【摘 要】
:
随着高新技术领域的高速发展,在电子设备进行规模巨大的数据信息交互与处理的过程中要求SRAM模块具备低功耗,高稳定性等优点。在强化SRAM各项优点的过程中许多新的故障被引入,对所有测试SRAM故障的算法进行研究调查后发现算法具有很强局限性的特点,即单一的算法不能覆盖层出不穷的新故障。为了解决该问题,本文提出一种低电压SRAM自适应BIST测试技术。本文基于SRAM在不同PVT条件下发生的各类故障和有
论文部分内容阅读
随着高新技术领域的高速发展,在电子设备进行规模巨大的数据信息交互与处理的过程中要求SRAM模块具备低功耗,高稳定性等优点。在强化SRAM各项优点的过程中许多新的故障被引入,对所有测试SRAM故障的算法进行研究调查后发现算法具有很强局限性的特点,即单一的算法不能覆盖层出不穷的新故障。为了解决该问题,本文提出一种低电压SRAM自适应BIST测试技术。本文基于SRAM在不同PVT条件下发生的各类故障和有效测试元素大量的研究创新性的提出了自适应BIST测试的概念,该测试技术根据当前SRAM的PVT特性进行精准故障诊断的结果自动将多个测试元素灵活重组为当前条件下最优的重构算法。该技术的实现共包括三大模块:SRAM测试控制模块、故障诊断模块和算法生成模块。其工作流程为:首先,SRAM测试控制模块设置好当前SRAM的PVT参数。其次,故障诊断模块根据各种PVT条件下SRAM发生各类故障的研究结果对当前SRAM容易发生的故障进行精准诊断。最后,算法生成模块将诊断结果映射到算法集中抽调多个有效测试元素生成重构算法。文章基于一款TSMC 40nm CMOS工艺的SRAM,使用MBISTArchitect技术流程和Fine Sim+VCS工具进行仿真验证。仿真结果表明:在VDD=0.8V、temp=125℃的情况下,低电压SRAM自适应BIST测试技术产生的重构算法:{↑W0,↑R0W1R13,↑R1W0R04,↓R0W1R12,↓R1W0R02,↓R0}相较传统March系列算法,故障覆盖率最高提高了19%,测试时间、面积和功耗分别增加了11%、0.050%和0.97%。针对VDD=0.8V、temp=25℃情况下SRAM容易发生的特殊动态耦合故障,在重构算法生成的测试电路测试完毕后自动切换另一个测试电路继续对SRAM进行测试,相较传统March系列算法,该测试电路的故障覆盖率提高了25.7%。
其他文献
随着科学技术的发展,信息技术为数学教学提供了更多的技术支持。信息技术与教学深度融合是目前改变传统教学方式、培养学生核心素养的有效途径和方法。我国的《普通高中数学课程标准(2017年版2020年修订)》指出,注重信息技术与数学课程的深度融合,能够提高教学的实效性,鼓励学生运用信息技术学习、探索和解决问题。在以往的研究中,大多数都是有关信息技术在数学教学中的应用,而注重信息技术下培养学生数学核心素养的
在高中的教育过程中,数学是非常重要的一门课程。在中学数学教学中,想要学好数学,最关键的路径在于对数学学习的适应力。现阶段,普通高中的生源组成有两类,一类是统招生,是按照分数优先原则,统一划线,全市只有一个分数线。另一类是定向生,是指指标到校。按教育部均衡教育的要求,将优质高中的部分招生指标直接分配到各初中,其招生分数无底线,这样就造成了同一个班级学生分数线相差悬殊,不同层次的学生对高中知识的接受程
随着互联网的发展,传统的教育方式受到冲击,在线学习成为国内外高校关注的热点。传统的批改编程作业的方式给教师和学生带来了极大的压力,一是学生作业数量繁多,二是编程作业的特殊性,三是学生也无法得到及时的作业结果。现在越来越多的国内外高校采用了Git管理作业的方式,教师在Git上发布作业同时设置自动化脚本,当学生提交代码时能够自动地运行测试。本文在阅读大量文献并对代码托管平台OneDev进行研究后发现,
当今社会,交通拥堵的问题随着经济的快速发展与城市化进程的加快愈演愈烈。因此针对智能交通信号协调控制的研究已成为当前优化交通路网运行效率的重要方式。由于城市交通路网结构与路网中交通流往往十分复杂,本文针对已有区域交通路网子区划分方法的不足,提出一种实时合理的动态划分方法,并依据所划分的控制子区,建立一种改进的信号配时策略,最后为了优化不同子区间的协调控制,构建了一种区域交通路网整体协调双层规划模型,
目标跟踪是计算机视觉的重要发展方向之一,在无人驾驶、智慧交通、智能监控以及军事侦察等方面有着很大的应用价值。近年来目标跟踪技术有了很大的进展,但在实际生活场景中由于环境的复杂性和其他因素的干扰,目标跟踪技术仍然面临不小的挑战。本文在孪生网络框架的基础上,针对目标跟踪过程中存在背景杂波、目标形变以及目标尺度变化等问题展开了深入的研究与探索。本文的主要工作内容和成果如下:(1)研究了一种基于全局上下文
单目深度预测是近年来计算机视觉领域的研究热点问题。从单目图像中获取深度信息是理解场景几何关系的重要方法,也是三维重建和视点合成的关键性技术。相对于双目以及多视点图像深度预测的多因素监督,单目深度预测更具有挑战性。为了提高深度预测的准确性和泛化性能,利用卷积深度学习网络开展了三个方面的研究工作:(1)针对预测深度图像中几何形状不准确以及边缘模糊的问题,提出了基于多尺度结构相似度和梯度匹配的单目深度预
近年来,卫星互联网,尤其是低轨卫星网,因其覆盖广阔、成本相对较低和组网灵活等特点,得到了迅速发展。但低轨卫星的快速运动对星际网络的路由提出了全新挑战。现有基于虚拟拓扑或虚拟节点技术,存在两大问题:其一,拓扑快照(snapshot)的频繁切换易致长延时及抖动现象;其二,大部分技术未考虑卫星故障的网络容错性。本文结合低轨卫星的星座运动和星间拓扑特性,研究航点路由技术的扩展应用。首先,论文分析了卫星互联