Verilator中时序仿真与波形时间单位的注意事项
2025-06-28 06:12:14作者:牧宁李
Verilator作为一款高性能的Verilog/SystemVerilog仿真器,在支持时序仿真时有一些需要特别注意的实现细节。本文将深入分析Verilator中时序仿真的工作原理,特别是关于波形文件中时间单位的关键问题。
时序仿真的基本实现
Verilator通过--timing选项启用时序仿真功能。当使用此选项时,Verilator会为设计中的延迟语句生成相应的调度代码。例如,在示例代码中:
assign #1 {ab, bb, cb} = ~{a, b, c};
Verilator会为这个1个时间单位的延迟生成事件调度机制。在仿真过程中,当输入变化时,这些变化不会立即传播,而是会按照指定的延迟时间被调度到未来的时间点执行。
波形时间单位问题分析
在用户遇到的问题中,虽然RTL代码中指定了timescale 1ns/1ps,但在GTKWave中显示的时间单位却是秒(s)而非预期的纳秒(ns)。这实际上是由于Verilator内部实现的一个细节导致的。
关键原因在于:波形文件的时间单位信息是在创建跟踪文件时确定的,而这个时间单位信息来源于Verilog模型。因此,创建跟踪文件对象必须在创建模型对象之后进行。
正确的代码实现方式
要解决这个问题,有两种推荐做法:
- 调整对象创建顺序:
Vexample * dut = new Vexample; // 先创建模型
VerilatedFstC * m_trace = new VerilatedFstC; // 再创建跟踪对象
- 使用SystemVerilog内置的波形记录:
直接在RTL代码中使用
$dumpfile和$dumpvars,这样可以完全避免在C++测试平台中处理波形记录的相关代码。
时序仿真的内部机制
Verilator处理时序仿真时,会为每个延迟语句生成一个事件队列。在仿真循环中,测试平台需要不断检查是否有待处理的事件:
while (dut->eventsPending()) {
contextp->time(dut->nextTimeSlot());
dut->eval();
m_trace->dump(contextp->time());
}
这个循环会处理所有被调度的延迟事件,确保信号变化按照正确的时间顺序发生。
最佳实践建议
- 始终使用最新版本的Verilator,因为时序仿真支持在不断改进中
- 明确指定
timescale,避免依赖工具默认值 - 在C++测试平台中,确保模型对象在跟踪对象之前创建
- 对于复杂的时序仿真,考虑增加仿真时间检查,避免无限循环
- 在波形查看器中,注意检查时间单位设置是否正确
理解这些细节将帮助开发者更好地利用Verilator进行时序敏感的仿真验证,确保仿真结果与预期一致。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
9
1
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137