摘要 | 第1-7页 |
Abstract | 第7-9页 |
目录 | 第9-12页 |
第一章 绪论 | 第12-19页 |
·数字电路测试生成的发展 | 第12-14页 |
·研究目标及意义 | 第14-17页 |
·研究内容和结构安排 | 第17-19页 |
第二章 基于模拟的自动测试生成 | 第19-44页 |
·基于模拟的自动测试生成过程 | 第19-20页 |
·故障模型 | 第20-23页 |
·引言 | 第20-21页 |
·故障模型 | 第21-23页 |
·预处理技术 | 第23-28页 |
·生成被测电路的目标故障表 | 第23-24页 |
·可测性分析 | 第24-28页 |
·故障模拟器 | 第28-44页 |
·引言 | 第29-30页 |
·HOPE的技术分析 | 第30-36页 |
·HOPE的特点 | 第36-43页 |
·小结 | 第43-44页 |
第三章 基于蚂蚁算法的同步时序电路初始化研究 | 第44-58页 |
·引言 | 第44页 |
·蚂蚁算法的基本原理 | 第44-48页 |
·蚂蚁算法的基本原理 | 第44-46页 |
·规则定义 | 第46-47页 |
·蚂蚁算法的实现步骤 | 第47-48页 |
·时序电路初始化方法 | 第48-51页 |
·基于蚂蚁算法的同步时序电路初始化 | 第51-54页 |
·算法描述 | 第51-52页 |
·规则定义 | 第52-53页 |
·算法的实现步骤 | 第53-54页 |
·实验结果 | 第54-56页 |
·结论 | 第56-58页 |
第四章 基于蚂蚁算法和遗传算法交叉的时序电路初始化 | 第58-69页 |
·引言 | 第58页 |
·遗传算法概述 | 第58-64页 |
·遗传算法的发展过程 | 第58页 |
·遗传算法的基本原理 | 第58-62页 |
·GA的收敛性 | 第62-63页 |
·遗传算法的特点 | 第63-64页 |
·基于蚂蚁算法和遗传算法交叉的时序电路初始化 | 第64-65页 |
·时序电路初始化算法描述 | 第64页 |
·遗传算法的组成因子 | 第64-65页 |
·实验结果 | 第65-68页 |
·结论 | 第68-69页 |
第五章 基于蚂蚁算法的时序电路测试矢量生成 | 第69-84页 |
·引言 | 第69页 |
·基于蚂蚁算法的时序电路测试矢量生成 | 第69-79页 |
·算法描述 | 第69页 |
·规则定义 | 第69-71页 |
·算法实现框图 | 第71-73页 |
·基于蚂蚁算法的ATPG实现过程 | 第73页 |
·测试生成实例 | 第73-79页 |
·实验结果 | 第79-83页 |
·小结 | 第83-84页 |
第六章 基于遗传算法的测试矢量动态压缩研究 | 第84-91页 |
·引言 | 第84页 |
·遗传算法在测试矢量动态压缩中的实现 | 第84-89页 |
·基于蚂蚁算法和GA的测试矢量生成流程 | 第85页 |
·遗传算法在测试矢量生成中的实现 | 第85-87页 |
·算法的实现步骤 | 第87-88页 |
·遗传算法的组成因子 | 第88-89页 |
·实验结果 | 第89-90页 |
·小结 | 第90-91页 |
第七章 MCM互连测试中的神经网络模型研究 | 第91-114页 |
·互连测试方法 | 第91-92页 |
·互连故障模型 | 第92-93页 |
·互连测试神经网络模型研究 | 第93-108页 |
·符号定义 | 第93页 |
·互连结点正常状态的神经网络模型 | 第93-97页 |
·两互连结点固定型故障的神经网络模型 | 第97-100页 |
·两个网络间桥接故障的神经网络模型 | 第100-107页 |
·断路故障的神经网络模型 | 第107-108页 |
·被测互连网络的神经网络模型 | 第108-110页 |
·正常态的互连网络NN模型 | 第108页 |
·故障态的互连网络NN模型 | 第108-109页 |
·多扇出结构的互连网络NN模型 | 第109-110页 |
·神经网络在互连测试中的应用途径和方法 | 第110-113页 |
·神经网络用于互连故障的测试生成 | 第110-112页 |
·神经网络用于互连测试的故障模拟 | 第112-113页 |
·小结 | 第113-114页 |
第八章 结束语 | 第114-116页 |
参考文献 | 第116-125页 |
致谢 | 第125-126页 |
个人简历、在学期间的研究成果及发表的学术论文 | 第126-128页 |