block与top的时序差异分析,建议收藏

数字芯片后端中block与top的时序差异分析 基于以上假设,对于setup check,会有clock network的delta delay的影响,不同clock的timing window的影响。虽然我们不考虑inter-clock的timing check,但是对于不同clock之间的noise的影响还是需要考虑的。我们经常会遇到这样的情况,block把timing修干净之后,交给做顶层的同事,结果会发现,仍然会有很多新的违例。由于top与block看到的不同clock之间的latency的差异,会导致timing window的变化。 阅读详情

我们经常会遇到这样的情况,block把timing修干净之后,交给做顶层的同事,结果会发现,仍然会有很多新的违例。

这个现象比较常见,但是其中的原因其实比较复杂。

为了把这个问题解释清楚,我们先做几个假设。

假设:

  • top的spef不是flatten抽取的,而是调用的各个block的spef,这样避免了工具精度的问题。

  • top与block之间完全做好了隔离,不存在top到block之间的耦合电容。

  • 只考虑intra clock的情况,不考虑inter-clock的情况。因为顶层的路径不同,clock latency必然不同,那么导致inter clock timing不一致也是合理的。

  • 两者constraint一致

1

基于以上假设,是不是top看顶层看模块级的timing与模块级自己来看应该一致了呢?

这里我们要考虑clock上的noise的影响。

这里的noise指的是delta delay。

delta delay比较有意思,你会发现,无论是launch path, 还是capture path, 它都是往悲观的方向上偏。

比如,如果是setup check,launch path的delta delay都是正值,而capture path的delta delay都是负值。

而对于hold,则正好相反。

block看不到顶层部分的clock tree。所以block会偏乐观,也就合理了。

但是,对于setup和hold的影响是有差异的。

2

我们知道,setup check属于非同边沿check,因此,CRPR是无法消除noise的影响的。

所以对于同一个clock,setup会变差也情有可原。

但是hold check是属于同边沿check,CRPR完全可以把顶层的noise的影响抵消。

因此,理论上,对于hold check来说,top看到的timing应该和block一致。

是这样吗?

3

并不是。

虽然我们不考虑inter-clock的timing check,但是对于不同clock之间的noise的影响还是需要考虑的。

由于top与block看到的不同clock之间的latency的差异,会导致timing window的变化。

要知道,对于同步逻辑,timing windlow直接影响到noise的计算。

所以由于不同clock之间noise的影响,也会导致top与block之间timing的差异,包括hold。

这种差异表现形式是,从top来看timing,会有数量比较多,但是wns比较小的setup,hold的violation。

4

基于以上假设,对于setup check,会有clock network的delta delay的影响,不同clock的timing window的影响。而对于hold check,则是timing window的影响。而这些影响,导致top看到的timing与block之间的timing的差异。

5

再增加一个假设。

如果block内部的clock都是异步的关系,对于hold check,top与block是否一致?

我想,你应该有答案了吧?

看完了,点个赞呗~

时序分析 & 时钟树综合CTS 以下内容均为转载,供自己学习查阅之用,版权归原作者,侵删。 聊一聊Lockup Latch Latch | Time Borrowing STA | Logical DRC block与top的时序差异分析,建议收藏 在接口时序约束中为什么设置虚拟时钟(virtual clock)? set_false_path 与 set_disable_timing 的区别 盘点数字IC后端实现中clock skew大的各种场景 ... 阅读详情

相关推荐

Matlab/Simulink R2024a SIL/PIL 测试:3种配置模式对比与自动化脚本实践

本文深入探讨Matlab/Simulink R2024a中SIL/PIL测试的三种配置模式(Top Model、Model Block和SIL/PIL Block),对比其技术特点与应用场景,并提供自动化脚本实践方案。通过代码生成验证和测试流程优化,帮助开发者提升嵌入式系统开发效率,特别适合需要精确验证代码功能的工程场景。

dengjuanshou7445的博客 461

FPGA设计基础--层次化建模和模块划分技巧

前言 详细内容,可以直接跳转阅读《Intel FPGA/CPLD设计高级篇》1.3.2/1.3.3章节。 本文根据个人理解进行整理,目的在于加强个人理解和记忆,同时方便后期时常翻看阅读。 1、结构层次化编码 基本的结构层次是由一个顶层模块和若干个子模块构成,每个子模块根据需求可以包含自己的子模块。 结构层次化编码注意事项: 结构的层次不能太深,一般为3-5层即可。一...

青春易逝,愿不负昭华,期待梦与远方 2677

【信息科学与工程学】计算机科学与技术——第七十七篇 系统架构设计1001 模型驱动架构设计 第一章 1.1

一次模型转换可表示为映射:Msrc​ :源模型(如 PIM)R :转换规则集Mtgt​ :目标模型(如 PSM)PIM→PSM 的本质是"加平台信息":P 表示目标平台剖面(Profile),如 JPA、EJB、Spring、.NET。未来十年,MDA 将不再是单纯的“模型到代码”转换工具,而将演变为软件工程智能体(Software Engineering Agent)的核心引擎。

weixin_49199313的博客 1204

时间序列差异性分析

时间序列差异性分析是时间序列分析中的重要环节之一。通过平稳性检验和自相关性检验,我们可以将时间序列数据的趋势性、季节性和随机性分离出来,并进行相应的预测和决策。在实际应用中,需要根据具体的数据特点选择合适的检验方法和模型,以提高建模和预测的准确性。

m0_72410588的博客 2861

Python 实战:构建动态仪表盘快照与 Diff 平台,实现周期采集、结构变化检测与异常波动留证

我长期专注 Python 爬虫工程化实战,主理专栏 👉 《Python爬虫实战》:从采集策略到反爬对抗,从数据清洗到分布式调度,持续输出可复用的方法论与可落地案例。内容主打一个“能跑、能用、能扩展”,让数据价值真正做到——抓得到、洗得净、用得上。

喵手的博客 113

【信息科学与工程学】计算机科学与自动化——第三百零五篇 计算机系统中的各类运算操作01

编号类型领域运算操作运算类型算法算法的详细设计及数学分析参数列表及参数的数值设计应用场景 (100+条)集合运算​1集合运算关系代数并集 (Union)集合运算归并排序去重合并两个集合,去除重复元素。时间复杂度 O(n+m),n,m为两集合大小。输入:集合A, B。输出:A∪B。数据集成、多表结果合并、去重后的全量数据提取。2集合运算关系代数交集 (Intersection)集合运算哈希交集找出同时属于两个集合的元素。平均时间复杂度 O(min(n,m)),最坏 O(n*m)。输入:集合A, B。输出:A∩

weixin_49199313的博客 1389

STA-6. SDC是如何炼成的?IO约束篇 - 附Top和Block实战经验以及DDR接口时序

一般地,SDC主要分为三个部分:时钟定义,IO约束,Exception。相应地,我们也分上中下三篇进行讲解,最后还会有最重要的《验收篇》。IO约束在顶层和模块级的主要命令都是以下几个,但...

graymount的博客 4128

【信息科学与工程学】【审计学】第一篇 招投标领域审计算法01

在每个关键流程节点(如文件上传、开标唱标、评标结束), 计算该环节所有电子文件的数字指纹(如SHA-256哈希值), 并将指纹和元数据(时间、操作人)上链存证。:从发票、合同中提取材料品名、规格、采购价、时间、地点。:对每个供应商, 提取其在历史投标中的行为序列特征, 如:中标率、与特定伙伴同时投标率、自身高报价次数、在伙伴中标项目中的“弃标”或“无效标”次数。:监控开标、评标现场音视频, 识别异常情绪(激烈争吵)、敏感关键词(“打点”、“关照”)、异常物品传递、私下交流等违规行为。

weixin_49199313的博客 816

数字IC/FPGA——时序分析

- 时序分析的本质是什么 - 建立时间要求和保持时间要求是如何产生的 - 时序路径共有几种 - 如何确立建立时间要求及slack - 如何确立保持时间要求及slack - 建立时间和保持时间为何可以为负

qq_43433724的博客 3215

【信息科学与工程学】【安全领域】第一百四十二篇 零信任网络解决方案中的算法04

对于节点 i, 有功和无功功率平衡方程为: Pi​=Vi​∑j=1N​Vj​(Gij​cosθij​+Bij​sinθij​), Qi​=Vi​∑j=1N​Vj​(Gij​sinθij​−Bij​cosθij​)。下风向某点 (x,y,z)的浓度 C为: C=2πuσy​σz​Q​exp(−2σy2​y2​)[exp(−2σz2​(z−H)2​)+exp(−2σz2​(z+H)2​)], 其中 Q是源强, u是风速, H是有效源高, σy​,σz​是水平和垂直扩散参数。

weixin_49199313的博客 1412

【信息科学与工程学】【管理科学】第三十篇 公司治理及公司工作内容02 研发与技术创新类算子01

2. 模型训练:使用图神经网络(如MEGNet, CGCNN)或梯度提升树(如XGBoost),在大型数据库(如Materials Project, OQMD)上训练,学习从结构到性能(如形成能、带隙、弹性模量)的映射。3. 以支撑结构为设计变量,使用拓扑优化方法,在满足结构刚度(抑制变形)和可制造性约束下,寻找材料分布的最优解,生成点状、线状或网状等轻量化支撑。(效率价值增量)= 因本次设备提升带来的研发周期缩短,所换算的“时间价值”(如,提前一月上市的市场价值)+ 预计减少的后续生产成本。

weixin_49199313的博客 624

数字芯片设计中block与top时序差异的根源探究

本文深入探讨数字芯片设计中block与top时序差异的根源,重点分析时钟网络delta delay效应、时序窗口影响及跨时钟域问题。通过实际案例揭示block级与顶层时序分析的关键差异,并提供前期预防措施和后期调试技巧,帮助工程师有效解决时序违例问题,提升芯片设计质量。

weixin_29243279的博客 114

【信息科学与工程学】【审计学】第一篇 招投标领域审计算法02

给定人、事、时、地、物等实体集合V和证据事实集合F, 构建一个概率图模型, 计算任意两个实体/事实之间存在关联关系的概率。:构建一个深度贝叶斯网络, 其中顶层为待推断的心理特征P, 中间层为可观测的行为模式B, 底层为多模态证据E。:基于现场痕迹、行为模式、通讯内容等证据E, 推断嫌疑人的心理特征向量P(如反社会性、冲动性、策划能力)。:对高风险的案件, 自动检索关联当事人、律师涉及的其他历史案件, 形成关联视图。:定义如“当事人-律师-当事人”、“当事人-多案件”等路径, 捕捉隐蔽关联。

weixin_49199313的博客 418

iMX8嵌入式存储性能测试实战:eMMC与SD卡读写IOPS优化指南

在嵌入式Linux开发中,存储性能直接影响系统响应速度与长期稳定性。eMMC和SD卡作为主流存储介质,其读写带宽与IOPS决定了应用加载、数据库事务及系统启动效率。通过fio、dd等工具进行顺序与随机读写测试,结合块大小、队列深度及缓存策略调优,可精准评估存储子系统表现。在iMX8平台上,合理配置HS400模式、文件系统及内核参数,能显著提升eMMC与SD卡的IOPS和吞吐量,适用于BSP移植、系统裁剪及量产验证等场景。

weixin_33978044的博客 410

【信息科学与工程学】【安全领域】 第八十八篇 网络空间安全21

如果员工认为安全政策和流程(如复杂的密码规则、频繁的认证、繁琐的软件安装审批)阻碍了工作效率,他们可能会寻找变通方法,例如:写下密码、共享账户、使用未经批准的云服务(影子IT)、绕过安全控制。例如,一个用于显示用户列表的API,可能返回每个用户的完整个人资料,包括邮箱、地址、电话等敏感字段,而前端可能只显示了姓名。:在OAuth 2.0或OIDC流程中,攻击者可能截获授权请求中的“授权码”,或窃取“访问令牌”,然后将其用于另一个客户端(非原始授权的客户端),从而以用户身份访问受保护的资源。

weixin_49199313的博客 446

【信息科学与工程学】【数据中心】第四十五篇 Volcano + HAMi + K8s + GPU 的运营调度01

plugins并发:predicates(资源/亲和)、gang(minMember)、drf/proportion(队列公平)、priority(优先级)、deviceshare(vgpu binpack/spread)、nodeorder(拓扑/NUMA/NVLink)、binpack(碎片最小化);不对,3g.40gb占用40GB,两个就是80GB,再加1g.10gb超出。动态将2g.20gb拆成2个1g.10gb,3g.40gb拆成3个1g.10gb+1个3g.20gb(备用),满足全部需求。

weixin_49199313的博客 40

DeepSeek V4实测:长文本理解与工具调用的工程化落地指南

大语言模型的长文本处理能力,本质是上下文建模、注意力调度与状态管理的系统工程问题。随着128K上下文成为主流配置,单纯扩大窗口已无法解决真实业务中的语义断层、推理抖动与工具协同失效等痛点。DeepSeek V4通过动态稀疏注意力机制(DSAM)和分层状态缓存(HSC),在法律合同审查、金融研报生成、工业质检诊断等场景中展现出抗噪理解力、跨文档推理力与鲁棒工具调用能力。其价值不在于参数规模,而在于将‘能读长文本’升级为‘懂结构、会关联、可降级’的生产级智能。本文基于多硬件平台实测,聚焦部署稳定性、量化选型陷阱

weixin_30345577的博客 317

RISC-V SoC卷积加速器在ZCU102上实测153.6 GOP/s

卷积加速器是边缘AI推理的核心硬件单元,其性能取决于计算架构、存储层次与总线协同三大原理。基于RISC-V处理器构建可扩展SoC,通过定点运算、MAC阵列优化与ping-pong BRAM缓存,可显著提升能效比与实时性。该技术具备明确的工程价值:在FPGA平台实现高吞吐、低延迟的CNN推理,无需依赖专用AI芯片。典型应用场景包括智能摄像头、工业缺陷检测及嵌入式视觉终端等资源受限环境。本文聚焦ZCU102平台上的RISC-V+卷积加速器闭环实现,涵盖AXI4总线集成、DMA协同调度与实测算力验证,为国产自主A

weixin_34387468的博客 346
上一篇: 我的华为面试心得
下一篇: 做愚人易,做聪明人难
白山头
博客等级 码龄7年 1115粉丝 104原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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