24、时序电路测试生成的时间帧扩展方法详解

时序电路测试生成的时间帧扩展方法

时序电路测试生成的时间帧扩展方法详解

1. 背景与早期算法发展

在电路测试生成领域,早期普遍使用 D - 算法的单级验证后进行前向推导策略。该策略是先设置门的输入以验证其输出,然后立即进行所有前向推导,接着验证所设置的输入。然而,这个过程可能需要经过很多步骤才会发现冲突,使得回溯成本较高。

1978 年电路初始化相关研究后,次年 Snethen 在关于 SOFTG 的论文中提出了回溯的思想,即任何信号值的验证必须仅在主输入处进行。Goel 利用回溯思想为组合电路制定了优雅的 PODEM 算法,此后组合电路的自动测试模式生成(ATPG)变得切实可行。

PODEM 算法中,将故障影响逐门向主输出推进,所需的任何信号值都回溯到主输入,然后进行前向推导(仿真)。若仿真表明与将故障影响传播到主输出的基本目标冲突,则必须回溯到先前设置的某个主输入,更改其值并重新仿真。但当应用于时序电路时间帧时,该过程的复杂度会迅速增加,原因如下:
- 随着时间帧数量增加,PODEM 类算法的主输入或决策点数量增加。
- 故障影响可能需要通过多个时间帧才能到达主输出,因此故障影响传播的步骤数会随着所需时间帧的增加而迅速增加。

2. 解决方法的提出
2.1 Marlett 的扩展回溯(EBT)算法

Marlett 针对上述问题提出了解决方案。他先选择一个用于故障检测的主输出,然后选择该输出与故障点之间的路径。测试生成从假定检测到故障的“最终”时间帧开始,在该时间帧的输出处放置一个故障影响(根据故障类型和所选路径上的反转次数为 0/1 或 1/0),此为时间帧 0。

测试生成的其余部分包括通过回溯到主输入和

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值