Yosys中同步读存储器被识别为异步的问题解析
问题背景
在使用Yosys进行Verilog综合时,设计者遇到了一个关于存储器识别的特殊问题:明明设计中使用的是同步读存储器(synchronous-read memory),但Yosys却将其识别为异步存储器(asynchronous memory)。这种情况发生在使用memory_libmap进行存储器映射时。
问题现象分析
设计者提供了一个典型的双端口存储器设计示例:
- 一个写端口,使用时钟clk
- 一个读端口,使用不同的时钟clk2
- 读端口采用同步读取方式(在时钟上升沿采样)
当使用memory_libmap进行存储器映射时,Yosys错误地选择了异步存储器模型__RAM_ASYNC_,而不是期望的同步存储器模型_RAM_SYNC。
根本原因
经过深入分析,发现这个问题源于Yosys处理流程中的一个关键点:在直接使用memory_libmap前,缺少必要的预处理步骤。Yosys需要先运行一系列优化和转换pass,才能正确识别存储器的同步特性。
解决方案
正确的处理流程应该包含以下关键步骤:
- 首先运行proc pass处理过程块
- 然后执行一系列优化pass:
- opt_expr:表达式优化
- opt_dff:D触发器优化
- opt_clean:清理无用信号
- 最后运行memory -nomap进行存储器识别
完整的Yosys命令序列应为:
read_verilog main.v
hierarchy -check -top main
proc
opt_expr
opt_dff
opt_clean
memory -nomap
debug memory_libmap -lib mem_map.txt
技术细节深入
为什么需要这些额外的pass?这是因为:
- opt_dff pass会将读使能信号(read_enable)折叠到触发器中
- memory_dff pass(由memory -nomap内部调用)会将触发器进一步折叠到读端口中
- 只有完成这些转换后,Yosys才能正确识别出这是一个同步读端口
相关注意事项
-
不同时钟域问题:当读写端口使用不同时钟时,Yosys会特别检查这种情况,因为它在功能上与单一时钟的同步存储器有所不同。
-
寄存器地址模式:如果设计采用先寄存地址再异步读取的方式,这与真正的同步存储器在时序行为上存在差异,特别是在读写时钟不同时。
-
验证检查:使用check命令时可能会看到一些关于未驱动线的警告,这实际上是memory_libmap的一个已知问题,需要单独处理。
最佳实践建议
-
对于同步存储器设计,建议直接使用标准的同步模式,避免使用寄存器地址+异步读取的变通方式。
-
在Yosys流程中,memory_libmap前务必运行完整的预处理pass序列。
-
对于复杂的存储器配置,建议先使用memory_collect和memory_dff等pass进行调试,确保存储器被正确识别后再进行映射。
通过遵循这些指导原则,设计者可以确保Yosys正确识别和映射各种类型的存储器,获得预期的综合结果。
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