排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
数字电路的可靠性有着至关重要的影响,测试是其重要保证,测试向量的自动生成(ATPG)在数字电路的测试中占有重要地位;逻辑表达式图(Boolean Expression Diagrams,BED)是用于逻辑函数与逻辑电路表达与运算一种数据结构,能够将逻辑电路在线性空间复杂度内表达,是二元判决图(Binary Decision Diagrams, BDD)在概念上的推广且保留着BDD的许多有用的性质。讨论了BED的性质与实现方法,并将BED用于逻辑电路呆滞型故障测试向量的自动生成中,基于BED的测试算法直接将原电路与故障电路做异或运算后用BED表达再化简或判断其可满足性,算法能充分使用逻辑代数的化简规则和利用电路与故障电路的相似性。实验结果表明,基于BED的测试方法具有较低的复杂度。 相似文献
2.
3.
4.
基于遗传算法的数字电路测试生成方法 总被引:3,自引:0,他引:3
本文提出了一种基于遗传算法的数字电路测试图形生成方法,首先把被测电路的门级描述转化为易于计算的非线性网络,然后用遗传算法找到网络能量函数的最优解,从而得到被测电路的测试集.这种方法对可测故障都能生成测试,能方便地产生多故障的测试图形,同时具有较好的并行性,易于在多处理机上实现. 相似文献
5.
6.
7.
为在不引入额外的硬件开销以下较短的测试序列获得较高的故障覆盖率,提出一种基于细胞自动机(CA)的数字集成电路加权随机测试方法。该方法利用可测性测度建立反映故障侦查代价的可测性代价函数,对此函数的寻优得到被测电路主输入处的权值,再由一维混合型CA实现了该权值下的随机序列。对标准电路的实验验证了该方法是一种有效的、且便于BIST的应用的测试生成算法。 相似文献
8.
数字电路的最优神经网络模型及建立方法 总被引:7,自引:0,他引:7
本文研究电路的最优神经网络模型,获得了对任意结构的多输入多输出逻辑电路,都存在一种最优神经网络能表征电路的逻辑功能,通过求解一个线性方程组可以得到这种神经网络的结构.文中也给出了多输入基本门电路的最优神经网络结构及其能量函数的一般表达式. 相似文献
9.
本文讨论布尔函数运算的图论实现方法,此方法以BDD为基础,采用图论算法提高布尔函数的运算,可将算法的复杂度从指数型变成多项式型,从而使布尔函数的运算的复杂性发生根本性的变化,从而解决大型数字系统的设计、分析和测试运算中的组合爆炸问题。用图论的方法进行布尔函数的处理的关键是在计算机中建立BDD和化简BDD,本文介绍了一种建立和化简BDD的方法,本文所述方法将BDD作为一种数据结构,在此数据结构上进行布尔函数图论运算。 相似文献
1