随着超大规模集成电路技术进入亚微米和深亚微米时代,电路日趋复杂,集成度日益增高,由此导致数字集成电路的复杂性急剧提高。与此同时,人们对数字集成电路可靠性的要求也越来越高,数字集成电路的测试技术也随之得到了长足的发展,并成为保证其产品质量的决定性因素之一。本文在回顾了国内外数字集成电路测试的现状后,着重研究了自反馈测试生成技术。本文的主要工作有:1.详细论述数字集成电路测试面临的挑战,并介绍了目前常用的可测试性设计技术。同时,分析了这些技术的优点及其局限性。然后重点介绍了几种常用的测试生成算法。2.介绍了遗传算法的原理和操作,对遗传算法的特点进行了分析和研究,并阐述了遗传算法在测试生成中的应用。在本文研究的自反馈测试生成中,最终目的是搜索到最佳反馈组合。本文采用遗传算法进行适应性搜索,帮助在较短的时间内搜索到最佳的反馈组合。3.本文研究了自反馈测试生成中的关键技术,并提出以一个测试集送入电路后,相邻向量引起内部节点响应变化的总和作为衡量一个测试集好坏的标准。4.由于反馈组合的解空间极大,需要采取一些措施来减少搜索范围。本文将多加权集测试方法应用到自反馈测试生成中,以权值限定可选内部节点的范围。通过对benchmark 85基准电路的实验,证明该方法在保证故障覆盖率的前提下的测试序列长度比同类方法要小,有一定的优势。5.本文还在自反馈测试生成方法中引入了重播种技术。在确定了一组反馈节点后,通过对该组反馈节点进行重播种来提高故障覆盖率,缩短测试长度,重播种的种子由遗传算法选出。通过对benchmark 85基准电路的实验,结果表明该方法在不增加种子的情况下,减少了测试序列长度。