Yosys中Verilog多驱动信号问题的分析与解决
2025-06-18 20:03:31作者:劳婵绚Shirley
问题背景
在使用Yosys进行Verilog代码综合时,设计者遇到了一个典型问题:在仿真阶段表现正常的代码,经过综合后出现了信号映射错误和输出为X(不定态)的情况。通过分析发现,这实际上是一个常见的Verilog多驱动信号问题,而非Yosys工具本身的缺陷。
问题代码分析
问题代码是一个简单的D触发器模块,包含时钟、清零和输入输出信号。原始代码存在两个关键问题:
-
多驱动问题:输出信号
out在两个不同的always块中被赋值,违反了Verilog的基本设计规则。信号只能在一个always块中被驱动,否则会导致不确定的行为。 -
位宽不匹配:代码中声明了13位宽的输出信号(
[12:0]),但在清零时却赋值为12位的零值(12'b0),这会导致位宽不匹配警告。
Yosys综合过程分析
当Yosys处理这种多驱动信号时,OPT_CLEAN阶段会检测到驱动冲突。在日志中可以看到明确的警告信息:"Driver-driver conflict for \out",表明工具检测到了同一个信号被多个驱动源驱动的情况。在这种情况下,Yosys选择使用常量值(0)作为最终驱动源,导致输出被固定为0而忽略其他输入。
正确的Verilog编码方式
正确的实现应该将所有的边沿触发逻辑合并到单个always块中:
module df(in, clk, clr, out);
input [12:0] in;
input clk, clr;
output reg [12:0] out;
always @(posedge clk, posedge clr) begin
if(clr)
out <= 13'b0; // 注意修正为13位
else
out <= in;
end
endmodule
这种写法具有以下优点:
- 所有对
out的赋值都在同一个always块中完成 - 明确区分了异步清零和同步数据采样的优先级
- 位宽匹配正确
验证工具的使用
在设计阶段,可以使用Verilator等静态检查工具提前发现问题:
verilator --lint-only df.v
该工具会报告两类重要警告:
- MULTIDRIVEN:信号被多个驱动块驱动
- WIDTHEXPAND:位宽不匹配问题
这些警告可以帮助设计者在综合前发现并修复代码问题。
综合结果对比
修复后的代码在Yosys中综合时:
- 不再出现驱动冲突警告
- 生成的网表结构符合预期
- 后仿真结果与行为级仿真一致
设计建议
- 遵循Verilog编码规范,避免多驱动信号
- 在综合前使用静态检查工具验证代码
- 注意信号位宽的精确匹配
- 对于时序逻辑,将所有边沿触发条件放在同一个always块中
- 仔细阅读综合工具给出的警告信息
通过遵循这些设计原则,可以避免大多数综合问题,确保设计在不同抽象级别上的一致性。
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
413
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