Yosys优化过程中DFF常量输入未被替换的问题分析
2025-06-18 17:50:25作者:段琳惟
问题背景
在使用Yosys 0.34+43版本对基于sky130工艺的RV32I CPU核心进行综合时,发现一个关于时序逻辑优化的特殊现象。设计中有三个DFF(D触发器)的输入端口被固定为1'h0,理论上这些DFF可以被优化为常量驱动,但在实际综合流程中它们被保留了下来。
问题现象分析
在标准综合流程中,Yosys通常能够识别并优化具有常量输入的时序元件。具体到本案例:
- 设计中有三个sky130_fd_sc_hd__dfxtp_1类型的DFF,其输入被固定为逻辑0
- ABC优化阶段确实产生了三个_const0_单元,表明优化器识别到了这些常量条件
- 但最终的网表中这些DFF仍然保留,未被替换为常量驱动
技术原理探究
经过深入分析,发现问题根源在于Yosys优化流程的顺序问题:
-
DFF映射时机不当:在调用dfflibmap将内部DFF映射到工艺库单元后,后续的opt_dff优化步骤无法识别这些工艺特定的DFF单元类型,导致优化机会被错过
-
ABC优化特性:ABC工具虽然能进行常量传播,但它主要关注组合逻辑优化,对时序元件的优化能力有限
解决方案
通过调整优化流程顺序,可以解决这个问题:
- 先进行ABC优化:在映射到工艺DFF之前,先使用ABC对内部通用DFF进行优化
- 后执行DFF映射:在组合逻辑优化完成后再将DFF映射到工艺库单元
- 增加优化步骤:在关键节点插入额外的优化命令确保充分优化
优化后的脚本关键部分如下:
# 初始读取和层次化处理
read_liberty -lib sky130_fd_sc_hd__tt_025C_1v80.lib
read_verilog riscv_pipelined_Final.v
hierarchy -check -top riscv_core
# 综合和初步优化
synth -top riscv_core -flatten
opt
stat
# 在映射前进行ABC优化
abc
opt
opt_clean -purge
stat
# 最后进行DFF工艺映射
dfflibmap -liberty sky130_fd_sc_hd__tt_025C_1v80.lib
# 最终优化和输出
abc -liberty sky130_fd_sc_hd__tt_025C_1v80.lib -script +strash;scorr;ifraig;retime,{D};strash;dch,-f;map,-M,1,{D}
setundef -undriven -init -zero
opt
opt_clean -purge
rename -enumerate
stat
write_verilog -noattr riscv_pipelined_Final_netlist.v
相关技巧:防止特定代码被优化
在硬件设计中,有时需要保留特定的结构不被优化。Yosys提供了(* keep *)属性来实现这一目的:
(* keep *)
wire [31:0] instrs [0:12-1];
assign instrs[0] = {7'b0000000, 5'd0, 5'd0, 3'b000, 5'd10, 7'b0110011};
// 其他赋值语句...
需要注意:
keep属性作用于特定的信号声明,而非代码块- 它保证信号本身不被优化掉,但输入逻辑仍可能被优化
- 对于需要完全保留的电路结构,需要对所有相关信号添加该属性
总结
本文分析了Yosys在优化具有常量输入的DFF时遇到的问题,并提供了解决方案。关键在于理解工具优化流程的顺序敏感性,以及如何通过调整命令顺序来获得最佳优化效果。同时介绍了使用keep属性保护特定设计结构的方法,为复杂数字电路的综合提供了实用技巧。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.76 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.26 K
155
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
1.1 K
612
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
987
253