当前位置:首页 > EDA > 电子设计自动化
[导读]复杂FPGA模块手写testbench费时且易漏。落地用“Python出向量+参考模型→RTL/cocotb跑DUT→自动比对→JUnit/HTML报告→CI门禁”闭环,定向覆盖边界、随机覆盖异常、回归覆盖每次改码。小模块用文件向量配Icarus,复杂AXI/ready-valid用cocotb,大批量用Verilator,三层互补。


复杂FPGA模块手写testbench费时且易漏。落地用“Python出向量+参考模型→RTL/cocotb跑DUT→自动比对→JUnit/HTML报告→CI门禁”闭环,定向覆盖边界、随机覆盖异常、回归覆盖每次改码。小模块用文件向量配Icarus,复杂AXI/ready-valid用cocotb,大批量用Verilator,三层互补。

一、Python生成向量与黄金模型

以带使能的累加器为例,输出y=y+a(en=1)或保持(en=0),位宽16。Python生成全0、全1、溢出、随机、背压组合,并算期望:

import csv, random


def golden(en,a,y0):

   return (y0+a)&0xFFFF if en else y0


rows=[]

cases=[(1,0,0),(1,0xFFFF,1),(1,1,0xFFFF),(0,123,456)]

for _ in range(500):

   cases.append((random.choice([0,1]),

                random.randint(0,65535),

                random.randint(0,65535)))

for en,a,y0 in cases:

   rows.append((en,a,y0,golden(en,a,y0)))


with open('stim.csv','w',newline='') as f:

   w=csv.writer(f); w.writerow(['en','a','y0','yexp'])

   for r in rows: w.writerow(r)

print('cases=',len(rows))

文件向量好处是不用重编RTL tb,改激励只改CSV;随机种子固定可复现,换种子做压力回归。

二、RTL文件型testbench

Verilog读CSV用$fscanf逐拍驱动,结束统计mismatch:

reg en; reg [15:0] a,y0,yexp; reg [15:0] y; integer fd,m,n;

always #5 clk=~clk;

initial begin

 clk=0; rst_n=0; #20; rst_n=1;

 fd=$fopen("stim.csv","r"); $fgets(tmp,fd);

 n=0; m=0;

 while(!$feof(fd)) begin

   @(posedge clk);

   if($fscanf(fd,"%d,%d,%d,%d",en,a,y0,yexp)==4) begin

     n=n+1;

     #1; // 组合/时序DUT例化省略

     if(y!==yexp) begin m=m+1;

       $display("MISMATCH case%d y=%h exp=%h",n,y,yexp); end

   end

 end

 $display("Total=%0d Mismatch=%0d",n,m);

 $fclose(fd); $finish;

end

跑Icarus或Verilator都可,持续集成只判Mismatch数和返回码。

三、cocotb做协议级回归

AXI-Stream、SPI、PID类带握手的逻辑,用cocotb写Python tb更省事:时钟、复位、驱动、scoreboard全Python,支持随机valid/ready、自动发现测试、出JUnit。

import random, cocotb

from cocotb.clock import Clock

from cocotb.triggers import RisingEdge


@cocotb.test()

async def acc_random(dut):

   cocotb.start_soon(Clock(dut.clk,10,units="ns").start())

   dut.rst_n.value=0

   for _ in range(3): await RisingEdge(dut.clk)

   dut.rst_n.value=1

   y=0

   for i in range(200):

       en=random.choice([0,1]); a=random.randint(0,65535)

       dut.en.value=en; dut.a.value=a; dut.y0.value=y

       await RisingEdge(dut.clk)

       y=((y+a)&0xFFFF) if en else y

       assert int(dut.y.value)==y, f"cyc{i} en{en} a{a:#x}"

Makefile设VERILOG_SOURCES、TOPLEVEL=acc、MODULE=test_acc,make SIM=verilator或icarus直接跑;多测试函数自动回归,失败抛assert,CI用JUnit XML汇总。

四、批量回归与报告

按模块建run_all.py,串cocotb/iverilog/verilator,收集通过率、mismatch、覆盖率:

import subprocess, glob, json

rep={"pass":0,"fail":0,"detail":[]}

for tb in glob.glob("tests/test_*.py"):

   r=subprocess.run(["make","SIM=verilator","MODULE="+tb[7:-3]],

                    capture_output=True,text=True)

   ok=("MISMATCH" not in r.stdout) and (r.returncode==0)

   rep["pass" if ok else "fail"]+=1

   if not ok: rep["detail"].append(tb)

json.dump(rep,open("regression.json","w"),indent=2)

接Jenkins/GitHub Actions,每次提交跑定向+随机+上版回归;Verilator开--coverage可出代码/条件覆盖,cocotb-coverage出功能覆盖,未覆盖分支反向补Python向量。

五、工程取舍

小模块/算法原型:Python写黄金模型+CSV,RTL tb比对,最轻量;

总线/握手/多通道:cocotb写BFM和scoreboard,随机valid/ready、超时、背压一键回归;

万级随机/模糊回归:Verilator编二进制,Python只管生成与统计,速度远高于GUI仿真;

版本管理:stimuli、golden、tb、DUT同仓;模型改了先更golden再跑,避免“期望跟着代码一起错”;

波形按需开FST/VCD,日常回归关波形只出文本,排错再单独跑ILA/GTKWave。

按这套做,功能点、边界、随机、跨版本回归都能自动化;相比手工写Verilog tb,新增用例只改Python,复杂数字逻辑改完一分钟出结论。



本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
关闭