强大的调试和CDC报道机制抖动使用最好的静态验证和仿真。
Himanshu Bhatt和帕拉斯Mal耆那教的
检测和调试深度顺序CDC收敛使用结构性疾病预防控制中心验证是极其困难的,因为做一个平面在大型设计分析能力相关的挑战,即使验证工具可以完成分析,它变成了一场噩梦调试违反与复杂的时序逻辑。因此出现需要动态疾控中心验证使用亚稳定性注入(CDC抖动)在模拟机制。传统的设计师使用RTL宏模型CDC抖动面临多重挑战如下所列:
因此,需要一个先进的和本地CDC抖动的方法来克服上述限制。这个博客描述解决方案,旨在提供一个非常强大的调试和保险机制使用最好的静态和模拟。
亚稳定性问题
亚稳度
在上面的图中,有一个路径时钟C1和C2和这两个时钟之间是异步的。时钟C2边缘可以随时对C1由于没有定义这些时钟之间的关系。当输出变化非常接近C2过渡违反设置/保存时间,它会引起亚稳态,从而导致输出M非命定论的。这亚稳定性会导致芯片失败。芯片设计者添加某个消除亚稳定性的影响。当等多个下游某个收敛的逻辑,它可能导致数据一致性由于周期的不确定性。让我们了解更多的细节在下面部分。
结构收敛检查的挑战
在下面的示例中,假定D1和D2两个源信号同步在同一时钟域,以避免亚稳态。但仍有周期的不确定性,由于Sync1和Sync2可能解决不同的值为一个周期。
让我们假设S1和S2都从0 e 1。然而,由于周期的不确定性,Sync1收到旧值(0)和Sync2接收新值(1)预期的转变是00 e。11日,然而实际的过渡变得00 e 01。假定下游逻辑处理这些转变是一个状态机。可能知道如何处理“00”或“十一”过渡,但可能不知道如何处理“01”过渡所以认为这种转变是非法的。这将导致功能衰竭的设计。
收敛,另一个具有挑战性的疾病预防控制中心的问题
结构中心验证成为深度序列收敛的不足设计由于性能和调试的挑战。设计师使用多种解决方案来克服这些收敛性验证的挑战。传统上他们使用RTL宏,注入随机延迟疾病预防控制中心路径模拟亚稳定性。基于这些注射延迟,测试向量是运行和功能故障(如果有的话)在这些测试运行进行了分析。
与这些传统抖动解决方案的挑战是,延迟注入可能并不准确。数据延迟期间注射可以改变同步或数据可能不会改变接近时钟边缘。调试测试失败是由于这些延迟注射相当乏味。同样,没有数据测试向量的鲁棒性。
疾控中心动态抖动验证
疾控中心动态抖动验证解决方案为中心生成更好的控制信号抖动注入模型收敛。下面是Synopsys对此流动态CDC抖动验证:
Synopsys对此动态CDC抖动验证
此流使用CDC抖动分析使用静态验证和仿真。本质上的静态工具生成的数据库包含了疾控中心的亚稳定性模型插入抖动分析。然后使用这个抖动数据库通过本机集成模拟仿真设置所需的最小变化。
下面是使用这个流的优点:
总结
传统的疾病预防控制中心抖动的解决方案缺乏准确性和单调乏味的调试。Synopsys对此提供了动态CDC抖动验证,它提供了改善威尔第调试,增强报告报道,用更少的噪音和简单的VC SpyGlass静态和VCS仿真工具之间的集成。更多地了解Synopsys对此疾病预防控制中心抖动,注册网络研讨会在这里。
帕拉斯Mal耆那教的是疾病预防控制中心和署约束产品研发主任Synopsys对此。他一直领先疾控中心产品15年。他有一位计算机科学学士学位,Pilani(印度)和总部位于山景城。
|
|
|
|
|
|
|
|
|
|
留下一个回复