随着信号速率的不断提高和对精度的越来越高要求，需要进行
抖动成分的分离以更深入表征抖动特征和查找问题根源。现代（2012年后），大都按下图进行抖动成分的分解。
图1
抖动成分分解图
随机抖动RJ
随机抖动是不能预测的定时噪声，因为它没有可以识别的模式。典型的随机噪声实例是在无线电接收机调谐到没有活动的载频时听到的声音。尽管在理论上随机过程具有任意概率分布，但我们假设随机抖动呈现高斯分布，以建立抖动模型。这种假设的原因之一是，在许多电路中，随机噪声的主要来源是热噪声(也称为 Johnson 噪声或散粒噪声)，而热噪声呈现高斯分布。另一个比较基础的原因是，根据中心极限定理，不管各个噪声源采用什么分布，许多不相关的噪声源的合成效应该接近高斯分布。高斯分布也称为正态分布，但它的一个最重要的特点是：对高斯变量，它可以达到的峰值是无穷大。尽管这种随机变量的大多数样本将会聚集在中间值的周围，但在理论上，任何单一的样本，它可以偏离中间值任意大的量。所以，高斯分布都没有峰到峰边界值，从这种分布中的样本数越多，所测得的峰到峰值将越大。所以，我们用stdev或RMS(均方差)值来衡量随机抖动RJ。
确定性抖动DJ
确定性抖动是可以重复的、可以预测的定时抖动。正因如此，这个抖动的峰到峰值具有上下限，在数量相对较少的观察基础上，通常可以以高置信度观察或预测其边界。DDJ和PJ根据抖动特点和根本成因进一步细分了这类抖动。确定性抖动和随机抖动在统计图上可以用图形象化表示。
RJ和DJ频谱分离法
传统的RJ和DJ的分离方法是频谱分离法，是在频域中获得RJ和PJ，然后在
时域中获得DJ，再计算出ISI和DCD。频谱分离法的关键是选择PJ门限，一般由实验数据得出，通过PJ门限把分离的谱线滤掉，剩余的是RJ频谱，再进行积分即可得到RJrms。
图2
频谱分离法进行RJ和PJ分离
如果频谱类似于白噪声，则RJ分离效果较好，但是如果测量数据不足，则可能出现另外一种情况，如下图所示，则RJ分离就需要仔细考虑。这时候在抖动分析软件中，有两种RJ带宽可供选择：Wide和Narrow。
什么时候选择wide或narrow呢？
如果测量数据量够大，选择Wide即可。但是如果测量数据量较小，选择Narrow更能够保证测量精度。
图3
RJ分离带宽的选择
非周期性抖动ABUJ和高斯尾部拟合分离法
当有串扰出现时，我们会发现浴盆曲线中的测量数据和使用双狄拉克模型仿真的数据交界不平滑或没有交点的情况，这说明抖动分离是不准确的。所以最近改进了抖动分离的方法，增加了非周期性抖动ABUJ，用于衡量串扰或地弹。
图4
传统的频谱分离法和最新的高斯尾部拟合法在分离有串扰情况下的差异
串扰或地弹导致的波形和统计图的变化如下所示，可见传统的频谱分离测量方法不能在有串扰或地弹的情况下精确进行抖动分离，而最新采用的高斯尾部拟合法则很好的解决了这个难题。
图5
串扰或地弹导致的信号的变化即统计图的变化
高斯尾部拟合抖动分离法都在时域中进行，获得抖动统计图，对左边沿和右边沿分布进行高斯拟合，获得RJ。其实，这个实际操作起来并不容易，适当选择拟合窗口是非常关键的。
图6
高斯尾部拟合原理
图7
高斯尾部拟合法误差考虑
