隨著集成電路設計與制造技術的快速進步,目前單顆芯片上集成的晶體管數(shù)量已有百億之多,集成電路的復雜度和規(guī)模大大提高。隨之而來的是測試數(shù)據(jù)量的不斷增加和電路功能復雜度的不斷提高,這直接導致了測試效率的降低和測試難度的增大。隨著測試數(shù)據(jù)的日益增加,對自動測試設備的存儲性能、I/O通道數(shù)、頻率等有了更高的要求,同時以往的測試方案已經不能適應更加復雜的電路結構。這些問題直接導致了測試成本的提高,因此對于集成電路測試方法的研究具有重要的理論和實用價值。本文第一章介紹了提高測試效率的幾種方法,以及自適應測試方法的相關背景和國內外研究近況,對比了幾種常見的自適應測試方法。第二章從自適應測試方法當中的測試向量排序問題著手,針對測試數(shù)據(jù)過大、測試效率低下等問題進行了研究與分析,提出了一種基于伽馬分布的測試向量重排序算法,對每條測試向量命中故障的概率建立基于伽馬分布的概率模型。測試時,收集測試數(shù)據(jù)加入樣本空間中,動態(tài)更新概率模型參數(shù),同步更新測試向量的排序,排序后的測試集具有更高的測試性能。第三章在測試向量排序的基礎上結合測試類型排序,進一步研究了測試向量和測試類型排序對測試效率的影響,提出了一種集成電路分... 

【文章來源】：安慶師范大學安徽省

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

1初始化和初步排序步驟流程圖

動態(tài)排序步驟流程如圖2.2所示,具體流程如下。對于第i條測試向量,統(tǒng)計故障芯片數(shù)量αi的增量Nf,總芯片數(shù)量βi的增量Nt。更新伽馬分布模型的參數(shù)α′i,β′i,得到更新后的伽馬分布概率模型,再按照平均故障概率更新測試向量的排序。本算法利用以往的測試數(shù)據(jù)對測試集進行排序優(yōu)化,使用排序后的測試集可以減少故障檢測時間,減少了集成電路的測試時間從而降低了測試成本。2.4 重排序算法實例

為了更加直觀的表達本方法,用一個簡單的實例進行說明。如圖2.3是ISCAS 89標準電路中s38417電路的測試集當中第1-6個測試向量的概率分布圖像,測試向量原始加載順序為V1,V2,V3,V4,V5,V6。假設經過初始化步驟后,根據(jù)伽馬分布已知,第1-6條測試向量的平均故障概率分別為45% 35% 65% 50% 30% 75%。如圖2.3所示,在這6條測試向量中,第6條測試向量檢測出故障的概率最大,因此將其優(yōu)先加載。其余向量以此類推,最終對于這6條測試向量而言,因此重排序的結果為V6,V3,V4,V1,V2,V5。2.5 實驗結果

【參考文獻】：
期刊論文
[1]最小游程切換點標記編碼壓縮方法[J]. 詹文法,陶鵬程.  清華大學學報(自然科學版). 2020(10)
[2]基于相似度分段及重采樣的自適應波形數(shù)據(jù)壓縮[J]. 陳思偉,高翠云,胡翀.  電子測量與儀器學報. 2019(04)
[3]一種低功耗低成本測試圖形的生成方法[J]. 王燁,梁峰,閆丹,雷紹充.  西安交通大學學報. 2017(12)
[4]內建自調整的仲裁器物理不可克隆函數(shù)[J]. 龔越,葉靖,胡瑜,李曉維.  計算機輔助設計與圖形學學報. 2017(09)
[5]基于BIST方法的新型FPGA芯片CLB功能測試方法[J]. 石超,王健,來金梅.  復旦學報(自然科學版). 2017(04)
[6]一種高效的混合Test-Per-Clock測試方法[J]. 劉鐵橋,牛小燕,楊潔,毛峰.  電子與信息學報. 2017(09)
[7]一種用于測試數(shù)據(jù)壓縮的自適應EFDR編碼方法[J]. 鄺繼順,周穎波,蔡爍.  電子與信息學報. 2015(10)



本文編號：2962203