Yosys项目中splitcells命令的断言失败问题分析
2025-06-18 09:40:24作者:卓艾滢Kingsley
问题概述
在Yosys硬件描述语言综合工具中,当处理特定结构的Verilog代码时,splitcells命令会出现断言失败错误。该命令原本用于将多位宽的逻辑单元拆分为多个单比特单元,但在处理某些特殊的多位信号连接时会触发内部断言检查失败。
问题重现
通过以下精简后的Verilog代码可以稳定重现该问题:
module top(y, clk, wire2, wire1, wire0);
output wire [11:0] y;
input wire clk;
input wire signed [3:0] wire2;
input wire [3:0] wire1;
input wire [2:0] wire0;
wire [2:0] wire4;
reg signed [2:0] reg7 = 0;
reg [3:0] reg6 = 0;
reg [3:0] reg5 = 0;
assign y = {wire4, reg7, reg6, reg5, 1'b0};
assign wire4 = wire0 ^~ $unsigned(wire1);
always @(posedge clk) reg5 <= $signed(wire4);
always @(posedge clk) reg6 <= wire2;
always @(posedge clk) reg7 <= (reg5 ? (~|reg5) : reg5);
endmodule
使用Yosys处理流程如下:
- 读取Verilog文件
- 执行预处理命令
prep - 运行
splitcells命令
错误分析
错误发生在splitcells命令处理过程中,具体表现为:
ERROR: Assert `length >= 0' failed in kernel/rtlil.cc:4882
从调用栈分析可知,错误发生在处理异或非门($xnor)单元时。Yosys尝试将一个4位宽的异或非门拆分为两个部分:
- 低2位:对应输出wire4[1:0]
- 高2位:对应输出wire4[3:2]
但在计算信号提取长度时,出现了负值,触发了断言检查失败。
技术背景
splitcells是Yosys中的一个重要优化步骤,它负责:
- 将多位宽的时序单元(如触发器)拆分为多个单比特单元
- 将多位宽的组合逻辑拆分为多个单比特逻辑
- 优化设计中的位宽匹配问题
该命令通过递归遍历设计中的所有单元,分析其输入输出位宽,然后决定如何拆分。在拆分过程中,需要精确计算信号提取的偏移量和长度,而正是这个计算过程出现了错误。
问题根源
经过分析,问题根源在于:
- 原始设计中存在位宽不匹配的连接
wire4被定义为3位宽,但连接到4位宽的异或非门输出- 在拆分过程中,Yosys没有正确处理这种部分连接的情况
- 导致在计算提取长度时出现负值
解决方案建议
针对该问题,建议从以下几个方面进行修复:
- 在信号提取前增加位宽检查,确保不会出现负长度
- 完善部分连接的拆分逻辑
- 对不匹配的位宽连接给出更友好的警告信息
- 在拆分算法中加入边界条件检查
经验总结
这个案例展示了:
- 硬件综合工具在处理非标准代码时的脆弱性
- 断言检查在开发复杂EDA工具中的重要性
- 位宽处理是Verilog综合中的常见难点
- 自动化测试(如fuzzing)在发现边界条件问题中的价值
对于Yosys用户,建议在遇到类似问题时:
- 先使用
prep命令进行设计预处理 - 检查设计中是否存在非常规的位宽连接
- 考虑使用更规范的编码风格避免触发工具边界条件问题
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492