100 次仿真運行，其中R1和C1的值都是隨機生成。

圖1. RC電路使用mc()來設置無源元件的值和容差

觀察mc()函數在每一步迭代中的行為：圖2顯示了一個僅使用電壓源的簡單示例。此示例使用mc()將標稱電壓設置為10 V，并將容差設置為100%。因此，預計將得到一個在0 V和20 V之間均勻分布的電壓。從波形查看器和SPICE輸出日志中的結果可以看到，在10次迭代中，電壓變化范圍是2.7 V至19.92 V，分布并不完全均勻，但更多次迭代將有助于確保結果在統(tǒng)計上更加合理。

圖2. 電壓源使用mc()生成隨機電壓

我們不妨更仔細地觀察，并反復運行這個仿真。在這些仿真過程中，數值是否發(fā)生了變化？在我的計算機上，每次運行仿真時，每一步迭代都得到相同的電壓值。這稱得上“隨機”嗎？

您所看到的是代碼和計算機在生成隨機數時的典型表現。編程語言中的隨機數生成器有一個與之關聯的可選seed()方法。想要獲得真隨機數（即每次運行程序時得到不同的隨機數），需要調用seed()方法，并為其指定動態(tài)變化的種子值。通常，程序員會將當前系統(tǒng)時間傳遞給seed()方法來實現這種隨機性。

這與我們的LTspice仿真有何關系？如果希望每次運行仿真時獲得不同的隨機值，則必須在設置面板的Hacks部分中啟用Use the clock to reseed the MC generator選項（參見圖3）。

圖3. LTspice設置面板的Hacks選項卡，顯示了如何實現真隨機性

此Use the clock to reseed the MC generator選項也適用于flat()和gauss()函數。這些函數可以用在mc()所使用的地方。

不過，請慎重考慮否是需要刻意實現這種仿真行為。您希望仿真過程是真隨機的嗎？倘若如此，您的仿真將失去可預測性和可重復性。

為了說明這一點，讓我們回顧圖2中的示例。如果目標是模擬一個在0 V和20 V之間均勻分布的電壓呢？當前的示例不太符合預期。然而，通過將迭代次數從10次增加到100次，我們可以使仿真結果更接近目標（圖4）。這種調整使得仿真更接近實現預期的分布范圍。

圖4. 使用mc()且迭代更多次數的電壓源

現在有兩點已經很明確：(a)mc()迭代運行100次，便能得到一個相當好的數值分布；(b)如果不啟用reseed the MC generator（重新設置MC生成器的隨機種子）功能，則每次運行仿真將得到可重復的結果。

如果電路中多處使用mc()呢？能否保證通過100次迭代能夠覆蓋所有容差？圖5展現了這一嘗試，其中顯示了兩個使用mc()的電壓源。將V(out1)作為y軸、V(out2)作為x軸進行繪圖，可以清楚地看到，V1和V2的組合呈現出高度隨機的坐標分布（右鍵單擊x軸標題，將x軸從步進虛擬參數更改為V(out2)）。但從技術上講，這些電壓的最小值和最大值并非同時達到，導致極端（角落）情況的覆蓋有些不足。

圖5. 繪制一次仿真中兩個mc()電壓的結果

如果目標是接近完全覆蓋，則需要更多次迭代（圖6）。

圖6. 繪制更多次迭代的結果

對于這個簡單的例子，仿真運行速度相當快，即便運行1000次也毫無問題。但如果仿真運行時間很長，運行多次迭代需要數小時或數天時間呢？應考慮啟用Use the clock to reseed the MC generator選項是否有幫助。如果在一次仿真運行中，mc()生成的值令人滿意，那么接下來的目標是讓這些結果在每次運行時可重復，還是隨機變化呢？啟用此項功能之前，這是一個值得考慮的好問題。

為了大幅縮短仿真時間，我們來看一種相對不太隨機的方法。

圖7所示的例子確保了仿真能夠覆蓋無源元件容差的所有邊緣情況，同時保持總體仿真時間盡可能短。這個例子遍歷了R1的三個值和C1的三個值，進行了九次仿真，并覆蓋了元件值同時達到最小值（或最大值）的情形。

圖7. 設置元件的特定值以模擬容差導致的行為

如果目標是探索電路在極端工況下的行為，則相對不太隨機的方法可能更為合適。相反，如果目標是對仿真在一系列變化下的行為進行統(tǒng)計分析，則使用大量仿真并通過隨機函數引入隨機性可能是更好的方法。但無論哪種情況，您現在應該已經對如何在LTspice仿真中引入（或不引入）隨機性有了更好的理解。