Logisim-evolution中POR组件在子电路中的显示问题分析
2025-06-06 07:52:30作者:宣利权Counsellor
问题现象
在Logisim-evolution电路仿真软件中,当POR(Power-On Reset)组件被放置在子电路(subcircuit)内部并连接到输出引脚时,会出现一个特殊的显示问题:即使POR组件设定的下降时间已经过去,输出引脚仍然会保持高电平的显示状态。只有当用户与Logisim进行交互(如点击电路)或存在时钟组件产生脉冲时,输出引脚的状态才会正确更新。
问题复现与验证
通过创建测试电路可以清晰地复现这个问题:
- 在顶层电路放置一个POR组件,设置延迟时间为1秒
- 创建一个子电路,内部放置POR组件,设置延迟时间为2秒
- 将子电路的POR输出连接到输出引脚
- 观察发现:
- 顶层POR输出会在1秒后自动变为低电平
- 子电路POR输出在2秒后不会自动更新,保持高电平显示
- 只有当用户与软件交互或存在时钟脉冲时,子电路输出才会更新
技术分析
这个问题的本质在于Logisim-evolution的仿真引擎对子电路输出的更新机制。从技术角度看:
-
仿真更新机制:Logisim对顶层电路的组件状态会进行实时更新,但对子电路内部的组件状态更新采用了惰性计算策略,只有在需要时才进行计算。
-
事件触发机制:POR组件的状态变化属于时间触发事件,而子电路输出引脚的状态更新依赖于电路拓扑变化或用户交互事件。
-
性能优化考量:这种设计可能是出于性能优化的考虑,避免对深层嵌套的子电路进行不必要的频繁计算。
解决方案与建议
虽然从电路设计最佳实践的角度,时钟和复位信号通常应该从顶层电路分发,而不是深埋在子电路内部,但这个问题仍然值得解决:
-
临时解决方案:
- 将POR组件放置在顶层电路
- 通过显式的复位信号线将复位信号传递到子电路
- 在子电路中使用时钟信号触发状态更新
-
根本解决方案:
- 修改仿真引擎,确保时间触发事件能正确传播到子电路输出
- 优化子电路状态的更新策略,平衡性能和准确性
总结
这个POR组件在子电路中的显示问题揭示了Logisim-evolution仿真引擎在事件传播和状态更新机制上的一个边界情况。虽然从电路设计规范的角度可以避免这个问题,但修复这个问题将提高软件的健壮性和用户体验。开发者已经在最新版本中修复了这个问题,用户可以通过更新到最新版本来获得修复。
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493