Chipyard项目在VCU118开发板上实现JTAG调试功能的技术解析
背景介绍
在基于RISC-V架构的芯片开发中,JTAG调试接口是开发人员必不可少的工具。Chipyard作为一个开源的芯片设计框架,支持在FPGA开发板上进行原型验证。本文主要探讨如何在Xilinx VCU118开发板上实现JTAG调试功能。
技术挑战
VCU118开发板默认配置中禁用了JTAG调试功能(通过WithNoDebug配置项)。当开发人员尝试移除该配置时,会遇到编译错误。这是因为VCU118的JTAG接口实现需要特殊的硬件连接和处理。
解决方案
硬件连接考虑
VCU118开发板提供了多种接口选项:
- 默认JTAG接口(主要用于FPGA编程和Xilinx调试核)
- FMC扩展接口
- PMOD接口
考虑到不影响常规FPGA编程和调试工作流,建议使用FMC或PMOD接口作为额外的JTAG调试接口,而不是占用默认JTAG接口。
软件实现方案
实现过程主要涉及以下几个方面:
-
覆盖层(Overlay)配置:利用fpga-shells中已有的JTAGDebugVCU118PlacedOverlay,该覆盖层负责将JTAG信号映射到开发板的物理引脚。
-
HarnessBinder实现:创建自定义的HarnessBinder,将芯片的JTAG端口与覆盖层输出的JTAG接口连接起来。
-
引脚分配:根据开发板原理图,选择合适的FMC或PMOD引脚作为JTAG信号线。
关键代码结构
// JTAG覆盖层声明
val jtagPlacedOverlay = dp(JTAGDebugOverlayKey).head.place(JTAGDesignInput())
// HarnessBinder实现
class hbWithJtagDebug extends HarnessBinder({
case (vcu118th: VCU118FPGATestHarnessImp, port: JTAGPort, chipId: Int) => {
val jtag_io = vcu118th.outer_.jtagPlacedOverlay.overlayOutput.jtag.getWrappedValue
// 连接jtag_io到port
}
})
实现细节
-
电气连接方案:由于VCU118的SDIO占用了PMOD接口,建议使用FMC接口连接JTAG调试器,这需要相应的FMC转接板。
-
信号完整性:高速JTAG信号需要考虑信号完整性问题,特别是当使用长线缆连接时。
-
电源管理:确保调试器与FPGA板的电压电平兼容,避免损坏设备。
测试验证
实现后可以通过以下步骤验证JTAG功能:
- 使用OpenOCD连接JTAG调试器
- 通过GDB进行芯片调试
- 验证基本的调试功能,如暂停/继续执行、读写寄存器等
最佳实践建议
- 在正式产品中,考虑使用隔离的JTAG接口以提高安全性。
- 对于量产环境,可以保留JTAG接口但增加访问控制机制。
- 考虑添加状态指示灯,直观显示JTAG连接状态。
总结
在VCU118开发板上实现JTAG调试功能需要综合考虑硬件连接和软件配置。通过合理使用FMC或PMOD接口,可以在不影响原有FPGA编程和调试功能的前提下,增加对RISC-V处理器的JTAG调试支持。这一实现为基于Chipyard框架的芯片开发提供了重要的调试手段,大大提高了开发效率。
对于希望自行实现的开发者,建议仔细研究VCU118的原理图,选择合适的物理接口,并参考fpga-shells中的现有实现进行扩展。同时,要注意信号完整性和电源管理等硬件设计问题,确保调试连接的可靠性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00