多核处理器功能验证的测试平台优化和激励生成技术

摘要

在人们日益增长的需求的推动下，集成电路技术迅速发展。中央处理器作为超大规模集成电路的典型代表，为了追求更高的性能，在制造工艺的推动下，规模和复杂性越来越高。进入深亚微米工艺后，漏电功耗导致处理器的性能无法再依赖制造工艺进一步提升。于是，多核处理器集成多个核心来提升计算性能，这使处理器的规模和复杂性进一步升高。随着处理器规模和复杂性不断上升，同时产品设计周期缩短，功能验证成了产品研发过程中的瓶颈。
　　在验证环境中，测试平台是验证的基础，决定了验证的质量;激励是仿真的驱动，决定了验证的效率。为了优化验证环境，提高验证工作的质量和效率，本文针对测试平台优化和激励生成进行了以下两方面的研究:
　　1)基于变异分析技术的测试平台优化技术。该技术通过在变异分析过程中分析覆盖模型和检查器之间行为的一致性，找出测试平台中两个主要部件（覆盖模型和检查器）中的缺陷，进而系统性的改善整个测试平台的质量，最终提高验证工作的质量。
　　2)基于数据挖掘技术的激励生成技术。该技术通过对已有的大量测试用例和仿真结果进行分析，应用数据挖掘技术提取出激励中能有效提升覆盖率结果的指令序列的共有性质，然后在生成新激励的过程中重用提取出的性质，从而增强激励驱动覆盖事件的能力，加速覆盖率的增长，最终提高验证工作的效率。同时本文提出了两项技术用于改善数据挖掘过程的效率和质量:第一项是基于标签的定位技术，用于快速而准确地在测试用例中找到有用的指令序列;第二项是基于差异性的规则组合技术，用于提高组合两条规则时的效率。
　　实验结果说明本文提出的方法和技术有效地提高了验证工作的质量和效率。

目录

声明

致谢

摘要

图目录

表目录

1 绪论

1．1 课题背景与意义

1．2 验证方法简介

1．2．1 模拟仿真简介

1．2．2 形式验证简介

1．3 主要内容及创新点

1．3．1 测试平台优化的挑战

1．3．2 激励生成的挑战

1．3．3 本文的创新点

1．4 章节安排

2 研究现状

2．1 测试平台优化技术研究现状

2．2 定向激励生成技术研究现状

2．3 随机激励生成技术研究现状

3 基于变异分析的测试平台优化技术

3．1 变异分析简介

3．2 测试平台优化技术

3．2．1 基本方法

3．2．2 优化覆盖模型

3．2．3 优化检查器

3．2．4 量化测试平台质量

3．2．5 测试平台优化流程

3．3 实验结果与分析

3．3．1 实验环境

3．3．2 互联模块随机激励实验

3．3．3 互联模块定向激励实验

3．3．4 处理器实验

3．4 本章小结

4 基于数据挖掘技术的激励生成技术

4．1 数据挖掘简介

4．2 激励生成方法

4．2．1 第一步，建立片段数据库

4．2．2 第二步，建立特征向量数据库

4．2．3 第三步，建立规则数据库

4．2．4 第四步，规则重用

4．3 基于标签的定位技术

4．4 基于差异性的规则组合技术

4．5 实验结果与分析

4．5．1 实验环境

4．5．2 实验结果

4．5．3 对TBLT技术的分析

4．5．4 对DBRCT技术的分析

4．5．5 对IPE(Instruction number per Event)的分析

4．6 本章小结

5 总结与展望

5．1 工作总结

5．2 工作展望

参考文献

攻读学位期间主要的研究成果