AHB—SRAM项目之5 reference_model与scoreboard(SV自学笔记)

2023-10-14 11:40

本文主要是介绍AHB—SRAM项目之5 reference_model与scoreboard(SV自学笔记),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这一部分的内容是重难点所在。开始该部分之前应该至少掌握sram的基本架构和reference model与scoreboard的数据流向。

Reference model用于模拟DUT的功能,对DUT的行为做一个预测,来看看DUT的行为是否正确,并且把结果送入scoreboard与DUT的结果进行一个比较。

首先因为要将driver和sb连起来,所以mailbox用于通信,在两者中均声明一个mailbox传递相同类型的参数,并起同样的名字。在本例中,在两者之外实例化mailbox,即在env中实例化mailbox。操作如下:

 

  1. 在env中实例化一个mailbox,将mailbox放在env里面

  1. 在driver和scoreboard里声明mailbox传递数据包的属性,并用new函数实现mailbox与env的通信。

 接着考虑将driver内部的信号传递出去给sb,由于结束一笔trans时,我们通常会将结束的内容放入mst_pending_que_acpt,因此将其中的数据传给sb去模拟DUT即可。注意:红框内mailbox多余,相同的变量类型不可以多次声明。否则编译可以通过,但信号不会真正连接起来。

接下来在driver中将要传给scoreboard的数据发送到mailbox,注意应该判断一笔trans结束时,从pending_que中拿出要结束的trans,并且给到mst_pending_que_acpt,那么刚好mst_pending_que_acpt中就包含了所有我们写入DUT和scoreboard的信号(除了读取的数据,因为读的数据是从DUT给到总线上的,所以当hwrite为低时,应该把总线上的读信号打包入数据包内),所以将mst_pending_que_acpt这个经过DUT的数据包放入mailbox中发送给scoreboard与reference model作比较。

 

写scoreboard代码的核心部分,需要了解DUT在存数据的时候的方式。

首先要知道RTL里面地址结构是如何的。这里一定要理解这句话的含义,由于64K为2**16个地址(每个地址8bits)。因此,地址位宽16bit。每32个bit(4个bist)组成一个mem[index],因此放入一个8bit数据时,首先可以根据地址的低两位判断放在哪个bist里(也就是确定了放在哪个列里),然后杀掉低两位根据地址的其他高位确定放在哪个mem[index]里,也就是哪一行里,因为每行4个bist,不看低两位正好相当于除以4,确定了行列后,将数据放入到对应的位置上即可。

举个hsize为8bit的例子,总线位宽是32bit数据中的8个有效,地址需要放到5里,5是8’b0000_0101,根据低两位判断在bist1里,再根据高位判断在mem[1]行,对应的位置是mem[1][15:8]。

这里需要理解为什么要将数据的[15:8]放在地址[15:8]里,因为总线数据位宽是一个物理参数,只要定成了32bit就是无法改变的,每次传送数据时,都是将32bit的数据传递过来,只不过当hsize是8bit有效时,要根据相应规则判断哪8个bit为有效。因为传入的地址是4'b0101,所以[15:8]有效,同样当hsize为16bit时,也是根据传入的地址判断是哪16个bit有效,而传输如果是32bit的,那么则是一次传输的32个bit都是有效的。

对于写入数据无需进行比较,因为写到DUT和scoreboard中的数据总是相同的。但读操作有所不同,因为读操作时数据来源是不同的,要将DUT中的数据和reference model流出的数据做比较。并通过打印语句给出比较结果。

如果发现在score board的reference model里面读出来的数据和DUT流出的数据一致,则说明是匹配的,但是此处需要注意的是匹配符号应该使用===全等号,否则对于x仿真器会判别为不相等。

在测试写出的sc是否能够正确跟我们想要的结果一致的时候,我们应该设法控制输入的数据波形更容易观测。以下是我们目前搭建的验证平台基本概况。

这篇关于AHB—SRAM项目之5 reference_model与scoreboard(SV自学笔记)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/210264

相关文章

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

在cscode中通过maven创建java项目

在cscode中创建java项目 可以通过博客完成maven的导入 建立maven项目 使用快捷键 Ctrl + Shift + P 建立一个 Maven 项目 1 Ctrl + Shift + P 打开输入框2 输入 "> java create"3 选择 maven4 选择 No Archetype5 输入 域名6 输入项目名称7 建立一个文件目录存放项目,文件名一般为项目名8 确定

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

Vue3项目开发——新闻发布管理系统(六)

文章目录 八、首页设计开发1、页面设计2、登录访问拦截实现3、用户基本信息显示①封装用户基本信息获取接口②用户基本信息存储③用户基本信息调用④用户基本信息动态渲染 4、退出功能实现①注册点击事件②添加退出功能③数据清理 5、代码下载 八、首页设计开发 登录成功后,系统就进入了首页。接下来,也就进行首页的开发了。 1、页面设计 系统页面主要分为三部分,左侧为系统的菜单栏,右侧

SpringBoot项目是如何启动

启动步骤 概念 运行main方法,初始化SpringApplication 从spring.factories读取listener ApplicationContentInitializer运行run方法读取环境变量,配置信息创建SpringApplication上下文预初始化上下文,将启动类作为配置类进行读取调用 refresh 加载 IOC容器,加载所有的自动配置类,创建容器在这个过程

Maven创建项目中的groupId, artifactId, 和 version的意思

文章目录 groupIdartifactIdversionname groupId 定义:groupId 是 Maven 项目坐标的第一个部分,它通常表示项目的组织或公司的域名反转写法。例如,如果你为公司 example.com 开发软件,groupId 可能是 com.example。作用:groupId 被用来组织和分组相关的 Maven artifacts,这样可以避免

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

2. 下载rknn-toolkit2项目

官网链接: https://github.com/airockchip/rknn-toolkit2 安装好git:[[1. Git的安装]] 下载项目: git clone https://github.com/airockchip/rknn-toolkit2.git 或者直接去github下载压缩文件,解压即可。