Iverilog中惯性延迟与传输延迟的仿真机制解析
2025-06-27 00:46:46作者:贡沫苏Truman
概述
在数字电路仿真中,Verilog语言提供了两种重要的延迟模型:惯性延迟(inertial delay)和传输延迟(transport delay)。本文将通过Iverilog仿真器的实际案例,深入分析这两种延迟模型的行为差异及其在电路设计中的正确应用。
延迟模型的基本概念
惯性延迟
惯性延迟模拟了实际电路中器件对短暂输入脉冲的"惯性"响应特性。当输入脉冲宽度小于器件固有的响应时间时,输出将不会产生任何变化。这种模型很好地反映了实际逻辑门对窄脉冲的过滤特性。
在Verilog中,连续赋值语句(continuous assignment)默认使用惯性延迟模型。例如:
assign #5 C = A + B;
传输延迟
传输延迟则模拟了信号通过理想传输线时的行为,无论输入脉冲宽度多窄,都会在经过固定延迟后出现在输出端。这种模型适用于需要精确跟踪信号传播的场景。
在Verilog中,非阻塞赋值(non-blocking assignment)通常用于实现传输延迟:
always @* C <= #5 A + B;
Iverilog中的延迟处理机制
Iverilog严格遵循IEEE 1364-2005标准对延迟模型的规定。标准中明确指出:
- 当右侧操作数在先前变化尚未传播到左侧时发生变化,仿真器将:
- 评估右侧表达式的当前值
- 若新值与已调度的传播值不同,则取消已调度的传播事件
- 若新值与当前左侧值相同,则不调度新事件
- 若新值与当前左侧值不同,则重新计算延迟并调度新事件
实际案例分析
通过用户提供的测试案例,我们可以观察到以下现象:
-
在未合并延迟的测试中:
- 输入A在17ns变为0,调度C在22ns变化
- A在20ns变为3,取消22ns的C变化,重新调度C在25ns变化
- 这体现了惯性延迟的特性
-
在合并延迟的测试中:
- 由于延迟被合并,仿真器无法正确识别中间状态的变化
- 导致输出行为与预期不符
工程实践建议
- 明确设计需求:根据电路特性选择适当的延迟模型
- 保持延迟一致性:避免随意合并延迟语句,以免引入仿真偏差
- 验证关键路径:对时序敏感电路,建议同时使用两种延迟模型进行验证
- 注意仿真器差异:不同仿真器对延迟模型的实现可能略有不同
结论
理解并正确应用Verilog中的延迟模型对数字电路设计至关重要。Iverilog作为开源仿真工具,严格遵循IEEE标准实现延迟模型,为设计验证提供了可靠的基础。设计者应当根据实际需求选择合适的延迟模型,并通过充分的仿真验证确保设计正确性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92