Iverilog中always_comb的潜在问题与状态机设计实践
2025-06-27 13:09:03作者:薛曦旖Francesca
概述
在使用Iverilog进行SystemVerilog仿真时,设计者可能会遇到always_comb块中出现的意外行为。本文将通过一个典型的状态机设计案例,深入分析always_comb块可能导致的信号异常问题,并提供解决方案。
问题现象分析
在典型的双段式状态机设计中,组合逻辑部分使用always_comb块实现,而状态寄存器转换逻辑则使用always_ff块实现。设计者报告了以下异常现象:
- 在S_WRITE状态下,当条件判断(xbar_s_wready_local && xbar_m_wvalid_local)不成立时,理论上sw_xfer_cnt_en信号应保持0不变,而sw_xfer_cnt也不应增加
- 然而仿真结果显示,sw_xfer_cnt_en确实保持为0,但sw_xfer_cnt却从0跳变到2,这与预期行为不符
- 后续仿真中,sw_xfer_cnt还会从2增加到3,尽管条件判断仍然不成立
根本原因
always_comb的特性
always_comb块在SystemVerilog中具有以下关键特性:
- 对块内读取的任何信号变化都会触发重新执行
- 设计上允许存在毛刺(glitches),因为它在变量每次变化时都会执行,而不仅是在时钟边沿
- 这种特性使得组合逻辑对信号变化非常敏感
问题根源
在上述案例中,问题源于对always_comb行为的误解:
- 当xbar_s_wready_local或xbar_m_wvalid_local信号发生变化时,always_comb块会重新执行
- 即使最终条件判断不成立,在信号变化过程中可能导致sw_xfer_cnt的临时计算值被保留
- 由于组合逻辑的敏感性,信号跳变可能引发多次计算,导致计数器异常增加
解决方案
方法一:转换为单段式状态机
将状态机设计改为单段式,完全使用always_ff实现:
- 消除组合逻辑带来的毛刺问题
- 确保所有状态转换和输出更新仅在时钟边沿发生
- 提高设计的稳定性和可预测性
方法二:正确分离组合与时序逻辑
如果坚持使用双段式设计,应遵循以下原则:
- 将计数器等时序逻辑移出always_comb块
- 使用always_ff实现计数器,由组合逻辑产生的使能信号控制
- 确保组合逻辑仅产生控制信号,不直接操作寄存器
设计建议
-
信号选择处理:当遇到"Iverilog不支持always_*过程中的常量选择"警告时,确实需要创建局部信号,但要注意信号引用的正确性
-
计数器实现:
- 避免在组合逻辑中直接操作计数器
- 使用明确的使能信号控制计数器递增
- 在时序逻辑中实现计数器更新
-
调试技巧:
- 添加$display语句跟踪always_comb块的执行情况
- 启用代码追踪功能观察变量变化过程
- 检查信号变化的时序关系
结论
在Iverilog中使用SystemVerilog构造时,设计者需要特别注意always_comb块的敏感性特性。对于状态机设计,单段式实现通常能提供更稳定的行为。当必须使用双段式设计时,应严格分离组合逻辑和时序逻辑,避免在组合逻辑中直接操作寄存器。理解这些底层机制将帮助设计者创建更可靠的数字电路仿真模型。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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++
893
677
暂无简介
Dart
802
199
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
350
205
昇腾LLM分布式训练框架
Python
118
147
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
12
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
68
20
🎉 (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
1.37 K
781