The Wayback Machine - https://web.archive.org/web/20221029030719/https://baike.sogou.com/kexue/d10198.htm

统计静态时序分析

编辑

在过去的30年里,在数字电路设计中一直以传统的静态时序分析(STA)作为库存分析的算法。然而,近年来,半导体器件和互连的变化越来越大,带来了许多传统(确定性)STA无法解决的问题。这引起了对统计静态时序分析的大量研究,它用概率分布代替了门和互连的正常的确定性时序,并且给出了可能的电路结果的分布,而不是一个单独的输出。

1 与传统STA的比较编辑

确定性STA因为以下的优点而很受欢迎:

  • 它不需要向量,所以它不会错过路径。
  • 运行时间与电路的规模呈线性关系(对于基本算法来说)。
  • 结果是保守的。
  • 它通常使用一些相当简单的库(通常把延迟和输出斜率是作为输入斜率和输出负载的函数)。
  • 很容易扩展到增量操作来用于优化。

STA虽然非常成功,但也有许多局限性:

  • 不容易处理模内相关,尤其是在包含空间相关的情况下。
  • 需要很多极端条件(边界条件)来处理所有可能的情况。
  • 如果有显著的随机变化,为了始终保持保守,它过于悲观,导致了竞品的出现。
  • 为解决各种相关问题,如CPPR(去除相同路径上过于悲观的估计)可能会使基本算法比线性时间慢,或者使基本算法变成非增量式的,或是这两种问题都会出现。

SSTA或多或少直接突破了这些限制。首先,SSTA利用敏感性找出延误之间的关联。然后在计算如何添加延迟的统计分布时使用这些关联。

没有技术上的原因说明为什么STA不能像SSTA那样,通过维护每个值对应的一个灵敏度向量,来进行强化使其能够处理相关性和灵敏性。从历史上来看,这对STA来讲似乎是一大负担,然而显然这是SSTA所需要的,所以没有人抱怨。在提出这一代替性方案时,参阅下文中一些对SSTA的批评。

2 方法编辑

SSTA算法有两大类——基于路径的算法和基于块的算法。

基于路径的算法对特定路径上的门延迟和线延迟进行求和。[1]统计计算很简单,但是在运行分析之前必须确定感兴趣的路径。其他一些路径可能是相关的,但没有被分析,因此路径选择很重要。

基于块的算法为每个节点生成到达时间(和所需时间),[2]从时间控制元素向前(和向后)进行工作。其优点是具备完整性,并且不需要选择路径。其最大的问题是进行一个统计的最大(或最小)操作也需要考虑相关性,这是一个困难的技术问题。

现在SSTA的单元表征工具已经能够实现,如Altos Design Automation的Variety工具。

3 批评编辑

许多批评都是针对SSTA的:

  • 它太复杂了,尤其是对于真实(非高斯)分布。
  • 很难与优化流程或算法相结合。
  • 很难得到算法需要的数据。即使你能得到这些数据,它也可能是时变的,因此不可靠。
  • 当工厂的客户认真使用它时,如果他们改变了过程的统计特性, SSTA会限制了工厂可能做出的改变。
  • 同样考虑灵敏度和相关性的增强型确定性STA相比,这种优势相对较小。[3]

4 执行静态时序分析的工具编辑

FPGAs

  • l Altera Quartus II
  • l Xilinx ISE

ASICs

  • l Synopsys Primetime
  • l Cadence Encounter Timing System
  • IBM EinsTimer

参考文献

  • [1]

    ^Orshansky, M.; Keutzer, K., 2002, A general probabilistic framework for worst case timing analysis , Design Automation Conference, 2002. Proceedings. 39th, Vol., Iss., 2002, Pages: 556–561..

  • [2]

    ^Visweswariah, C.; Ravindran, K.; Kalafala, K.; Walker, S.G.; Narayan, S.; Beece, D.K.; Piaget, J.; Venkateswaran, N.; Hemmett, J.G., 2006, First-Order Incremental Block-Based Statistical Timing Analysis , IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, , Vol.25, Iss.10, Oct. 2006, Pages: 2170–2180.

  • [3]

    ^Noel Menezes. "The Good, the Bad, and the Statistical" (PDF). ISPD 2007..

阅读 16
版本记录
  • 暂无