基于NoC重用的三维片上网络测试规划研究

Network-On-Chip(NoC) is a new trend of development in system-on-chip, test technology of NoC is an important influencing factor besides test method in NoC development.But how to assign and plan the limit resources so as to do test schedule to finish the IP core test as fast as possible is becoming the key factor that decreases test cost..In order to solve the difficulty of NoC testing, this project designs test method for NoC and uses the cloud evolution algorithm which is fast and stable to study three-dimensional NoC(3D NoC) test scheduling. The project employs the NoC reuse as Test Access Mechanism(TAM) for parallel testing. It performs dynamic constraint of power consumption, TSV number and channel width by designing test timing sequence. By combining the structure characteristics of 3D NoC, the project proposes different data of cores by sharing the width of a TAM by bandwidth division multiplexing,Virtual Channel and multi-cast routing technology to design cloud droplets and builds multi-attitude cloud evolution NoC test scheduling model. The crossover and mutation of natural evolution mechanism are added into the evolution of cloud model to accomplish the iterative optimization. Its aim is to maximize the parallel testing while not increasing the cost of hard area. So we can shorten the testing time and improve the efficiency of testing. And combining of various strategies, the project will study further collaborative optimization, so as to accomplish higher test efficiency and decrease hardware cost.

片上网络（NoC）作为片上系统新的发展趋势，测试技术是影响其发展的重要因素。除需要有效的测试方法外，如何分配和调度有限的资源，规划测试尽快完成资源核测试是提高测试效率的关键。.本项目面向NoC技术，研究三维NoC测试策略，利用云进化算法快速稳定的寻优特点，应用于资源约束下的复杂三维NoC测试规划研究。采用重用NoC作为测试存取机制的技术实施并行测试；通过设计测试时序的概念对测试功耗、TSV数量、通道带宽等进行动态检测实现多重约束；结合三维NoC体系结构特点，基于虚通道、多播路由技术，提出带分复用实现多核测试数据共享一个物理TAM的策略设计二维云滴，建立多态云进化NoC测试规划模型，合理分配和调度有限资源；在云模型的进化中加入自然进化机制的交叉变异操作完成迭代寻优，实施传输和测试双重优化以最大化并行测试，缩短测试时间。并将多种策略有机结合，开展协同优化研究，进一步降低硬件开销，提高测试效率。

本项目在研究3D NoC体系结构和测试技术的基础上，基于mesh结构的3D NoC，采用NoC重用作为测试存取机制的并行测试方法，提出带分复用对单一TAM实施动态细分测试策略，提出XY-direction连通子图划分消除路径冲突，提出多测试时钟协调解决NoC通道带宽和测试壳带宽的矛盾。采用基于云模型的进化策略与传统进化策略相结合的云进化算法、多种群遗传模拟退火算法、量子进化算法等，在总功耗、层功耗双重约束下对IP核的带宽分配和测试顺序进行双重优化，针对测试顺序优化设计移位互换杂交策略，并运用精英配对方法加快种群寻优速度，设计求精操作进一步优化测试时间，通过比较、淘汰、替换机制加强种群间交流，增加种群多样性，避免算法陷入局部最优。在3条TAM下，带分复用方法的测试时间减少了35.5%，在 6 条 TAM 下进一步减少了4.0%。为实现测试时间和测试功耗协同优化，提出基于调和距离量子多目标进化算法(HQMEA)的NoC测试规划优化方法。采用重用NoC作为测试存取机制的并行测试方法，对NoC中的内核进行测试，节省测试资源，提高测试效率；在量子多目标进化算法(QMEA)的基础上，采用多进制概率角编码替代二进制概率幅编码，更好的适应NoC测试规划问题；采用调和距离替代拥挤距离能更好的衡量拥挤程度；采用混沌策略动态更新旋转角，能很好地兼顾了算法的探索和发掘能力。在ITC'02 test benchmarks测试集上进行对比实验，结果表明提出的算法不仅提升了算法的收敛性，而且保证了Pareto解集良好的分布性。.在设计的2D mesh NoC平台上，开展功耗优化验证。