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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108