基于Surrogate模型的断言覆盖技术研究.pdf

基于S u r r o g a t e模型的断言覆盖技术研究*史明川,龙巧洲,邹鸿基,李 暾(国防科技大学计算机学院,湖南 长沙 4 1 0 0 7 3)摘 要:随着集成电路设计规模不断增大,验证成为制约设计进程的瓶颈之一。目前,仿真仍是集成电路设计验证的主导方法之一,仿真的完备性通常通过各种覆盖率测度来度量。功能覆盖率是抽象层次较高的一种覆盖率,实际工程中,功能常以S y s t e mV e r i l o g断言形式呈现。目前常用的随机测试向量生成较难生成大量激活断言的测试向量;而采用约束求解的策略时,一旦覆盖条件中涉及到非初始输入信号(内部信号、输出信号),约束求解的效率将极为低下,导致仍然难以覆盖目标断言。针对含非初始输入信号断言的覆盖问题,提出了一种利用S u r r o g a t e模型的断言覆盖率提升方法,主要是为非初始输入信号生成体现其与初始输入信号关系的、只包含初始输入信号的S u r r o g a t e模型,再以此S u r r o g a t e模型作为约束求解的对象,降低了约束求解的复杂度。实验结果表明,相比于随机测试向量生成,该方法在断言覆盖方面有较大提升。关键词:S y s t e mV e r i l o g断言;测试生成;S u r r o g a t e模型中图分类号:T P 3 9 9文献标志码:Ad o i:1 0.3 9 6 9/j.i s s n.1 0 0 7-1 3 0 X.2 0 2 3.0 8.0 0 5A S u r r o g a t e m o d e l-b a s e d a s s e r t i o n c o v e r a g e i m p r o v e m e n t t e c h n o l o g y S H I M i n g-c h u a n,L ONG Q i a o-z h o u,Z OU H o n g-j i,L I T u n(C o l l e g e o f C o m p u t e r S c i e n c e a n d T e c h n o l o g y,N a t i o n a l U n i v e r s i t y o f D e f e n s e T e c h n o l o g y,C h a n g s h a 4 1 0 0 7 3,C h i n a)A b s t r a c t:A s t h e s c a l e o f i n t e g r a t e d c i r c u i t d e s i g n c o n t i n u e s t o i n c r e a s e,v e r i f i c a t i o n h a s b e c o m e o n e o f t h e b o t t l e n e c k s i n t h e d e s i g n p r o c e s s.C u r r e n t l y,s i m u l a t i o n i s s t i l l o n e o f t h e d o m i n a n t m e t h o d s f o r i n t e g r a t e d c i r c u i t d e s i g n v e r i f i c a t i o n,a n d t h e c o m p l e t e n e s s o f s i m u l a t i o n i s u s u a l l y m e a s u r e d b y v a r i o u s c o v e r a g e m e t r i c s.F u n c t i o n a l c o v e r a g e i s a h i g h e r l e v e l o f c o v e r a g e,a n d i n p r a c t i c a l e n g i n e e r i n g,f u n c-t i o n s a r e o f t e n p r e s e n t e d i n t h e f o r m o f S y s t e mV e r i l o g a s s e r t i o n s.C u r r e n t l y,i t i s d i f f i c u l t t o g e n e r a t e a l a r g e n u m b e r o f t e s t v e c t o r s t h a t a c t i v a t e a s s e r t i o n s u s i n g c o mm o n l y u s e d r a n d o m t e s t v e c t o r g e n e r a t i o n m e t h o d s.Wh e n u s i n g c o n s t r a i n t s o l v i n g s t r a t e g i e s,i f t h e c o v e r a g e c o n d i t i o n i n v o l v e s n o n-i n i t i a l i n p u t s i g n a l s(i n t e r n a l s i g n a l s,o u t p u t s i g n a l s),t h e e f f i c i e n c y o f c o n s t r a i n t s o l v i n g w i l l b e e x t r e m e l y l o w,m a k i n g i t s t i l l d i f f i c u l t t o c o v e r t h e t a r g e t a s s e r t i o n.T o a d d r e s s t h e c o v e r a g e p r o b l e m o f a s s e r t i o n s c o n-t a i n i n g n o n-i n i t i a l i n p u t s i g n a l s,t h i s p a p e r p r o p o s e s a S u r r o g a t e m o d e l-b a s e d a s s e r t i o n c o v e r a g e i m-p r o v e m e n t m e t h o d,w h i c h m a i n l y g e n e r a t e s a S u r r o g a t e m o d e l t h a t r e f l e c t s t h e r e l a t i o n s h i p b e t w e e n n o n-i n i t i a l i n p u t s i g n a l s a n d i n i t i a l i n p u t s i g n a l s a n d o n l y c o n t a i n s i n i t i a l i n p u t s i g n a l s,a n d t h e n u s e s t h i s S u r r o g a t e m o d e l a s t h e o b j e c t o f c o n s t r a i n t s o l v i n g,t h u s r e d u c i n g t h e c o m p l e x i t y o f c o n s t r a i n t s o l v i n g.E x p e r i m e n t a l r e s u l t s s h o w t h a t t h i s m e t h o d h a s a s i g n i f i c a n t i m p r o v e m e n t i n a s s e r t i o n c o v e r a g e c o m-p a r e d t o r a n d o m t e s t v e c t o r g e n e r a t i o n.*收稿日期:2 0 2 2-0 8-0 7;修回日期:2 0 2 2-1 0-2 0基金项目:国家自然科学基金(U 1 9 A 2 0 6 2)通信作者:李暾(t u n l i n u d t.e d u.c n)通信地址:4 1 0 0 7 3 湖南省长沙市国防科技大学计算机学院A d d r e s s:C o l l e g e o f C o m p u t e r S c i e n c e a n d T e c h n o l o g y,N a t i o n a l U n i v e r s i t y o f D e f e n s e T e c h n o l o g y,C h a n g s h a 4 1 0 0 7 3,H u n a n,P.R.C h i n a C N 4 3-1 2 5 8/T PI S S N 1 0 0 7-1 3 0 X 计算机工程与科学C o m p u t e r E n g i n e e r i n g&S c i e n c e第4 5卷第8期2 0 2 3年8月 V o l.4 5,N o.8,A u g.2 0 2 3 文章编号:1 0 0 7-1 3 0 X(2 0 2 3)0 8-1 3 6 5-1 1K e y w o r d s:S y s t e mV e r i l o g a s s e r t i o n;t e s t g e n e r a t i o n;S u r r o g a t e m o d e l1 引言在现代电子设计自动化流程中,复杂性的增加和上市时间的缩短使得功能验证成为硬件设计流程中的主要瓶颈,仿真在功能验证中发挥了不可替代的作用,基于仿真的功能验证是一个关键而又耗时的步骤1。在此步骤中,工程师一般使用大量测试向量来仿真设计,并监控信号,以确定是否满足覆盖目标或功能要求。对于复杂的设计,每个输入通常跨越多个时钟周期。由于详尽的仿真对于实际设计是不切实际的,因此使用“高质量”的测试向量来充分覆盖系统在目标中的运行是极其重要的。随机测试向量生成、基于随机采样的约束求解测试向量生成2和定向测试向量生成3是仿真验证中测试向量生成最常用的方法。S y s t e mV e r i l o g引入断言机制来描述电路设计的功能特性。本文将S y s t e mV e r i l o g中的断言作为覆盖目标,试图生成大量可以激活断言的测试向量。实际设计中,上述3种方法针对2类断言的一般处理方式如下所示:(1)断言的激活条件只包含设计的初始输入信号时,可使用基于随机采样的约束求解生成多个时钟周期的初始输入信号值,从而激活断言。(2)断言的激活条件中包含设计的内部信号或者输出信号时,工业界常用的随机测试向量生成,即使激活了断言,在一定时钟周期内对于断言激活的次数也较少(激活次数远远小于激活条件中信号取值的组合数),不能充分激活断言达到验证电路功能的目的;针对激活条件进行约束求解的随机采样同样不能充分激活断言;基于模型检验、符号执行的定向测试向量生成由于受到电路规模的限制效率较低。在一个复杂系统中,S u r r o g a t e模型用于当输入与输出之间的实际关系未知或计算代价较高时,将输入数据映射到输出数据,常用于复杂系统的优化。而在电路设计中,常用断言描述信号之间的关系,这也可视为S u r r o g a t e模型。电路设计中断言(不变式)的自动提取工作为测试向量生成提供了新思路:依据自动提取的电路中的不变式,可以将目标断言中的非初始输入信号用只包含初始输入的不变式进行替换,本文将此不变式称为相应的非初始输入信号在测试向量生成时的S u r r o g a t e模型。本文利用此S u r r o g a t e模型,将覆盖条件中的非初始输入信号转化为初始输入信号的逻辑运算表达式,降低了约束求解的复杂度。2 相关研究2.1 测试向量生成技术文献4 讨论了布尔/整数混合变量域测试向量生成的有效约束求解问题,提出了一种基于马尔可夫 链 蒙 特 卡 罗MCMC(M a r k o v C h a i n M o n t e C a r l o)方法的混合求解器。为了解决解空间不连续时的性能问题,Wu等人5 8提供了一种预处理技术,通过自适应地分割变量范围来分析解空间,并证明了各子空间的可行性。文献9 提出了一种基于约束求解的测试向量生成引擎T o g g e r,这项工作是基于电路综合后的门级电路展开的。模型检验实现了定向测试的自动生成。针对模型检验,文献1 0 提出了几种有效的学习技术,这些技术可以改善单个属性和一组相似属性的总体测试生成时间。针对涉及非初始输入信号会使搜索状态空间爆炸的问题,文献1 1 使用一种针对寄存器传输级R T L(R e g i s t e r T r a n s f e r L e v e l)的朴素前向遍历算法,但其强行打断反馈电路使得实验结果并不好。文献1 2 提出了一种自动的、可扩展的机制,使用符号执行和R T L模型的具体仿真相结合的C o n c o l i c方式来生成定向测试,但其仍然没有解决如何大量生成覆盖目标的测试向量的问题。2.2 电路不变式提取在软件验证领域,D a i k o n1 3搜索满足一组不变式模板的值。作为为硬件设计推断不变式的第一次尝试,I O D I N E(I m p l e m e n t a t i o n O f D y n a m i c I N v a r i a n t E x t r a c t i o n)1 4在待验证设计DUV(D e-s i g n U n d e r V e r i f i c a t i o n)中的一个或多个变量中假设了一组候选不变式。D i a n o s i s1 5检查预定义的不变式,只留下仿真执行路径中有效的候选不变式,该方法不断重新组合这些候选不变式,直到不能创建新的不变式为止,从而得到一组电路不变式。I n f e r n o1 6通过分析仿真执行路径来推断不变6631C o m p u t e r E n g i n e e r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(8)式,即在执行数据中多次出现的信号值序列,以及在某些边界值中开始/结束的序列。V a s u d e v a n等人1 7提出了G o l d M i n e,其结合了静态分析和基于决策树 的 仿 真 数 据 监 督 学 习。此 外,D a n e s e等人1 8提出了A-T E AM工具,可以从DUV仿真执行路径中动态提取线性时序逻辑L T L(L i n e a r-T i m e L o g i c)断言,该工具既适用于布尔数据类型,也适用于数值数据类型。2.3 相关研究总结测试向量相关技术仍存在下述问题:基于随机采样的约束求解测试向量生成技术无法处理断言的激活条件中涉及到的非初始输入信号情况;基于模型检验或符号执行的定向测试生成技术无法在有限时间内生成大量激活断言的测试向量。本文采用G o l d M i n e中决策树的方法挖掘一系列初始输入信号和非初始输入信号之间的关系序列,进一步组合为非初始输入信号的S u r r o g a t e模型。然后基于此S u r r o g a t e模型,利用随机采样技术,在有限时间内生成的测试向量即可大量激活断言。3 相关定义及方法3.1 相关定义(1)覆盖目标。本文以S y s t e mV e r i l o g中的断言为覆盖目标,使断言激活的条件称为覆盖条件。(2)断言的激活(分析覆盖条件)。S y s t e mV e r i l o g中的断言分为即时断言和并发断言。即时断言一般内嵌于模块功能实现内部,检查模块设计中的漏洞。并发断言一般编写于模块功能实现后。本文将2类断言分类处理:针对即时断言,激活断言定义为到达此断言所在分支语句,即此断言所在分支语句条件为真。针对并发断言:在本文中,断言的激活是指找到“非空洞地”否定断言的反例。“空洞”在文献1 9 中的定义为:如果公式中存在子公式,可以用任意公式替换,且不影响模型检验结果,则模型M中的公式为“空洞”的。例如,在公式pq中,如果p总是假的,则该公式是“空洞”的,因为q可以被任何公式替换。激活如 下 所 示 的 并 发 断 言,即 找 到 可 以 使“a&b”为真的输入序列:p r o p e r t y p1;(p o s e d g e c l k)a&b|-c;e n d p r o p e r t ya s s e r t p r o p e r t y(p1);(3)S u r r o g a t e模型。S u r r o g a t e模型描述了复杂电路系统中输入信号对非初始输入信号的影响关系,如图1所示。图1 a展示了电路中信号取值的迁移,图中每个圆点表示一组电路中信号的取值,最左侧表示的是复位状态下所有信号的取值,而虚线框出的部分表示了电路在不同输入情况下的信号取值的迁移(其中一个颜色表示一组输入);而图1 b则将中间信号取值迁移部分用黑盒表示,此黑盒即为S u r r o g a t e模型,将复杂的电路使用简单的输入信号的组合代替。简单来讲,S u r r o g a t e模型即一组输入信号的取值组合,具体内涵表述如下:使目标信号从初始取值经过特定时钟周期后,变为目标取值的输入信号取值组合。此S u r r o g a t e模型用于构建激活断言的测试向量时,可将覆盖条件中不能直接采样的非初始输入信号的目标取值替换为初始输入信号的取值组合。F i g u r e 1 E x a m p l e o f S u r r o g a t e m o d e l图1 S u r r o g a t e模型示例3.2 方法概述本文提出的方法由图2中以虚线划分的3个部分构成:第1部分:提取电路设计中断言的覆盖条件,7631史明川等:基于S u r r o g a t e模型的断言覆盖技术研究F i g u r e 2 T e c h n i c a l f r a m e w o r k图2 技术框架针对设计中断言的覆盖条件分类,按照覆盖条件中是否只包含初始输入信号将其分为2类;第2部 分:使 用 机 器 学 习 方 法 或 工 具,如G o l d M i n e,挖掘非初始输入信号与初始输入信号间的逻辑关系,而后将逻辑关系进行组合构建出非初始输入信号的S u r r o g a t e模型;第3部分:使用S u r r o g a t e模型代替断言中非初始输入信号,利用随机采样技术,如GU I D E D-S AMP L E R2 0对只包含初始输入信号的覆盖条件进行测试向量生成。具体实现及技术细节将在第4节中详细展开。4 方法实现4.1 断言覆盖条件提取S y s t e mV e r i l o g将断言分为即时断言和并发断言,需进行分类处理,如算法1所示。算法1 E x t r a c t_C C/提取覆盖条件输入:V e r i l o g源文件v s c。输出:元组 的列表l。1:A S Tg e t_a s t(v s c);2:f o r a i n A S T.c h i l d r e n()d o3:i f a 是p r o p e r t y节点 d o4:Aa;5:C C操作符|-左侧的子节点;6:l;7:e n d8:e l s e d o9:/定位即时断言A S T结点1 0:Af i n d_a s s e r t i o n(a);1 1:/C C为断言所在语句块的控制条件1 2:C Cg e t_c o n t r o l(A);1 3:l;1 4:e n d1 5:e n d(1)即时断言。这类断言一般出现在功能设计模块内部,通过遍历A S T,将这类断言所在控制语句块的控制条件提取出来作为该断言的覆盖条件(算法1 第81 4行)。L i s t 1为开源的R i s c处理器的I P核m o r 1 k x项目中的代码示例。其中第8行为设计中间插入的即时断言,其目的是确保操作完成时不超过最大计数m a x_c o u n t。通过对代码的静态分析,得到其所在分支的分支条件为第2行处的f_p a s t_v a l-i d,所以对于这一个覆盖目标而言,其覆盖条件C C(C o v e r C o n d i t i o n)设置为:C C1:f_p a s t_v a l i d=1。L i s t 1 M o r 1 k x多时钟a l u操作符形式化检查模块f_m u l t i c l o c k_o p.v1:a l w a y s(p o s e d g e c l k)b e g i n2:i f(f_p a s t_v a l i d)d o3:/D e s i g n d e s c r i p t i o n4:/*5:6:*/7:E n s u r e t h e o p e r a t i o n c o m p l e t e s n e v e r g o i n g b e y o n d m a x c o u n t8:a s s e r t(f_o p_c o u n t(O P_MAX_C L O C K S+1);9:e n d1 0:e n d(2)并发断言。在设计中并发断言一般写在功能设计之后,算法1的第37行描述了提取并发断言覆盖条件的过程,即将p r o p e r t y节点中蕴涵(|-)操作符的前件作为并发断言的覆盖条件。L i s t 2为W e s t e r n D i g i t a l公司生产 的EH 1 R I S C-V系列I P核C o r e s-S w e R V项目中的代码,其中第13行和第79行分别定义了2个属性(p r o p e r t y)。通过对属性的分析,按照本文的定义,以第4行和第1 0行的2个断言作为覆盖目标时,断言前件作为覆盖条件,此时2个覆盖目标的覆盖条件分别为:8631C o m p u t e r E n g i n e e r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(8)C C2:(r s t_l=1)&(l s u_h t r a n s1:0!=2b 0)C C3:(r s t_l=1)&(d m a_h t r a n s1:0!=2b 0)L i s t 2 顶层模块s w e r v.s v中部分断言1:p r o p e r t y a h b_t r x n_a l i g n e d;2:(p o s e d g e c l k)d i s a b l e i f f(r s t_l)(l s u_h t r a n s1:0!=2 b 0)|-(l s u_h s i z e2:0=3h 0)|(l s u_h s i z e2:0=3h 1)&(l s u_h a d d r0=1b 0)|(l s u_h s i z e2:0=3h 2)&(l s u_h a d d r1:0=2b 0)|(l s u_h s i z e2:0=3h 3)&(l s u_h a d d r2:0=3b 0);3:e n d p r o p e r t y4:a s s e r t_a h b_t r x n_a l i g n e d:a s s e r t p r o p e r t y(a h b_t r x n_a l i g n e d)e l s e5:$d i s p l a y(A s s e r t i o n a h b_t r x n_a l i g n e d f a i l e d:l s u_h t r a n s=2h%h,l s u_h s i z e=3h%h,l s u_h a d d r=3 2h%h,l s u_h t r a n s1:0,l s u_h s i z e2:0,l s u_h a d d r3 1:0);6:p r o p e r t y d m a_t r x n_a l i g n e d;7:(p o s e d g e c l k)d i s a b l e i f f(r s t_l)(d m a_h t r a n s1:0!=2b 0)|-(d m a_h s i z e2:0=3h 0)|(d m a_h s i z e2:0=3 h 1)&(d m a_h a d d r0=1b 0)|(d m a_h s i z e2:0=3h 2)&(d m a_h a d d r1:0=2b 0)|(d m a_h s i z e2:0=3h 3)&(d m a_h a d d r2:0=3b 0);8:e n d p r o p e r t y9:a s s e r t_d m a_t r x n_a l i g n e d:a s s e r t p r o p e r t y(d m a_t r x n_a l i g n e d)e l s e1 0:$d i s p l a y(A s s e r t i o n d m a_t r x n_a l i g n e d f a i l e d:d m a_h t r a n s=2h%h,d m a_h s i z e=3h%h,d m a_h a d d r=3 2h%h,d m a_h t r a n s1:0,d m a_h s i z e2:0,d m a_h a d d r3 1:0);(3)非初始输入信号提取。遍历设计中所有断言的覆盖条件,提取出所有非初始信号,作为S u r r o g a t e模型生成的目标。以C C2为例,l s u_h t r a n s在s w e r v模块中为输出信号,且涉及到的位数为1:0,因而将下述信号取值作为S u r r o g a t e模型的目标信号取值T V(T a r g e t V a l u e):T V1:l s u_h t r a n s0=1&l s u_h t r a n s1=0T V2:l s u_h t r a n s0=1&l s u_h t r a n s1=1T V3:l s u_h t r a n s0=0&l s u_h t r a n s1=14.2 S u r r o g a t e模型生成4.2.1 G o l d M i n e基本流程G o l d M i n e基本流程如下所示:S t e p 1 对V e r i l o g代码做静态分析,构建每个模块的变量定义链和变量引用链,依据指定的遍历深度以及目标,得到目标信号的影响锥(目标信号即4.1节中得到的目标信号,影响锥中信号皆为输入信号)。S t e p 2 依据指定的仿真时钟周期数,对V e r-i l o g代码进行仿真,其中所有信号都采用伪随机赋值的方式,得到v c d文件。S t e p 3 解析v c d文件将其转为数据表结构,其中每一列代表影响锥中的一个信号。S t e p 4 利用S t e p 3中得到的数据表,使用决策树的挖掘算法进行挖掘,得到影响锥中的信号对目标信号的影响关系。在G o l d M i n e中,基于决策树的监督学习算法将信号的仿真路径映射为关于设计的结论或推论。在决策树中,数据空间被局部划分为一系列关于特征变量的递归分割。每个决策节点都实现了一次“分裂”,带有标记分支的离散结果(如图31 7第1层按a的取值标记分支),将输入数据空间划分为局部区域的分层决策过程递归地继续下去,直到到达叶节点。在硬件设计中,信号在每一位取值0或者1,所以挖掘时只需要在每个决策节点上进行布尔分割。F i g u r e 3 E x a m p l e o f G o l d M i n e图3 G o l d M i n e挖掘示例图3给出了一个决策树的示例,其中,a和b是用于拆分的特性,o u t是目标。候选的目标信号映射关系是一个布尔命题逻辑语句,通过遵循从根节点到叶节点的路径来计算。图3中的示例可以生成映射关系M1,M2和M3。4.2.2 优化G o l d M i n e的静态分析G o l d M i n e通过静态分析构建目标信号的影响锥,从而提取目标信号在数据挖掘时的特征变量。例如L i s t 3中的o u t_v a l i d,G o l d M i n e通过静态分析确定其数据挖掘时的特征变量应为v a l i d,而不是r e q1或r e q2。L i s t 3 二端口仲裁器m o d i f i e d_a r b 29631史明川等:基于S u r r o g a t e模型的断言覆盖技术研究1:m o d u l e m o d i f i e d_a r b2(c l k,r s t,r e q1,r e q2,g n t1,g n t2);2:i n p u t c l k,r s t;3:i n p u t v a l i d;4:i n p u t r e g 1:0 r e q1;5:i n p u t r e g 1:0 r e q2;6:o u t p u t r e g 1:0 g n t1;7:o u t p u t r e g 1:0 g n t2;8:o u t p u t r e g o u t_v a l i d;9:r e g s t a t e;1 0:a l w a y s (p o s e d g e c l k o r p o s e d g e r s t)b e g i n1 1:i f(r s t)1 2:s t a t e0;1 3:e l s e1 4:s t a t eg n t10;1 5:a l w a y s (*)b e g i n1 6:i f(s t a t e)d o1 7:g n t10=r e q10&r e q20;1 8:g n t20=r e q20;1 9:o u t_v a l i d=v a l i d;2 0:e n d2 1:e l s e d o2 2:g n t11:0=r e q11:0;2 3:g n t20=r e q21&r e q10;2 4:e n d2 5:p r o p e r t y p1;2 6:(p o s e d g e c l k)g n t10 r e q00;2 7:e n d p r o p e r t y;2 8:a s s e r t p r o p e r t y(p1);2 9:e n d m o d u l e;在4.2.1节中描述的G o l d M i n e现有流程中,S t e p 1中的静态分析在构建每个模块的变量定义链及变量引用链时,存在以下2点问题:(1)对于赋值语句左边的变量(即被赋值变量),只提取了其变量名,而没有对多位信号的位数进行处理。以L i s t 3中的二端口仲裁器模块为例,第1 7行中的赋值语句提取左值时仅提取变量名g n t1,完全忽略了位选信息,因此原有算法无法将多位信号作为目标信号。(2)对于赋值语句右侧的变量(即引用变量),只提取了其变量名,未考虑引用了哪几位,当多位信号 的某几位被 用来对其他 变量进行赋 值时,G o l d M i n e会将该多位信号的所有位都加入到被赋值变量的影响锥中。即使并非该信号的所有位都对此变量有影响,这也会使目标信号的特征变量增加,导致挖掘过拟合,影响S u r r o g a t e模型的精度。针对上述问题,本文在以下2个方面进行了改进:(1)多位宽目标信号的改进。为了处理多位信号作为目标变量的情况,需要对被赋值变量L v a l u e中的变量位数进行提取,以备在后续静态分析时使用。如算法2所示,在提取L v a l u e时,如果L v a l u e是一个单位信号,算法将返回信号名的字符串;如果L v a l u e是一个多位信号,算法将返回一个三元组,其中包含信号的名称和位数范围信息(形如(a,2,0)。算法2 G e t_L v a l u e/提取左值输入:当前赋值语句左值的抽象语法树 A S T和迭代列表 L v a l u e s。输出:当前赋值语句的左值列表 L v a l u e s。1:i f A S T 是I d e n t i f i e r类型 d o2:L v a l u e s.a d d(A S T.v a r.n a m e);3:e n d4:e l s e i f A S T 是P a r t s e l e c t或P o i n t e r类型 d o5:L v a l u e s.a d d(A S T.c h i l d r e n);6:e n d7:e l s e d o8:f o r c h i l d i n A S T.c h i l d r e n d o9:G e t_L v a l u e(A S T.c h i l d,L v a l u e s);1 0:e n d1 1:e n d例如,对于赋值语句g n t1=r e q1,算法2返回字符串g n t1;对于赋值语句g n t11:0=r e q11:0,算法2则返回三元组(g n t1,1,0),后续将其处理为g n t1 和g n t0 并加入L v a l u e列表中。至此,变量定义链即被补充完整,可以满足后续以多位信号作为目标信号时的相关处理,进而生成目标信号的影响锥。算法3描述了影响锥构建算法,修改后二端口仲裁器对于目标信号g n t11:0 生成的影响锥如下所示:g n t10:s t a t e,r s t,r e q10,r e q11,r e q20,r e q21 g n t11:s t a t e,r s t,r e q10,r e q11 算法3 G e t_C o n e s/构建影响锥输入:目标信号t a r g e t和变量依赖图V D G。输出:目标信号影响锥c o n e s。1:i f t a r g e t 是单位信号 d o2:c o n e st a r g e tg e t C o n e(t a r g e t);3:e n d4:e l s e d o5:b i t T a r g e t ss p l i t T a r g e t(t a r g e t);6:f o r b i t i n b i t T a r g e t s d o7:c o n e sb i tg e t C o n e(t a r g e t);8:e n d9:e n d0731C o m p u t e r E n g i n e e r i n g&S c i e n c e 计算机工程与科学 2 0 2 3,4 5(8)(2)依赖信号为多位信号时的精确化。在上述扩充多位信号作为目标信号后,最终生成的影响锥中可以看到,虽然在原m o d i f i e d_a r b 2模块中,r e q21 对g n t10 没有赋值关系,但由于G o l d M i n e现有算法中,对多位信号被用来赋值的情况并不处理其具体涉及的位数,所以r e q21 错误地出现在了g n t10 的影响锥中。为了处理多位信号用于赋值时具体位数的问题,需要对A S T中R v a l u e结构中变量的位数进