基于可测性分析和支持向量机的模拟电路故障诊断

针对低可测性模拟电路的测试问题,提出了一种模拟电路故障诊断的新方法.该方法首先计算被测电路的可测性,利用可测性提供的信息对被测电路进行模糊组划分,组成可诊断的元件集,并引入支持向量机完成对故障的分类识别.可测性分析理论上确定了被测电路可诊断的元件集,支持向量机结构简单,泛化能力强,以模拟和混合信号测试标准电路的实验结果证明了基于可测性分析和支持向量机的模拟电路故障诊断方法是有效的,其故障诊断率大于99%.     

减少数字集成电路测试时间的扫描链配置

研究了通过扫描链配置缩短数字集成电路测试时间问题。利用图论中的极大独立集来描述被测电路主输入的结构无关性。通过结构无关主输入共用扫描寄存器,以缩短扫描链长度进而减少扫描测试时间。提出了利用被测电路主输出可控性来分配一主输入至某一共用扫描寄存器的主输入组,直至形成一个极大组,这改进了利用被测电路测试集信息处理同样问题的方法[1]。还分析了在多输出有扇出电路中插入内置扫描单元,以增大结构无关输入的实现方法。对国际标准电路的实验证明了该方法是减少数字集成电路扫描测试时间的一条有效途径。     

基于加法生成器的低功耗测试

本文提出了一种基于算术加法生成器的测试或内建自测试的低功耗测试方法。该方法对原测试矢量进行伪格雷码编码,优化被测电路的开关活动率,从而实现低功耗测试。8位行波进位加法器和16位超前进位加法器的实验分析表明,编码后的测试矢量显著地降低了被测电路的开关活动率;基于FPGA的实验结果表明,对于8位行波进位加法器,该方法将电路的平均动态功耗降低了15．282%,对于16位超前进位加法器,则降低了12．21%。该测试方法能侦测到被测电路基本组成单元的任意组合失效;由于原电路中加法器的复用,该测试方法可将测试硬件开销降至最小,但不会降低测试性能。     

基于智能代理者和神经网络的数字电路故障诊断

介绍了一种对板级数字电路多个故障同时进行智能诊断的新方法.该法融合了智能代理和神经网络两种技术的优点,前者是根据专家经验,通过对电路板自动测试的结果进行分析实现电路故障的快速定位,而后者则利用被测电路所对应的约束电路神经网络模型快速实现故障的完备测试集.该法在板级数字电路的多故障并行诊断方面具有较高的智能性和实用性.     

混合信号集成电路测试中的约束条件分析

对于混合信号集成电路来说,其模拟和数字部分之间存在相互关联,如模拟输出控制数字输入.为了测试出电路中的呆滞型故障,需要考虑对模拟输入的约束要求.本文根据被测电路的测试矢量集,分析混合信号集成电路测试中所需的限制条件并给出相应的模拟激励.     

基于分治策略的加法器测试向量生成技术

为应对数据通道测试中向量生成计算复杂度的日益增长,针对加法器进行研究,提出了一种基于分治策略的加法器测试向量生成技术。首先将被测加法器电路分解为并发模块和顺序模块,分别生成对应这些模块故障全覆盖的测试向量子集,再将他们的输入信号映射为被测加法器电路的基本输入,经去除冗余向量后得到完整的测试向量集。给出的实验结果表明了该技术能有效地降低加法器测试向量生成的计算量,特别对于大规模加法器电路的测试生成,其效果更佳。     

基于GASA的最小测试集求取的研究

近年来发展的离散事件系统(DES)理论可提供一种统一的对数模混合电路中数字电路和模拟电路测试都有效的方法.对基于DES理论的可测试性研究中电路最小测试集的求取问题,提出了一种运用GASA混合策略的组合优化方法,并对进一步的研究工作进行了展望.     

基于神经网络的电路多故障测试及并行实现

对数字电路的多故障测试生成,首先构造被测电路的约束电路结构,并建立测试生成的神经网络模型,然后采用遗传进化算法计算约束电路对应神经网络能量函数的最小值点而获得给定多故障的测试矢量,该方法具有易于实现和有良好的内在并行性等特点.同时给出了算法的并行实现方案.     

数字集成电路的混合模式内建自测试方法

为以较少的硬件和测试时间开销获得对被测电路测试集的完全覆盖，提出一种基于扫描的数字集成电路混合模式内建自测试方法。通过对用作伪随机测试激励的线性反馈移位寄存器（LFSR）的结构和初态的选择以提高故障覆盖率和减少测试时间，对上述伪随机测试中未能覆盖的故障，采用一种不用存储来生成确定性测试矢量的方法。对标准电路的实验证明可获得较高的测试效率，特别适合数字集成电路的内建自测试。     

低成本精确测量A/D动态参数的方法

本文为A/D动态参数的测试提出了采用低精度激励正弦信号源进行测试的方法.基于被测ADC的特性参数与激励信号源之间的关系,通过简单的压分电路,建立起分压前后激励信号之间的联系,从而可准确估计出激励信号源的参数,进而估计出高精度和高准确度被测ADC动态参数.理论分析和仿真结果表明此方法的有效性和可行性.