Cocotb与Verilator联合仿真中FST波形生成问题解析
2025-07-06 20:09:58作者:滑思眉Philip
问题背景
在数字电路仿真领域,Cocotb作为一款流行的Python测试框架,常与Verilator等仿真器配合使用。近期有用户反馈在使用Cocotb 1.9.0与Verilator 5.027进行联合仿真时,遇到了无法生成FST格式波形文件的问题,而VCD格式的波形生成则工作正常。
现象描述
当用户尝试通过Cocotb和Verilator生成FST格式波形时,仿真过程会异常终止,并出现断言错误:
Assertion failed: (hierarchicalName.rfind(' ') != std::string::npos)
错误发生在Verilator的verilated_fst_c.cpp文件的第169行。值得注意的是,同样的设计在使用纯SystemVerilog测试平台时,FST波形生成功能正常。
技术分析
FST与VCD格式对比
FST(快速信号跟踪)是一种比传统VCD更高效的波形格式,具有更好的压缩率和更快的读写速度。Verilator通过--trace-fst选项支持这种格式。
问题根源
深入分析发现,问题源于Verilator对信号层次名称处理的假设。在Cocotb环境下,顶层信号(如时钟信号"clk")的层次名称中不包含空格,而Verilator的FST写入代码错误地假设所有层次名称都至少包含一个空格字符。
影响范围
此问题会影响所有使用Cocotb与Verilator进行仿真并尝试生成FST波形的用户,特别是在以下情况:
- 使用较新版本的Verilator(5.027及以上)
- 启用了--trace-fst选项
- 仿真顶层模块的直接信号(无层次结构)
解决方案
Verilator开发团队已经修复了这个问题。修复方案包括:
- 移除了对层次名称必须包含空格的错误假设
- 改进了对顶层信号名称的处理逻辑
- 增强了代码的健壮性以应对各种信号命名情况
验证结果
用户确认在应用修复后,Cocotb与Verilator联合仿真能够正常生成FST格式波形文件。测试环境包括:
- macOS 14.5系统
- Python 3.12.4
- Verilator 5.027及以上版本
- Cocotb 1.9.0
最佳实践建议
对于需要使用FST波形的用户,建议:
- 确保使用已修复此问题的Verilator版本
- 在Makefile中正确设置仿真选项:
VERILATOR_ARGS += --trace --trace-fst --trace-structs - 定期更新工具链以获取最新修复和改进
总结
此次问题展示了工具链集成中可能出现的边界情况。通过社区协作和及时反馈,这类问题能够得到快速解决。对于数字验证工程师而言,理解波形生成机制和工具交互原理,有助于快速定位和解决类似问题。
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 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 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 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
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
🔥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
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
392
3.88 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
310
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1