随着集成电路制造工艺的不断变化,以及对测试效率和可靠性的需求,为集成电路行业在测试方面带来了新的挑战,如何改善芯片在测试时的效果并且有限度地降低芯片生产中的测试成本成为集成电路产业中的重要环节。不断增加的测试数据量和不断提高的电路功能复杂度,使得测试温度以及功耗不断增加,由于温度过高而损坏芯片的风险也随之增加。随着测试数据的日益增多,对自动测试设备的存储能力、I/O通道数、频率等方面有了新的技术要求,同时现有的芯片测试方案正在面临更加复杂的电路结构问题。这些问题直接导致了测试效率的降低以及测试成本的提高,因此对集成电路测试方法进行研究与改进,对解决这些问题具有重要的理论和实用价值。论文是从测试向量入手,通过对测试向量的重排序,降低芯片在测试中的温度。主要工作是利用隐马尔可夫模型以及电路加权翻转度模型,针对测试温度波动过大,可能对芯片造成损伤等问题进行了研究与分析,使用隐马尔可夫模型对测试向量进行处理并且建立模型,通过模型找出多种排序方案,并且评估每种方案使温度变化最小的概率。随后对所选出的最优排序方案进行测试,按照测试特征以及电路结构对测试功耗及测试温度进行计算,得到了对芯片测试中功耗和温度的降低结果。并且该排序方法可以与故障测试结合,在不显著增加测试时间的基础上,降低测试温度。使用这种排序方法在ISCAS 89和ITC 99标准电路上进行仿真实验,最终实验结果表明,对测试向量使用隐马尔可夫模型排序后可以有效控制测试中电路的温度并且减少测试时间,在避免温度过高对芯片造成损伤的同时,降低芯片测试的成本。对于测试向量的重排序是基于统计学模型的集成电路测试方法优化,即在测试向量的排序中引入统计学模型,利用隐马尔可夫模型对测试向量进行处理。并且在测试中考虑芯片测试的功耗和温度,对以往的测试流程进行了优化,通过测试向量的排序实现了对温度的控制。同时这种排序方法还可以在控制温度的基础上与故障排序结合,在不显著增加时间的基础上,控制测试的温度,使芯片的测试工作能够更好更快的完成,节约芯片测试的成本。