CN118940137B 一种基于fpga的ip核模块调试方法 （青岛青软晶尊微电子科技有限公司）

司本申请公开了一种基于FPGA的IP核模块调量机SVM模型，获取数据流中的特征模式作为异限状态机FSM的状态变化，设置不同状态下的状上的程序控制流图解析算法对IP核模块的代码2获取IP核模块的不同异常情况下产生的数据流，作为模拟测试设置在FPGA芯片上的支持向量机SVM根据获取的异常模式，设置获取对应异常模式的故障触发条件，将根据FPGA芯片的存储单元中存储的故障触发条件，以及状态触发输入数据和输出数据进行监测，当监测到故障触发条件或状态触发条件时，通过设置在采用设置在FPGA芯片上的程序控制流图解析算法对IP根据调试结果和静态分析结果，通过关联分析算法，获取IP利用支持向量机SVM模型对输入的数据流进行特征提取，获取数据流中的特征模式作将输入的数据流通过设置在FPGA芯片上的双小波变换去噪电路进利用训练后的SVM模型对数据流的特征向量进行分类，根据分类结果判断数据流的异双小波变换去噪电路包含coiflet小波滤波器和bior采用coiflet小波滤波器对输入的数据流进行正向小波变换，通过对数据流进行多级采用bior小波滤波器对正向变换后的数据流进行多级小波分解，提取3采用贝叶斯估计算法对去噪后的数据流的统计特性进行估计，通过根据最优滑动窗口宽度，采用滑动平均法对数据流进行划窗处采用基于皮诺序列的快速傅里叶变换算法对去噪后的数据流进行据流的功率谱密度和频谱熵，计算得到的功率谱密度和频谱熵作为数据流的频域特征输采用正交匹配追踪算法对去噪后的数据流进行自适应小波包分解，通过计对最优小波包节点进行小波系数稀疏化表示，通过设置稀疏度阈值通过计算任意两个高维特征向量之间的欧氏距离，构建高维特征向量之间的距离矩基于距离矩阵，对每个高维特征向量搜索K个最近邻向量，构建高维遍历每个高维特征向量的K近邻结构，如果两个高维特征向量互为K采用Rayleigh商迭代算法求解拉普拉斯矩阵的广义特征值问题，4;;块表示一个单一入口和单一出口的连续指令序列；采用控制流构建算法，根据基础块之间的跳转关系和条件判断语句采用环路识别算法Tarjan遍历控制流图，识别出起点节点和终点节点相采用模式匹配算法，在IP核模块的运行逻辑中搜索与异常号偏差超限异常表示数据流中的信号幅值相对于标称值的偏差超过预先设定的最大允许对于特征值超限异常，从异常模式中提取引发异常的特征参数名称和安全阈值上下对于信号偏差超限异常，从异常模式中提取引发异常的信号名称将构建的特征值超限触发条件和信号偏差超限触发条件进行逻辑5状态触发条件包含信号波动触发条件和错误6[0001]本申请涉及数字集成电路技术领域，特别涉及一种基于FPGA的IP核模块调试方[0002]近年来，随着半导体工艺的不断进步和芯片设计复杂度的持续增长，片上系统SoC设计也面临着诸多挑战，其中IP核(IntellectualPropertyCore)模块的调试与验证[0004]基于FPGA(FieldProgrammableGateArray)的硬件辅助验证已成为IP核调试的置在FPGA芯片上的数据接口电路输入至设置在FPGA芯片上的支持向量机SVM模型中，数据7采集IP核模块的输入数据和输出数据，提取其特征并与触发条件和状态触发条件进行比[0010]采用设置在FPGA芯片上的程序控制流图解析算法对IP核模块的代码进行静态分的门级网表。通过JTAG或其他配置接口将SVM模型的网表加载到FPGA芯片上指定的可编程89波变换去噪电路，双小波变换去噪电路采用小波变换对输入的数据流进行正向和逆向变[0023]进一步的，双小波变换去噪电路包含串联连接的coiflet小波滤波器和bior小波不同尺度下的低频近似系数和高频细节系数；将提取的高频细节系数输入至设置在coiflet小波滤波器中的阈值处理单元，阈值处理单元采用预设的阈值对高频细节系数进[0024]将阈值处理后的高频细节系数与低频近似系数一起输入至设置在coiflet小波滤波器中的小波重构单元，小波重构单元采用coiflet小波基对阈值处理后的高频细节系数器中的反阈值处理单元，反阈值处理单元采用预设的阈值对高频细节系数进行软阈值处处理后的高频细节系数与低频近似系数一起输入至设置在bior小波滤波器中的小波重构疏化后的小波系数对最优小波包节点进行重构，并计算不同尺度下重构节点的能量分布，化Rayleigh商R(v1)获得最优v1。求解1vi。得到n个正交的投影向量[v1,v2,......,vn]，将投影向量构建成投影矩阵P＝[v1,量，构成样本矩阵X，每行是一个样本。通过迭代优化求解，获得了n个投影向量[v1,i为输入到核函数的样本特征xi||是测试样本x和支持向量xi之间的欧式距离。核宽度σ(x,xi)的计算公式如下：这实现了根据样本距离自动调节核宽度的效果。通过选择适当的α,β可以调控核宽度的变[0045]将标注化控制流图输入至数据流分析模块。数据流分析模块采用到达一定值故障诊断提供了直接的支撑。优选地，将IP核模块的运行逻辑转化为静态单赋值形式信号上报给触发条件生成模块。触发条件生成模块汇总各个信号的异常状态，判断是否触都可作为触发故障信号采集的条件。最后，触发条件生成模块将构建好的特征值超限触发条件和信号偏差超限触发条件进行逻辑组合，形成最终的故障触发条件。逻辑组合采用从异常模式到故障信号的诊断和采集过程。联分析模块输出的异常模式输入至触发条件生成模块，根据异常模式中的状态类型信息，确定状态触发条件的类型为信号波动触发条件或错误码触发条件；对于信号波动触发条误码值根据IP核模块的设计规范和异常状态[0064]图1是根据本说明书一些实施例所示的一种基于FPGA的IP核模块调试方法的示例[0070]图1是根据本说明书一些实施例所示的一种基于FPGA的IP核模块调试方法的示例[0072]图2是根据本说明书一些实施例所示的获取异常模式的示例性流程图，输入模拟[0077]图4是根据本说明书一些实施例所示的降维处理的示例性流程图，X包含500个样量y1在矩阵L定义的子空间下的能量大小。子空间指的是矩阵L对应的特征向量构成的空可得Z为5x20的低维矩阵。矩阵性质：L为500x500正定对称矩阵，M为500x5正交矩阵(MT[0078]使用局部保留投影(LocalityPreservedProjections，LPP)算法对高维特征进行T为500×13矩阵，MT为3×13矩阵，所以Y＝500×3。X中第一个样本向量为：[1.T第1行向量为：其属于正常模式还是异常模式。anomalies＝[]，foriinrange(len(test_data))：2000的时间序列信号作为测试流输入。对X中的每个样本x[i]利用SVM模型进行检测：将x[0084]图5是