基于云量子进化算法的SoC测试规划研究

论文摘要

随着集成电路和制造工艺的迅速发展,可以将越来越复杂的功能模块IP（Intellectual Property）核集成到单块芯片上,但功能模块的高度集成和测试资源的稀缺性,使得SoC （system-on-chip）芯片的测试也变得更为复杂?由于每个IP核的规模大小与其数据端口的数目都不一样,而测试总线的数目却一定,为了缩短SoC的测试时间,需在同一时间内尽可能对多个IP核进行并行测试,因此如何将IP核合理分配到不同带宽的测试总线上尤为关键?本文以获得芯片最短的测试时间按为切入点,就SoC测试调度的优化问题展开研究,设计了一种基于云量子进化算法的SoC测试优化方案文章首先研究了SoC测试的相关理论,并着重分析了已有的基于量子进化算法的SoC测试调度数学模型,量子进化算法具有优异的鲁棒性和并行性,能提高算法的寻优能力和最优解的搜索速度,但同时由于量子进化算法采用单一方向量子门进行种群的更新,依旧会使算法易陷于局部最优解?为更好的解决算法早熟问题,通过对新兴起的云模型理论进行研究,根据云模型中云滴具有良好的随机性和稳定倾向性,用云理论来对量子进化算法进行改进,设计了云量子进化算法,并建立其相应的SoC测试数学模型?在考虑功耗约束的条件下,对传统的功耗测试模型进行优化研究,以便能更好的实现SoC测试时间和测试功耗的协同优化?最后,以ITC 02 Test Benchmarks电路为实验对象进行仿真?实验结果表明在解决功耗约束下的SoC测试调度优化问题上,云量子进化算法与已有算法相比,具有更好的寻优能力,缩短了SoC的测试时间.

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状及发展趋势
• 1.2.2 国内测试规划的研究现状
• 1.3 本文主要研究工作
• 1.3.1 研究的内容
• 1.3.2 论文的结构
• 第二章 SOC 测试的相关理论
• 2.1 测试包封 Wrapper
• 2.1.1 IEEE P1500 标准测试包封
• 2.1.2 测试环包封原理
• 2.2 测试访问机制TAM
• 2.3 测试调度
• 2.4 测试功耗
• 2.5 本章小结
• 第三章 功耗约束下SoC 测试调度数学模型
• 3.1 SoC 测试调度数学模型
• 3.2 功耗约束下的SoC 测试调度数学模型
• 3.3 ITC‘02 Test Benchmark 电路分析
• 3.4 本章小结
• 第四章 云量子进化算法在SoC 测试调度优化中的应用研究
• 4.1 云理论研究
• 4.1.1 云的定义及应用范围
• 4.1.2 云模型发生器
• 4.2 量子进化算法的研究
• 4.2.1 量子计算理论
• 4.2.2 量子进化算法
• 4.3 量子进化算法的SoC 测试应用研究
• 4.3.1 多进制编码的量子进化算法
• 4.3.2 QEA 在SoC 调度优化问题的应用
• 4.4 云量子进化算法研究
• 4.5 云量子进化算法的SoC 测试调度优化研究
• 4.5.1 CQEA 的杂交和变异操作
• 4.5.2 CQEA 的测试功耗优化
• 4.6 本章小结
• 第五章 基于云量子进化算法的SoC 测试调度优化实现
• 5.1 量子进化算法对SoC 测试调度优化实现
• 5.2 云量子进化算法对SoC 测试调度优化实现
• 5.3 实验仿真参数设计和结果分析
• 5.3.1 算法参数设计
• 5.3.2 实验结果分析
• 5.4 本章小结
• 第六章 结束语
• 6.1 本文的工作
• 6.2 展望
• 参考文献
• 致谢
• 作者在攻读硕士期间的主要研究成果