DFT中的SCAN、BIST、ATPG基本概念

2024-01-13 06:44
文章标签 基本概念 dft bist scan atpg

本文主要是介绍DFT中的SCAN、BIST、ATPG基本概念,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!

DFT中的SCAN、BIST、ATPG基本概念

SCAN

定义

扫描路径法是一种针对时序电路芯片的DFT方案,目标是在不影响正常功能的情况下来能够提高可控性和可观测性。

原理

原理是将时序电路可以模型化为一个组合电路网络和带触发器(Flip-Flop,简称FF)的时序电路网络的反馈。

实现

具体实现步骤共分为两步:
step1:DFF替换为SDFF
本原理是时序电路可以模型化为一个组合电路网络和带触发器(Flip-Flop,简称FF)的时序电路网络的反馈
step2:将SDFF串联起来形成scan chain
在这里插入图片描述

示例

在这里插入图片描述在这里插入图片描述
测寄存器

  • Scan-En=0,关闭scan,不影响正常功能
  • Scan-En=1,打开scan,驱动clk并在scan-in输入测试数据,并在scan-out检测输出数据。若输出数据与输入数据不匹配,则说明对应串联的scan chain存在故障。

测组合逻辑

  • Scan-En=1,打开scan,将scan-in的输入数据送至组合逻辑的输入
  • Scan-En=0,关闭scan,进行中间组合逻辑部分的计算,并将结果正常送至输出端的两个寄存器总
  • Scan-En=1,打开scan,将两个输出通过scan chain移位从右侧Scan-out接口输出,并对比其余期望值是否一致。

BIST

定义

BIST(Built-in Seft Test)内建测试,是DFT的一种技术。

原理

BIST是在设计时在电路中植入相关功能电路用于提供自我测试功能的技术,以此降低器件测试对自动测试设备(ATE)的依赖程度。

实现

由三部分组成:

  • TPG (test pattern generator)测试向量生成器:用来自动生成测试向量,灌入CUT(circuit under test)的输入引脚。
  • ORA (output response analyzer)输出响应分析器:对待测电路的输出进行压缩对比,来确定电路是否有错误。
  • BIST controller 内建自测试控制器:控制何时将什么样的数据用到被测电路上,控制被测电路的时钟并决定何时读取预期响应。
    在这里插入图片描述

ATPG

定义

Automatic Test Pattern Generation (ATPG)是DFT(Design for Testability,可测试性设计)中常用的技术,用于自动生成测试向量。

原理

基于一定的算法,通过对电路的描述,自动生成能够检测到电路中所有故障的测试向量。前提是插好scan chain,然后才能通过ATPG来进行DFT。

实现

通过工具完成即可

注意

  • SCAN、BIST通常是由工具完成,同时也需要一定的能力来进行一些手工设置。
  • DFT部分做的越完善,ATE需要做的也会相对越少。
  • SCAN、BIST均会带来面积方面的增加,但能够很大程度提高芯片质量。

参考链接

scan: https://zhuanlan.zhihu.com/p/201353304
bist:https://zhuanlan.zhihu.com/p/169490809

这篇关于DFT中的SCAN、BIST、ATPG基本概念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/600561

相关文章

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3

【Rocketmq入门-基本概念】

Rocketmq入门-基本概念 名词解释名称服务器(NameServer)消息队列(Message Queue)主题(Topic)标签(Tag)生产者(Producer)消费者(Consumer)拉取模式(Pull)推送模式(Push)消息模型(Message Model) 关键组件Broker消息存储工作流程 名词解释 名称服务器(NameServer) 定义: 名称服务器

Hbase Filter+Scan 查询效率优化

Hbase Filter+Scan 查询效率问题 众所周知,Hbase利用filter过滤器查询时候会进行全表扫描,查询效率低下,如果没有二级索引,在项目中很多情况需要利用filter,下面针对这种情况尝试了几种优化的方案,仅供参考,欢迎交流。 根据业务要求,作者需要根据时间范围搜索所需要的数据,所以作者设计的rowKey是以时间戳为起始字符串的。 正确尝试: 1.scan 设置 开始行和结

context:component-scan使用说明!

<!-- 使用annotation 自动注册bean, 并保证@Required、@Autowired的属性被注入 --> <context:component-scan base-package="com.yuanls"/> 在xml配置了这个标签后,spring可以自动去扫描base-pack下面或者子包下面的java文件,如果扫描到有@Component @Controll

数据结构的基本概念和术语的一些介绍

数据:是客观事物的符号表示,包括两种:                  数值型(整数,实数)和非数值型(文字,图形,声音 数据元素:是数据的基本单位,通常作为一个整体进行表示。                  与数据的关系:是数据集合的个体 数据项:组成数据元素的不可分割的最小单位。 以上三者的关系:数据>数据元素>数据项                  例如:学生表>个人记录>

【DL--05】深度学习基本概念—函数式模型

函数式模型 函数式模型算是本文档比较原创的词汇了,所以这里要说一下 在Keras 0.x中,模型其实有两种,一种叫Sequential,称为序贯模型,也就是单输入单输出,一条路通到底,层与层之间只有相邻关系,跨层连接统统没有。这种模型编译速度快,操作上也比较简单。第二种模型称为Graph,即图模型,这个模型支持多输入多输出,层与层之间想怎么连怎么连,但是编译速度慢。可以看到,Sequentia

【DL--04】深度学习基本概念—data_format

data_format 这是一个无可奈何的问题,在如何表示一组彩色图片的问题上,Theano和TensorFlow发生了分歧,’th’模式,也即Theano模式会把100张RGB三通道的16×32(高为16宽为32)彩色图表示为下面这种形式(100,3,16,32),Caffe采取的也是这种方式。第0个维度是样本维,代表样本的数目,第1个维度是通道维,代表颜色通道数。后面两个就是高和宽了。这种t

【DL--03】深度学习基本概念—张量

张量 TensorFlow中的中心数据单位是张量。张量由一组成形为任意数量的数组的原始值组成。张量的等级是其维数。以下是张量的一些例子: 3 # a rank 0 tensor; this is a scalar with shape [][1. ,2., 3.] # a rank 1 tensor; this is a vector with shape [3][[1., 2., 3.]

【DL--02】深度学习基本概念--符号计算

符号计算 Keras的底层库使用Theano或TensorFlow,这两个库也称为Keras的后端。无论是Theano还是TensorFlow,都是一个“符号式”的库。 因此,这也使得Keras的编程与传统的Python代码有所差别。笼统的说,符号主义的计算首先定义各种变量,然后建立一个“计算图”,计算图规定了各个变量之间的计算关系。建立好的计算图需要编译以确定其内部细节,然而,此时的计算图还