一种多X值输入下测试覆盖率损失的预测方法

作者：应健锋; 梁**^*; 江悦; 蒋翠云; 李丹青; 黄正峰

来源：微电子学与计算机, 2020, 37(04): 12-18.

DOI：10.19304/j.cnki.issn1000-7180.2020.04.003

• 数字电路测试
• 测试覆盖率
• 机器学习
• 极端随机树
• X值

在集成电路的设计和测试过程中,黑盒模块,未初始化的时序单元,时钟域交叉和A/D转换器的错误行为等情况常常会导致电路中未知值X的出现.电路中X值的传播会严重影响故障的激活和敏化,降低测试覆盖率.针对电路多个输入为X值的情况,本文提出了一种的基于极端随机树算法的测试覆盖率损失的预测方法.通过对电路进行仿真分析,区域划分,提取结构特征等步骤提取出数据集,训练出高准确率高稳定性的预测模型,达到快速分析多点X值输入下电路测试覆盖率损失的目的.实验结果表明,本文模型的平均预测准确率达到了94.47%,相比于同类方法增加21.71%.单个电路的预测结果最低为89.03%,最高为99.99%,表明了本文预测模型具有很好的稳定性.

• 单位
  合肥工业大学; 数学学院