GHDL异步动态置位/复位触发器的敏感列表处理问题分析
2025-06-30 13:15:58作者:尤辰城Agatha
问题背景
在数字电路设计中,异步置位/复位触发器是一种常见的基本元件。当使用VHDL描述这类电路时,设计者需要特别注意敏感列表的正确性,以确保仿真和综合结果的一致性。本文针对GHDL合成工具在处理动态异步置位/复位触发器时的一个特定问题进行分析。
问题描述
设计者实现了一个具有动态异步置位/复位功能的触发器模块。该模块的特点是:
- 当reset信号为高电平时,输出out1被异步置为state信号的当前值
- 在时钟上升沿时,输出out1被同步置为in1信号的值
原始VHDL代码如下:
process (all)
begin
if (reset='1') then
out1 <= state;
elsif (clk'EVENT AND clk = '1') THEN
out1 <= in1;
end if;
end process;
预期行为
根据设计意图,当reset信号有效时:
- 输出out1应立即响应state信号的变化
- 在reset保持有效期间,state信号的任何变化都应立即反映在out1上
实际观察到的行为
GHDL合成工具生成的网表中,异步置位/复位触发器的敏感列表存在问题:
process (wrap_clk, wrap_reset)
begin
if wrap_reset = '1' then
n6 <= wrap_state;
elsif rising_edge (wrap_clk) then
n6 <= wrap_in1;
end if;
end process;
问题在于敏感列表中缺少了对state信号的监测,导致在reset有效期间,state信号的变化无法触发进程执行。
技术分析
-
敏感列表的重要性:在VHDL中,进程的敏感列表决定了进程在什么条件下会被激活执行。对于异步电路,必须包含所有可能影响输出的信号。
-
动态异步控制:本例中的异步置位/复位是"动态"的,因为其值由state信号决定,这与固定值的异步控制不同,需要额外注意。
-
综合工具处理:GHDL在综合过程中,将原始代码转换为底层元件时,未能正确保留所有必要的敏感信号。
解决方案
正确的敏感列表应该包含state信号,或者直接使用VHDL-2008引入的"all"关键字:
process (wrap_clk, wrap_reset, wrap_state)
-- 或
process (all)
对形式验证的影响
这个问题还会影响形式验证的结果。当使用PSL断言检查reset期间out1与state的关系时:
assert always ({reset='1'} |-> { out1 = state} );
由于敏感列表不完整,可能导致验证失败,即使RTL设计在功能上是正确的。
结论
在使用GHDL进行VHDL综合时,设计者需要特别注意动态异步控制信号的敏感列表处理。虽然生成的网表功能正确,但中间表示的敏感列表不完整可能影响形式验证和其他后续流程。建议设计者在关键路径上手动检查综合后的网表,确保所有必要的信号都被包含在敏感列表中。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218