Python+FPGA自动化验证:快速完成复杂数字逻辑的功能回归测试
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。





