SONET标准指出，“抖动被定义为数字信号的重要瞬间从其理想时间位置的短期变化。例如，重要时刻可能是最佳采样时刻。”光纤通道标准简单地将抖动定义为“与事件理想时间的偏差”。

简而言之，术语“抖动”描述了系统中的定时误差。在通信系统中，抖动的积累最终会导致数据错误。

对系统用户最有价值的参数是这些数据错误发生的频率，通常称为误码率(BER)。稍后我们将更详细地讨论BER。

首先是一些定义。基本的抖动类型和定义如下表1所示。一些抖动类型有许多常用术语来描述相同的测量。还有一些术语描述了相同抖动类型的不同测量方法。如果使用多个术语来描述相同的抖动类型，则将这些术语列在一起。

抖动是如何导致数据错误的?

通过对特定时刻的数据信号进行采样，从串行数据流中提取信息。理想情况下，这些采样时刻总是发生在数据位时间的中心，在两个相邻边缘过渡点之间等距离。抖动的存在改变了相对于采样点的边缘位置。当数据边落在采样瞬间的错误一侧时，就会发生错误。

如表1所示，总抖动可以表示为任意特定误差概率值下的确定性抖动和随机抖动的若干个标准差之和。随机抖动在上面定义为可以用高斯概率分布来描述的抖动。高斯分布的均值是对称的。一个标准差(1西格马)被定义为包含68.26%的总体在均值一侧的窗口。表2列出了西格马的倍数及其在总人口中所占的比例。

确定性抖动和随机抖动之和的结果是另一种概率分布，图1显示了一个示例。该分布根据时序误差大小绘制概率，其特征是具有中心部分，表示确定性抖动内容，外部部分是(随机抖动)高斯分布的尾部。所示的分布形状称为双峰响应。

将图1所示的抖动概率分布添加到数据流中，可以有效地调制相对于采样瞬间的数据边缘位置。如图2所示，它显示了一个理想的眼图，在数据过渡点上叠加了概率直方图。与采样瞬间相关的数据错误的概率是第一次数据转换到达过晚或第二次数据转换到达过早的概率的总和。该概率由图2中采样点曲线下的阴影部分表示。

要找到发生数据错误的概率，任何数据边出错的概率之和必须乘以实际发生转换的概率。后者由平均跃迁密度表示，并假设为典型数据流的50%。

举个例子，考虑一个总确定性抖动0.3 up -p(包括所有非高斯时序误差源)和随机抖动0.05UI rms的数据流。最大允许抖动为1up -p;这是一个理想的接收器在发生错误之前所能容忍的抖动量(见下面的注释)。用方程1的表达式

DJ(pk) + n × RJ(rms) = TJ(pk)

代入TJ = 0.5UI(pk)， DJ = 0.15UI(pk)， RJ = 0.05UI(rms)，得到n = 7。这是将产生数据误差的随机抖动的标准差(西格马)的数目。对于高斯分布，1.28 × 10(-10)%的样本位于平均值一侧的7西格马极限之外。总错误率(BER)由公式2给出。

数量=(1.28×10(10-)% + 1.28×10(10-)%)×50% = 1.28×10 (-10)%

方程2的结果对应于1.28 × 10(-12)的误码率。

从±1西格马到±10西格马的随机抖动限值对应的误码率如下表3所示。

请注意:在特定的误码率下允许的最大抖动值通常由系统规格或系统要求与之兼容的通信标准规定。最大允许抖动通常指定在低于1UI的水平。