Icarus Verilog中关于实数输入门级原语的实现问题分析
2025-06-27 22:39:59作者:咎岭娴Homer
问题背景
在数字电路设计中,Verilog作为一种硬件描述语言,其门级原语(如and、or、not等)通常用于描述基本的逻辑门电路。Icarus Verilog作为一款开源的Verilog仿真工具,近期被发现存在一个关于实数(real)类型输入到门级原语时的实现缺陷。
问题现象
当用户尝试将一个实数类型的信号连接到not门时,例如以下SystemVerilog代码:
module a(input real i1);
not g(w1, i1);
endmodule
使用Icarus Verilog编译并运行时,会触发内部错误:
internal error: 11vvp_fun_not: recv_real(0.000000) not implemented
技术分析
门级原语的输入类型规范
根据Verilog语言标准,门级原语的输入理论上可以接受任何表达式,包括实数类型的输入。这意味着从语言规范角度来看,上述代码是完全合法的。
Icarus Verilog的实现缺陷
问题出在Icarus Verilog的仿真内核(vvp)中。具体来说:
- 当门级原语接收到实数输入时,仿真器没有正确处理这种数据类型
- 在
vvp_net_fun_t类的recv_real方法中,缺少对实数输入的实现 - 当前实现直接触发了断言失败,导致仿真终止
影响范围
这一问题不仅影响not门,还涉及其他门级原语,包括:
- 基本逻辑门(and、or、xor等)
- MOS晶体管门
- 条件门(if门)
解决方案
Icarus Verilog开发团队已经针对此问题进行了修复,主要改进包括:
- 为逻辑门添加了实数输入的支持
- 扩展了MOS门的实数输入处理能力
- 实现了条件门对实数输入的兼容
技术意义
这一修复体现了仿真器开发中的几个重要方面:
- 类型系统的完整性:硬件描述语言需要处理多种数据类型,包括整数、实数等
- 标准符合性:仿真器需要完整实现语言规范定义的所有合法语法结构
- 错误处理的健壮性:从断言失败改为正确的功能实现,提高了工具的可靠性
用户建议
对于使用Icarus Verilog的用户:
- 建议更新到包含此修复的版本
- 在混合信号设计中,可以更自由地使用实数类型与门级原语的连接
- 遇到类似内部错误时,可检查是否涉及不完整的数据类型支持
总结
这一问题的解决完善了Icarus Verilog对SystemVerilog标准的支持,特别是在混合信号仿真方面的能力。它展示了开源工具如何通过社区反馈不断完善自身功能,为数字电路设计提供更强大的支持。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220