一种基于PLI和Simics的微处理器协同验证平台

面向微处理器验证,构建了一种基于Verilog PLI和Simics模拟器的微处理器验证平台.该平台通过Verilog PLI,利用设计的控制模块将待测微处理器设计模型与Simics模拟器相连,协同自动化比较运行结果.该平台应用在龙腾R处理器的验证中.结果显示该平台有效增加了验证人员对验证过程的可观测性和可控性,具有灵活性高,仿真速度快等特点.     

基于TotalRecall技术ASIC的FPGA原型验证

芯片设计中一个非常重要的环节是验证.随着FPGA技术的迅速发展使基于FPGA的原型验证被广泛的用于ASIC的开发过程,FPGA原型验证是ASIC有效的验证途径,但传统FPGA原型验证的可视性非常差.为了解决传统FPGA原型验证可视性的问题,验证工程师采用了结合TotalRecall技术的FPGA原型验证方法对一款鼠标芯片进行验证.获得该方法不仅能提供100％的可视性,还确保FPGA原型验证以实时硬件速度运行.该方法创新了ASIC的验证方法学.     

一种快速验证FPGA互连线连接正确性的方法

随着FPGA规模的不断增大,互联线验证变得越来越困难。传统互连线验证采用功能仿真的方法,具有仿真速度慢、覆盖率低等不足。基于互连网络比对,设计了一种快速验证FPGA互连线连接正确性的方法。相对于功能仿真验证,该方法可以快速完成FPGA互连线连接正确性的验证,覆盖率高达100%,在保证互连正确的前提下,极大地缩短了设计时间。     

基于Xilinx Vivado HLS的小型无人机平衡仪设计

针对FPGA开发难度大,流程繁琐的问题,提出了一种基于FPGA的飞行控制系统快速开发方法。该方法引进Xilinx Vivado HLS开发工具,首先在ARM平台上设计飞行控制系统,后将代码快速移植到FPGA平台,实现一个完整的四旋翼平衡仪系统。实践验证表明,文中所提方法与传统方法相比,流程更为简便,且易于实现。     

基于FPGA的光纤光斑中心定位算法研究

为了解决传统数字图像处理算法中数据运算量大、复杂度高、耗时长的问题,提出一种基于可编程门阵列（FPGA）光纤光斑中心定位的方法。采用数字信号处理系统,利用开发工具（DSP builder）,设计了光斑图像预处理算法和边缘检测算法,用最小二乘法拟合光斑边界,采用流水线设计,增强了数据处理的并行能力,提高了处理速度。在Cyclone V平台上进行理论分析和实验验证,取得了光斑图像边界、中心坐标数据。结果表明,在保证对光斑中心定位的绝对误差小于0.1pixel的条件下,使用FPGA比计算机运算速度能提高21倍以上。该研究能够在FPGA平台上快速准确定位光斑中心。     

一种高效高速的大容量FPGA电路功能验证方法

对大容量FPGA芯片进行功能验证时,如何提高验证效率以及验证用例的覆盖率已经成为缩短总体产品时间所面临的挑战.针对上述问题,提出了一种高效、高速的大容量FPGA电路验证方法,可以根据验证用例需求,利用FPGA预先配置一定的功能,通过采取不同的配置文件得到最优网表.该验证方法具有灵活动态配置网表功能,可以节省仿真资源80％左右,大幅度缩短仿真时间,仿真器运行速度至少提高20倍,同时可以提高验证效率,最大限度地提高验证电路的覆盖率,能够满足大容量电路功能仿真的需求.该验证方法已成功应用于大容量FPGA电路功能验证工程实践中.     

一种32位MCU的FPGA验证平台

随着应用的复杂化和多样化,微控制器(MCU)设计规模急剧增大,性能要求越来越高。为缩短芯片验证时间,提高验证效率,采用FPGA原型验证平台是一个有效的方法。通过建立基于FPGA的高性能原型验证系统,可及时发现芯片设计中的错误和不足,进而缩短MCU芯片研发周期。以一款通用MCU为研究对象,通过修改时钟系统,替换存储器和综合布局布线设计FPGA验证平台,并利用该平台进行软硬件协同验证,为该芯片的验证工作提供了高效有力的支撑。     

基于mRMR算法的learning-to-rank错误定位

基于learning-to-rank技术构建频谱错误定位模型,从而实现高效的程序错误定位是当前的研究热点.然而,针对不同的程序和错误类型,如何生成有效的程序频谱特征集来训练错误定位模型,成为了极具挑战的问题.针对该问题,应用mRMR算法生成程序频谱特征集,提出一种learning-to-rank的错误定位新方法.该方法应用基因编程自动生成备选可疑度公式集,并利用mRMR算法从中选取一组公式子集,该子集中的可疑度公式具有与程序错误高相关且彼此之间低相关的特性.利用此可疑度公式子集结合程序频谱计算特征值输入机器学习算法,从而构造错误定位模型.实验结果表明,新方法不仅能够提高基于learning-to-rank错误定位的效率,也优于Naish1、Tarantula等传统SBFL方法.     

面向有效错误定位的偶然正确性识别方法

错误定位是软件调试中耗时费力的活动之一。针对偶然正确性影响错误定位效率的问题,提出面向错误定位的偶然正确性识别方法。该方法首先识别偶然正确性元素;然后,挑选“偶然正确性特征元素”,使用该特征元素约简程序执行轨迹;在此基础上,建立基于模糊c均值聚类的偶然正确性识别模型,将其结果应用于错误定位。为验证该方法的有效性,基于3组测试程序开展偶然正确性识别,并将其结果应用于Tarantula等4种错误定位方法。实验结果表明,与基于k-means聚类的偶然正确性识别方法相比,该方法在偶然正确性识别方面具有较低的误报率和漏报率,并且更能提高错误定位的效率。     

基于SystemVerilog的网络处理器验证平台设计

描述了一种基于SystemVerilog的网络处理器验证平台设计.该验证平台基于VMM架构,采用SystemVerilog语言编写所需的验证组件和功能覆盖率代码,并在设计代码中插入断言(SVA),将两者结合起来,能够快速、准确的定位出网络处理器在执行过程中发生的错误,有效对其进行功能验证.