当前位置:首页 > 电源 > 数字电源
[导读]基于导航接收机的DSP外设存储器行进测试技术DSP作为电子系统中数字运算的核心,所操作数据的正确性是系统正常运行的基本保证。以导航接收机中的DSP应用为例,捕获跟踪、信号解调、电文格式转换、多径抑制、抗干扰等实

基于导航接收机DSP外设存储器行进测试技术

DSP作为电子系统中数字运算的核心,所操作数据的正确性是系统正常运行的基本保证。以导航接收机中的DSP应用为例,捕获跟踪、信号解调、电文格式转换、多径抑制、抗干扰等实时任务每时每刻都在进行比特信息的交互。作为系统数据的中转站,存储器的任何物理故障都有可能导致系统出现严重的异常。因此,需要一种快速有效的存储器测试算法对DSP外设存储器进行实时功能验证和检测,确保器件没有物理故障[1]。本方法专门针对存储器中AF、SAF、SOF、TF、CF故障的检测,如图1中虚线框内所示。

在已有的故障检测算法中,Checkerboard算法的测试向量类似于国际象棋中黑白相间的棋盘格,使用0-1间隔的测试序列写入存储器,运行时间为O(N),但故障覆盖率较低[2]。Galpat算法遍历了每个比特对其他比特的影响,可以检测所有非链接的静态故障,但运行时间为O(N2)[3]。在现有工艺条件下,完成一片兆字节容量的存储器的Galpat测试需要几百年。行进算法是工业中经常使用的存储器测试算法,如MATS++、March X、March C-等[4],其运行时间为O(N),具有较高的故障覆盖率,但通常不能覆盖所有静态非链接故障。

    本文在考虑存储器静态非链接故障的基础上,以字作为基本检测单元,提出了一种可以检测所有SAF、TF、AF、SOF、CF故障的行进测试方案,其运算量为(11N+5v)/u+2N,其中,每个字为u比特,u=2v。

1 故障模型与定义

    本文采用文献[2]通用的术语定义。

1.1 术语定义

    为了方便描述以字作为基本检测单元的故障检测方法,补充定义以下术语:

    · u:一个字的比特数,u=2v(v为非负整数)。

    · P:u比特的测试向量字。

    · P0:全0测试向量字。P0=bu…b2b1,bu=…=b2=b1=0。

    · M:某个基于比特的行进测试算法,由一系列行进序列组成。

    · MP:M对应的基于字的行进测试算法,P是u比特的测试向量字。

1.2 存储器故障模型

    存储器静态非链接故障包括单个单元故障和耦合故障。

    (1)单个单元故障

    单个单元故障包括:SAF、SOF、AF和TF,其分类及检测序列如表1所示。

 (2)耦合故障

耦合故障是一个单元的逻辑值受另一个单元的影响。包括:①CFin故障(inversion Coupling Fault)是指单元i翻转会导致单元j翻转;②CFid故障(idempotent Coupling Fault)是指单元i翻转会导致单元j的逻辑值为某个定值(0或1);③CFst故障(state Coupling Fault)是指单元i赋值为某个定值时,会导致单元j的逻辑值为某个定值(0或1)。耦合故障列表如表2所示。
 [!--empirenews.page--]

2 基于字的行进算法

2.1 基于比特的行进与基于字的行进

    基于比特的行进会遍历所有的比特单元,而基于字的行进则是遍历所有的字单元。对于N比特的存储器,两种行进方式的差异如表3所示。

目前大多数存储器读写操作是基于字的。对于N比特存储器,如果一个字为u比特,则对于相同的行进序列,基于字的行进与基于比特的行进相比,测试时间减少到原来的1/u;基于字的行进测试缺点在于故障检测率会下降,需要更多的测试向量字来提高故障检测率。

2.2 字中耦合故障和字间耦合故障

    耦合故障分为字中耦合和字间耦合两种情况,如图2所示。字中耦合故障是指同一个字内的两个比特i和j,比特i的状态变化或操作会引起比特j逻辑值故障;字间耦合故障是指比特i和j分别处于两个不同的字中,比特i的状态变化或操作会引起比特j逻辑值故障。

 由图2可以看出,如果M可以检测出所有的CF故障,则MP0可以检测出所有的字间耦合故障,但通常只能测出一部分字中耦合故障。

2.3 基于字的故障检测

    为了能够检测出所有的SAF、TF、AF、SOF、CF故障,考虑以字为基本检测单元,采用下面的行进序列进行故障检测:

其中:

    存储器共N比特,每个字为u比特,u=2v。

P0=bu…b2b1,则bu=…=b2=b1=0

    PAj=bu…b2b1,则当i mod 2j>2j-1时,bi=1,i=1,2,…,u。

    PBj=bu…b2b1,则当i≤j时,bj=1;当i>j时,bi=0。

    结论1:M0可以检测所有的SAF、TF、AF故障,以及所有的<↑;→>、<↓;→>、<;←>、<↑;←>、<↓;←>、<;←>、<↑;>、<↓;>、<↑;1/0>、<↓;0/1>、<0;0/1>、<1;1/0>故障。

    证明:M0对应的基于比特的行进算法为March C-。March C-可以检测出所有的SAF、TF、AF、CFin、CFst、CFid[4],因此M0可以检出所有的SAF、TF、AF、字间CFin、字间CFst、字间CFid。下面考察M0对字中CF故障的检测。

    由于M0包含行进序列因此可以检测出字中耦合比特由0翻转为1引起因此可以检测出字中耦合比特由1翻转为0引起的<↓;0/1>、<0;0/1>故障;又因为M0经历了写0写1又写0的两次比特反转操作,所以可以检测出所有的单向翻转CFin故障(包括<↑; →>、<↓;→>、<;←>、<↑;←>、<↓;←>、<;←>)和单次翻转CFin故障(包括<↑;>和<↓;>)。结论1得证。

    结论2:March-CW(即M0+M1)可以检测所有的SAF、TF、AF、SOF、CFid、CFst故障,以及除了<;>之外的所有CFin故障。

    证明:由于M1包含行进序列因此M1可以检测出所有SOF故障。

    由于M1包含行进序列),使用了0-1间隔的测试向量字,因此可以检测出所有奇位比特反转对偶位引起的<↑;1/0>、<↓;0/1>、<0;0/1>、<1;1/0>字中耦合故障,以及所有偶位比特反转对奇位引起的上述故障。M1其他行进序列所使用测试向量字0-1之间的间隔按2的幂次增加,因此可以检测出所有奇位比特反转对奇位引起的<↑;1/0>、<↓;0/1>、<0;0/1>、<1;1/0>字中耦合故障,以及所有偶位比特反转对偶位引起的上述故障。所以M1可以检测出所有<↑;1/0>、<↓;0/1>、<0;0/1>、<1;1/0>字中耦合故障。

    结合结论1,结论2得证。

    结论3:M0+M1+M2可以检测所有的SAF、TF、AF、SOF、CF故障。 [!--empirenews.page--]

    证明:M2行进序列所使用测试向量字遍历了字中的每一个比特可能引起的故障,因此M2可以检测出所有的字中耦合故障。

    结合结论2,结论3得证。

3 分析与应用

3.1 运算量分析

    运算量是存储器实时检测的重要衡量指标,如表4所示。

 由表4可以看出,在具有相同故障检测能力的前提下,M0+M1+M2的检测时间远小于、March-17N和Galpat;当u较大时,M0、M0′、March-CW、M0+M1+M2的检测时间会大大缩短。

3.2 实例应用

    对1 MB的RAM,一个字由32 bit组成,则u=32、v=5,50 MHz的总线读写速率,DSP处理速度按500 MHz计算。使用上述检测算法对DSP外设存储器进行实时功能验证和检测,结果如表5所示。

可见,M0+M1+M2可以在2 s内完成1 MB存储器的检测,故障覆盖所有的SAF、SOF、TF、AF、CFin、CFst、CFid。M0+M1+M2的检测时间虽然多于M0、M0′、March-CW,但它可以检测的故障种类更多;M0+M1+M2可以检测出所有能检测出的故障,检测时间从15 s降低到1.6 s。

    本文考虑了存储器所有的静态非链接故障,提出了一种可以检测所有SAF、TF、AF、SOF、CF的行进测试方案,用于高效快速地完成DSP外设存储器测试。

    与March-CW、、March-17N进行比较,结果表明,本文方法能检测出March-CW遗漏的故障,且本文方法的运算量为(11N+5v)/u+2N(其中,每个字为u比特,u=2v),速度远优于的11N和March-17N的17N/u+10N。将该方法用于DSP外设存储器功能验证中,在数秒内完成了兆字节存储器的检测,从而可以实时完成DSP外设存储器的资源验证。此外,该方法还可以扩展应用于其他嵌入式处理器的外设存储器测试中。

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。
换一批
延伸阅读

随着在线会议、直播和游戏语音交流的普及,高质量的音频输入设备变得越来越重要。为此,边缘AI和智能音频专家XMOS携手其全球首家增值分销商飞腾云科技,利用其集边缘AI、DSP、MCU和灵活I/O于一颗芯片的xcore处理器...

关键字: AI DSP MCU

多DSP集群的实时信号处理系统,通信拓扑的优化直接决定任务调度效率与系统吞吐量。RapidIO与SRIO作为嵌入式领域的主流互连协议,其带宽利用率差异与QoS配置策略对集群性能的影响尤为显著。以无线基站、雷达阵列等典型应...

关键字: DSP 通信拓扑优化

随着5G网络普及与物联网设备爆发式增长,边缘计算正从概念验证走向规模化部署。据IDC预测,2025年全球边缘数据量将占总体数据量的50%,这对边缘节点的实时处理能力提出严苛要求。在此背景下,AI加速器的DSP化趋势与可重...

关键字: AI加速器 DSP

在工业控制领域,数字信号处理器(DSP)的性能直接决定了系统的实时控制能力和可靠性。德州仪器(TI)的C2000系列芯片凭借其卓越的采样、控制和功率管理能力,长期以来在全球工业控制市场占据绝对领导地位,广泛应用于能源、电...

关键字: TI C2000 DSP 格见半导体 芯来 RISC-V 工控

2025年7月16日 – 专注于引入新品的全球电子元器件和工业自动化产品授权代理商贸泽电子 (Mouser Electronics) 持续供货Texas Instruments (TI) 的新产品和解决方案。作为一家授权...

关键字: 线性稳压器 栅极驱动器 DSP

June 24, 2025 ---- 近期市场对于NVIDIA RTX PRO 6000系列产品的讨论声量高,预期在需求支撑下,整体出货将有不俗表现。然而,TrendForce集邦咨询资深研究副总吴雅婷认为,该系列产品受...

关键字: 存储器 供应链 边缘AI

在当今数字化浪潮的推动下,数据流量呈爆炸式增长,数据中心、5G通信网络以及云计算等领域对高速光通信的需求愈发迫切。800G光模块作为高速光通信的关键组件,其性能直接影响着整个通信系统的传输效率和可靠性。数字信号处理(DS...

关键字: 800G DSP PAM4均衡算法

以氢燃料电池空压机为研究对象 ,开发超高速永磁同步电机控制器 ,采用传统的IGBT主功率器件 ,且为两电平主回 路结构形式 ,通过改进的V/F控制算法 ,完成了控制器的设计。搭建了试验平台进行测试 ,结果表明 ,控制器能...

关键字: 超高速永磁同步电机 V/F控制 DSP

在人工智能训练、实时图形渲染与科学计算领域,存储器带宽已成为制约系统性能的核心瓶颈。HBM3与GDDR7作为当前显存技术的两大巅峰之作,分别通过三维堆叠与信号调制技术的突破,为不同应用场景提供了差异化解决方案。本文从架构...

关键字: 存储器 HBM3

传统存储器技术逼近物理极限,铁电场效应晶体管(FeFET)凭借其独特的极化翻转机制与非易失性逻辑特性,成为突破冯·诺依曼架构瓶颈的关键技术。FeFET通过将铁电材料集成至晶体管栅极,实现了存储与逻辑功能的深度融合,其物理...

关键字: FeFET 存储器
关闭