在SoC設(shè)計(jì)復(fù)雜度指數(shù)級增長的背景下，傳統(tǒng)數(shù)字仿真與模擬仿真分離的驗(yàn)證模式已難以滿足需求?；旌闲盘枀f(xié)同仿真通過打破數(shù)字-模擬邊界，結(jié)合智能覆蓋率驅(qū)動技術(shù)，成為提升驗(yàn)證效率的關(guān)鍵路徑。本文提出"協(xié)同仿真框架+動態(tài)覆蓋率優(yōu)化"的雙輪驅(qū)動方案，實(shí)現(xiàn)驗(yàn)證完備性與效率的雙重突破。

一、混合信號協(xié)同仿真：從隔離到融合

1. 架構(gòu)級協(xié)同模型

現(xiàn)代EDA工具（如Cadence Xcelium、Synopsys HSPICE）支持通過Verilog-AMS/VHDL-AMS構(gòu)建統(tǒng)一仿真環(huán)境。以ADC驗(yàn)證為例：

verilog

// 數(shù)字控制模塊（Verilog）

module adc_ctrl (

   input clk, reset,

   output reg [3:0] channel_sel

);

   // 數(shù)字邏輯實(shí)現(xiàn)

endmodule

// 模擬前端（Verilog-AMS）

`include "constants.vams"

module adc_analog (

   inout vdd, vss,

   input [3:0] channel_sel,

   output real vout

);

   electrical vdd, vss, vout;

   analog begin

       // 模擬電路行為建模

       V(vout) <+ trans(V(channel_sel), 10n, 100n);

   end

endmodule

通過混合信號接口（如Cadence AMI接口）實(shí)現(xiàn)納秒級時(shí)序同步，較傳統(tǒng)分立仿真速度提升3-5倍。

2. 關(guān)鍵技術(shù)突破

事件驅(qū)動混合仿真：數(shù)字部分采用離散事件仿真，模擬部分采用節(jié)點(diǎn)電壓分析，通過時(shí)間輪詢機(jī)制實(shí)現(xiàn)同步

動態(tài)精度調(diào)整：對關(guān)鍵信號（如時(shí)鐘、電源）采用SPICE級精度，非關(guān)鍵信號降階為行為模型

實(shí)時(shí)噪聲注入：在模擬信號路徑中嵌入噪聲源，驗(yàn)證數(shù)字濾波算法魯棒性

二、覆蓋率提升策略：從隨機(jī)到智能

1. 多維度覆蓋率指標(biāo)

構(gòu)建包含以下維度的復(fù)合覆蓋率模型：

tcl

# 覆蓋率收集約束示例（VCS）

coverage save -on -assert -fsm -toggle -branch -atpg

coverage attribute -name "power_aware" -value true

coverage attribute -name "mixed_signal" -value true

數(shù)字部分：代碼覆蓋率、FSM覆蓋率、斷言覆蓋率

模擬部分：參數(shù)覆蓋率、蒙特卡洛覆蓋率、噪聲敏感度覆蓋率

混合部分：時(shí)序裕量覆蓋率、跨域信號完整性覆蓋率

2. 智能覆蓋率驅(qū)動

采用機(jī)器學(xué)習(xí)優(yōu)化測試向量生成：

python

# 基于強(qiáng)化學(xué)習(xí)的覆蓋率優(yōu)化偽代碼

def generate_test_vectors():

   while coverage_goal_not_met():

       state = get_current_coverage_state()

       action = rl_agent.predict(state)  # 選擇最優(yōu)激勵(lì)組合

       apply_test_vector(action)

       new_coverage = collect_coverage_data()

       reward = calculate_coverage_improvement(new_coverage)

       rl_agent.update(state, action, reward)

某5G基帶芯片驗(yàn)證中，該方法使關(guān)鍵路徑覆蓋率從78%提升至96%，測試向量數(shù)量減少42%。

三、實(shí)戰(zhàn)案例：汽車域控制器驗(yàn)證

在某L4級自動駕駛域控制器驗(yàn)證中，采用混合信號協(xié)同仿真框架：

建模階段：

數(shù)字部分：UVM驗(yàn)證環(huán)境，包含120個(gè)驗(yàn)證組件

模擬部分：AMS模型庫，包含200+個(gè)傳感器/執(zhí)行器模型

協(xié)同接口：通過Cadence AMS Designer實(shí)現(xiàn)100ps級同步

驗(yàn)證階段：

動態(tài)調(diào)整模擬精度：關(guān)鍵算法（如SLAM）采用SPICE級，非關(guān)鍵部分采用行為模型

智能覆蓋率驅(qū)動：通過遺傳算法優(yōu)化CAN總線錯(cuò)誤注入場景

結(jié)果：

仿真速度從0.5Hz提升至5Hz（實(shí)時(shí)性提高10倍）

發(fā)現(xiàn)3類跨域時(shí)序問題（此前未被傳統(tǒng)驗(yàn)證捕獲）

總體覆蓋率從82%提升至99.7%

四、未來趨勢

云化協(xié)同仿真：利用分布式計(jì)算資源實(shí)現(xiàn)大規(guī)?；旌闲盘柗抡孓r(nóng)場

AI增強(qiáng)驗(yàn)證：通過神經(jīng)網(wǎng)絡(luò)預(yù)測薄弱環(huán)節(jié)，自動生成針對性測試向量

硬件加速協(xié)同：結(jié)合Palladium/ZeBu等硬件加速平臺，實(shí)現(xiàn)百萬門級混合仿真

混合信號協(xié)同仿真與智能覆蓋率驅(qū)動的融合，標(biāo)志著EDA驗(yàn)證進(jìn)入"精準(zhǔn)驗(yàn)證"時(shí)代。建議驗(yàn)證團(tuán)隊(duì)采用"分層實(shí)施"策略：先在關(guān)鍵模塊實(shí)現(xiàn)協(xié)同仿真，再逐步擴(kuò)展至全芯片，最終結(jié)合AI技術(shù)構(gòu)建自優(yōu)化驗(yàn)證閉環(huán)。