论文部分内容阅读
摩尔定律的不断延续给集成电路测试带来了巨大挑战。目前,数字集成电路测试需要处理的数据量非常庞大,这使得一些传统的测试方法逐渐失去了实用价值。测试成本在产品生存期总成本中所占的比重越来越大,甚至超过了研究、设计和制造成本。电路测试生成理论与技术已明显滞后于市场需求,成为妨碍集成电路实际生产和应用中的瓶颈问题。如何提高测试质量、降低测试成本是当前集成电路测试亟待解决的问题。 组合逻辑电路的测试生成问题属于NP难问题,测试生成所需的计算资源随电路规模的增加而呈指数膨胀。因此如何在现有计算资源条件下,对测试生成问题进行有效求解,成为组合电路测试生成所面临的主要问题。 为了提高测试的故障覆盖率、减少测试生成时间、降低测试集的规模,本文以固定型故障为测试目标,以新兴的进化计算方法——概率分布估计算法为工具,对组合电路的测试生成方法进行了研究。本文的主要研究内容和所取得的研究成果如下: 1.针对约束优化问题,本文根据概率分布估计算法的特点,提出了一种基于概率模型的约束处理方法。该方法利用概率分布估计算法中变量的概率分布为导向,引导不满足约束条件的个体进入可行解区域。仿真实验研究表明,该方法能较好的抑制约束条件对概率分布估计算法中有效进化模式的破坏作用,从而提高算法的全局寻优性能。 2.对基于故障模拟的组合电路测试生成问题,本文首先利用故障传播,故障激活和故障检测三类测试信息构建新的测试矢量评价模型。该模型能够在测试生成过程中始终保持良好的区分度。然后,使用概率分布估计算法根据该模型对测试矢量进行搜索。概率分布估计算法利用变量的概率分布对被测电路主输入之间的依存关系进行估计,从而有效地捕捉检测故障的有效模式,提高故障覆盖率。针对电路测试中同时存在的多种检测模式,本文提出了使用聚类分析技术对测试矢量进行预处理的方法,提高概率分布估计的准确性并增强算法同时处理多个目标故障的能力。最后,为了对大规模集成电路进行有效测试,本文将故障模拟方法和确定性测试生成方法相结合,利用故障模拟法对大多数目标故障进行快速测试生成,使用确定性方法对剩余的难测故障和不可测故障进行生成和判定。仿真实验验证了以上算法的有效性。 3.如何减少测试集包含的测试矢量数目是测试生成面临的又一重要问题。测试集压缩是一个典型的组合优化问题,同时也是NP难问题。本文使用概率分布估计算法对测试集压缩问题的最小集合覆盖模型进行求解,并且使用前文中所提出的概率模型方法处理压缩问题中的约束条件。仿真实验表明,该方法在测试集压缩的求解速度与压缩效果方面均具有较好的性能。 4.N次检测是一种新兴的面向缺陷的数字系统生产测试技术。它通过使用不同测试矢量对同一故障进行多次检测,提高对非故障模型缺陷的检测能力。目前,N次检测技术所面临的主要困难是其所需测试矢量数目多,测试生成时间长,成本高。为此,本文利用前面所提出的基于概率分布估计算法的测试生成和测试集压缩方法,进行N次检测,提高了故障覆盖率、减少了测试集规模。仿真实验验证了方法的有效性。