模拟验证中的激励产生与覆盖评估
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-13页 |
| 插图目录 | 第13-15页 |
| 表格目录 | 第15-16页 |
| 第一章 引言 | 第16-26页 |
| ·研究背景 | 第16-19页 |
| ·研究现状 | 第19-22页 |
| ·模拟验证中的激励生成 | 第19-20页 |
| ·模拟验证中的覆盖评估 | 第20-22页 |
| ·本文的工作 | 第22-23页 |
| ·本文的组织结构 | 第23-26页 |
| 第二章 集成电路设计验证综述 | 第26-46页 |
| ·形式验证方法 | 第26-31页 |
| ·等价性检验 | 第26-28页 |
| ·模型检验 | 第28-30页 |
| ·定理证明 | 第30-31页 |
| ·模拟验证 | 第31-44页 |
| ·模拟验证方法 | 第31-32页 |
| ·激励生成方法 | 第32-38页 |
| ·利用测试向量的方法 | 第32-33页 |
| ·基于错误模型的激励生成 | 第33-34页 |
| ·利用层次化结构的激励生成 | 第34-35页 |
| ·基于模拟的激励生成 | 第35-36页 |
| ·基于电路行为描述的激励生成 | 第36-37页 |
| ·各类激励生成方法的分析和比较 | 第37-38页 |
| ·覆盖评估方法 | 第38-44页 |
| ·覆盖评估的意义 | 第38-39页 |
| ·代码覆盖准则 | 第39-40页 |
| ·电路结构覆盖准则 | 第40页 |
| ·有限状态机覆盖准则 | 第40-41页 |
| ·错误模型覆盖准则 | 第41-42页 |
| ·可观测性覆盖评估准则 | 第42-44页 |
| ·半形式化方法 | 第44-45页 |
| ·覆盖率驱动与形式化方法相结合的验证方法 | 第44-45页 |
| ·符号模拟 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第三章 硬件描述语言与RTL行为描述 | 第46-62页 |
| ·硬件描述语言的产生与特点 | 第46-51页 |
| ·产生背景 | 第46-47页 |
| ·描述特性 | 第47-51页 |
| ·电路的抽象层次与描述风格 | 第47-48页 |
| ·变量与赋值 | 第48-49页 |
| ·串行语句与并行语句 | 第49-50页 |
| ·描述能力及其他特性 | 第50-51页 |
| ·RTL行为描述 | 第51-56页 |
| ·语法、语义限制 | 第52页 |
| ·进程分析 | 第52-56页 |
| ·组合进程 | 第53-54页 |
| ·时钟进程 | 第54-55页 |
| ·其它进程 | 第55-56页 |
| ·RTL行为模型 | 第56-61页 |
| ·过程性语句分析 | 第57-59页 |
| ·进程控制树 | 第59-60页 |
| ·数据流向图 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 可观测性信息模型 | 第62-76页 |
| ·逻辑级的可观测性度量 | 第62-67页 |
| ·问题起源 | 第62-63页 |
| ·Stephenson度量 | 第63-64页 |
| ·Goldstein度量 | 第64-67页 |
| ·高层次可观测性分析 | 第67-70页 |
| ·相关定义 | 第67-68页 |
| ·已有的可观测性信息模型与分析方法 | 第68-70页 |
| ·RTL可观测性信息模型 | 第70-73页 |
| ·增强型进程控制树与数据流向图 | 第70-71页 |
| ·控制?观测链 | 第71-72页 |
| ·可观测性的形式化定义 | 第72-73页 |
| ·本章小结 | 第73-76页 |
| 第五章 RTL可观测性覆盖评估方法 | 第76-84页 |
| ·可观测性覆盖分析算法 | 第76-80页 |
| ·算法实现框架 | 第76页 |
| ·电路的行为模拟 | 第76-78页 |
| ·可观测性分析过程 | 第78-79页 |
| ·可观测性覆盖率的计算 | 第79-80页 |
| ·实验结果及分析 | 第80-82页 |
| ·不同覆盖评估准则的比较 | 第80-81页 |
| ·不同覆盖评估算法的比较 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第六章 基于可观测性覆盖评估准则的激励生成 | 第84-98页 |
| ·无回溯的激励生成思路 | 第84-87页 |
| ·回溯的概念与产生原因 | 第84-86页 |
| ·避免回溯的可能性 | 第86-87页 |
| ·基于可观测性覆盖评估准则的激励生成方法 | 第87-94页 |
| ·无回溯的激励生成方案 | 第87页 |
| ·请求响应算法 | 第87-91页 |
| ·激励生成过程 | 第91-93页 |
| ·停止判断机制 | 第93-94页 |
| ·选择阈值 | 第94页 |
| ·实验结果及分析 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第七章 基于混合遗传算法的RTL激励生成 | 第98-120页 |
| ·遗传算法 | 第98-106页 |
| ·遗传算法的起源和发展 | 第98-99页 |
| ·遗传算法的基本结构 | 第99-100页 |
| ·遗传算法的技术要点 | 第100-104页 |
| ·编码方法 | 第100-101页 |
| ·初始种群的设定 | 第101页 |
| ·适值函数 | 第101页 |
| ·遗传算子 | 第101-103页 |
| ·参数设定 | 第103页 |
| ·终止标准 | 第103-104页 |
| ·遗传算法的特点 | 第104-105页 |
| ·研究热点与发展动向 | 第105-106页 |
| ·基于模拟的激励生成与遗传算法 | 第106-107页 |
| ·基于混合遗传算法的RTL激励生成方法 | 第107-116页 |
| ·遗传算法的改进方法 | 第107页 |
| ·RTL模型 | 第107-108页 |
| ·系统实现框架 | 第108-110页 |
| ·遗传算法设计 | 第110-114页 |
| ·适值函数 | 第110-112页 |
| ·种群中的基因 | 第112-113页 |
| ·参数分析与设定 | 第113-114页 |
| ·局部优化 | 第114-115页 |
| ·系统复位与停止机制 | 第115-116页 |
| ·实验结果分析 | 第116-118页 |
| ·本章小结 | 第118-120页 |
| 第八章 结束语 | 第120-124页 |
| ·本文的主要贡献 | 第120-122页 |
| ·可观测性信息模型 | 第120-121页 |
| ·可观测性覆盖分析方法 | 第121页 |
| ·基于可观测性覆盖评估准则的激励生成方法 | 第121-122页 |
| ·基于混合遗传算法的RTL激励生成方法 | 第122页 |
| ·存在的问题和将来的工作 | 第122-124页 |
| 参考文献 | 第124-139页 |
| 致谢 | 第139-140页 |
| 作者简历 | 第140-141页 |
