cocotb平台用VCS仿Xilinx FPGA

优质文章学习记录

— 11 min read
cocotb平台用VCS仿Xilinx FPGA

文章目录

概要

本文介绍了基于cocotb框架的AXI Stream接口验证方法。主要内容包括：1）开发AXIS VIP库，实现字节级数据发送(axis_tx_byte)、随机接收(axis_rx)和总线监控(axis_monitor_byte)功能；2）以Xilinx AXIS FIFO为例，展示VIP库的调用方法，包括测试平台搭建、数据生成和自动验证机制。该方案支持LSB配置，能模拟真实硬件背压情况，适用于AXIS接口模块的功能验证。代码提供完整的仿真环境，包含时钟复位控制、参考模型和计分板等组件，详细解析完整代码和Makefile文件。

建立cocotb仿真VIP库

例如新增一个axis.py文件，实现一个AXI Stream（AXIS）接口的驱动和监控功能，主要用于硬件验证（如使用cocotb框架）。核心功能包括数据发送、接收和监控，支持字节级操作。

import logging import math import copy import random from cocotb.triggers import RisingEdge from random_number import random_number classaxis:def__init__(self,signal,lsb=1): self.log = logging.getLogger("cocotb.tb") self.log.setLevel(logging.DEBUG) self.signal= signal self.lsb=lsb self.axis_monitor_data_byte=[] self.axis_monitor_data_fixed=[]asyncdefaxis_tx_byte(self,tx_data_byte): self.signal.tvalid.value =0 self.signal.tkeep.value =0 self.signal.tlast.value =0 tx_data=copy.deepcopy(tx_data_byte) tkeep_width=len(self.signal.tdata)//8 data_width =len(self.signal.tdata) temp = math.ceil(len(tx_data)/tkeep_width) tkeep=0if temp*tkeep_width>len(tx_data):for i inrange(temp*tkeep_width-len(tx_data)): tx_data.append(0) tkeep=tkeep+1if(self.lsb==0): tkeep=((2**tkeep_width-1)<<tkeep)&(2**tkeep_width-1)else: tkeep=((2**tkeep_width-1)>>tkeep)&(2**tkeep_width-1) data=[]for i inrange(temp): data_temp=0for m inrange(tkeep_width):if self.lsb==0: data_temp = data_temp +(tx_data[i*tkeep_width+m]<<(data_width-8-m*8))else: data_temp = data_temp +(tx_data[i*tkeep_width+m]<<(m*8)) data.append(data_temp)# self.log.info(list(map(hex,data)))for i inrange(len(data)): self.signal.tvalid.value =1 self.signal.tdata.value = data[i]if i ==len(data)-1: self.signal.tlast.value =1 self.signal.tkeep.value = tkeep else: self.signal.tlast.value =0 self.signal.tkeep.value =2**tkeep_width-1await RisingEdge(self.signal.aclk)while self.signal.tready.value ==0:await RisingEdge(self.signal.aclk) self.signal.tvalid.value =0asyncdefaxis_rx(self,tready_interval_max=8):whileTrue: tready_interval=random.randint(0, tready_interval_max) self.signal.tready.value =1await RisingEdge(self.signal.aclk) self.signal.tready.value =0for i inrange(tready_interval):await RisingEdge(self.signal.aclk)asyncdefaxis_monitor_byte(self): data=[] tkeep_width=len(self.signal.tdata)//8 data_width =len(self.signal.tdata)whileTrue:await RisingEdge(self.signal.aclk)if(self.signal.tready.value ==1)and(self.signal.tvalid.value ==1): temp=self.signal.tdata.value for m inrange(tkeep_width):if self.lsb==0:if(self.signal.tkeep.value&(1<<(tkeep_width-1-m))): data.append(((temp>>(data_width-8-m*8))&0xff))else:if(self.signal.tkeep.value&(1<<m)): data.append((temp>>(m*8))&0xff)if self.signal.tlast.value ==1: self.axis_monitor_data_byte.append(data) data=[]

AXIS接口发送（axis_tx_byte）
初始化信号状态为无效（tvalid=0），清空tkeep和tlast。将输入字节数组复制到临时变量tx_data中。

计算tkeep宽度（基于tdata信号位宽）和数据总宽度。根据输入数据长度计算需要多少个时钟周期传输完整数据。

处理数据对齐问题：若数据长度不是tkeep_width的整数倍，填充0并计算tkeep掩码。根据LSB（最低有效位）配置方向生成不同的掩码模式。

将字节数组转换为AXIS数据格式：每个时钟周期填充tkeep_width字节数据，按LSB配置决定字节序。在最后一个周期置tlast信号，并根据数据对齐情况设置tkeep。

AXIS接口接收（axis_rx）
模拟从设备就绪信号（tready）行为：随机间隔后置tready为1，保持一个周期后随机延迟0到tready_interval_max个周期。这种随机性模拟真实硬件中的背压情况。

AXIS数据监控（axis_monitor_byte）
持续监控AXIS总线：当tvalid和tready同时有效时，根据tkeep信号提取有效字节数据。根据LSB配置决定字节提取顺序，使用tlast信号判断数据包边界。完整数据包存入axis_monitor_data_byte列表。

调用VIP库仿Xilinx IP

以AXIS_FIFO为例

1. VIVIDO生成IP，完成设计。
在这里插入图片描述
2. 写python仿真代码

代码功能分析
该代码是一个基于Cocotb框架的AXIS（AXI Stream）接口测试环境，用于验证AXIS FIFO模块的功能。主要包含测试平台搭建、数据生成、参考模型、监视器和计分板等组件。

测试平台结构
TB类是测试平台的核心：

  • 初始化时钟、复位、AXIS从接口和主接口
  • 提供复位控制、数据生成、参考模型等功能
  • 包含监视器和计分板用于自动验证
classTB:def__init__(self, dut): self.dut = dut self.log = logging.getLogger("cocotb.tb") self.log.setLevel(logging.DEBUG) cocotb.start_soon(Clock(dut.s_axis_aclk,10, units="ns").start()) self.axis_slave_if = axis(signal_axis_slave(dut)) self.axis_master_if = axis(signal_axis_master(dut)) self.data_drv=[] self.data_mon=[]

关键测试流程
复位序列通过控制复位信号确保DUT处于已知状态：

asyncdefreset(self): self.dut.s_axis_tvalid.value =0 self.dut.s_axis_tdata .value =0 self.dut.s_axis_tkeep .value =0 self.dut.s_axis_tlast .value =0 self.dut.m_axis_tready.value =0 self.dut.s_axis_aresetn.setimmediatevalue(1)await RisingEdge(self.dut.s_axis_aclk)await RisingEdge(self.dut.s_axis_aclk) self.dut.s_axis_aresetn.value =0await Timer(1, units="us")await RisingEdge(self.dut.s_axis_aclk)await RisingEdge(self.dut.s_axis_aclk) self.dut.s_axis_aresetn.value =1

数据生成与验证
数据生成使用随机数创建测试激励：

defseq_model(self,length): data =[]for i inrange(length): data.append(random.randint(0,2**8-1))return data

计分板比较驱动数据和监视数据：

asyncdefscoreboard(self): i=0whileTrue:await RisingEdge(self.dut.s_axis_aclk)if(len(self.data_drv)>0)and(len(self.data_mon)>0):if(self.data_drv[0]!=self.data_mon[0]):print("data_drv[%d]="%(i),list(map(hex,self.data_drv[0])))print("data_mon[%d]="%(i),list(map(hex,self.data_mon[0])))assert self.data_drv[0]==self.data_mon[0] self.log.info("The test %d is success,length is %d !!!",i,len(self.data_mon[0])) self.data_drv.pop(0) self.data_mon.pop(0) i=i+1

测试用例执行
run_test函数组织完整的测试流程：

  1. 初始化测试环境
  2. 执行复位
  3. 启动监视和验证协程
  4. 发送测试数据
  5. 等待验证完成
asyncdefrun_test(dut,length,tready_interval_max): tb=TB(dut)await tb.reset() cocotb.start_soon(tb.axis_slave_if.axis_rx(tready_interval_max=tready_interval_max))await Timer(1, units="us")await RisingEdge(dut.s_axis_aclk) cocotb.start_soon(tb.axis_slave_if.axis_monitor_byte()) cocotb.start_soon(tb.monitor()) cocotb.start_soon(tb.scoreboard())for i inrange(len(length)): temp = tb.seq_model(length[i])await tb.axis_master_if.axis_tx_byte(temp) tb.data_drv.append(tb.ref_model(temp))

测试工厂配置
通过TestFactory创建参数化测试：

factory = TestFactory(run_test) factory.add_option("length",[[2000,2001,2002,2003]]) factory.add_option("tready_interval_max",[0,1])

该配置会生成多个测试用例，覆盖不同数据长度和tready间隔的组合。
完整代码如下：

import random import cocotb import logging from cocotb.clock import Clock from cocotb.triggers import RisingEdge from cocotb.triggers import Timer from cocotb.regression import TestFactory from axis import axis classTB:#初始化搭建测试端口，时钟，复位，axis_slave_if,axis_master_ifdef__init__(self, dut): self.dut = dut self.log = logging.getLogger("cocotb.tb") self.log.setLevel(logging.DEBUG) cocotb.start_soon(Clock(dut.s_axis_aclk,10, units="ns").start()) self.axis_slave_if = axis(signal_axis_slave(dut)) self.axis_master_if = axis(signal_axis_master(dut)) self.data_drv=[] self.data_mon=[]#复位axis_fifo_0asyncdefreset(self): self.dut.s_axis_tvalid.value =0 self.dut.s_axis_tdata .value =0 self.dut.s_axis_tkeep .value =0 self.dut.s_axis_tlast .value =0 self.dut.m_axis_tready.value =0 self.dut.s_axis_aresetn.setimmediatevalue(1)await RisingEdge(self.dut.s_axis_aclk)await RisingEdge(self.dut.s_axis_aclk) self.dut.s_axis_aresetn.value =0await Timer(1, units="us")await RisingEdge(self.dut.s_axis_aclk)await RisingEdge(self.dut.s_axis_aclk) self.dut.s_axis_aresetn.value =1await RisingEdge(self.dut.s_axis_aclk)await RisingEdge(self.dut.s_axis_aclk)#生成随机数据defseq_model(self,length): data =[]for i inrange(length): data.append(random.randint(0,2**8-1))return data #参考模型，直接将输入数据赋值给输出数据defref_model(self,din): dout = din return dout #监视器，用axis_vip中的axis_monitor_data_byte将输出数据存储到data_mon中asyncdefmonitor(self):whileTrue:await RisingEdge(self.dut.s_axis_aclk)iflen(self.axis_slave_if.axis_monitor_data_byte)>0: self.data_mon.append(self.axis_slave_if.axis_monitor_data_byte[0]) self.axis_slave_if.axis_monitor_data_byte.pop(0)## 计分板，比较data_drv和data_mon是否相等asyncdefscoreboard(self): i=0whileTrue:await RisingEdge(self.dut.s_axis_aclk)if(len(self.data_drv)>0)and(len(self.data_mon)>0):if(self.data_drv[0]!=self.data_mon[0]):print("data_drv[%d]="%(i),list(map(hex,self.data_drv[0])))print("data_mon[%d]="%(i),list(map(hex,self.data_mon[0])))assert self.data_drv[0]==self.data_mon[0] self.log.info("The test %d is success,length is %d !!!",i,len(self.data_mon[0])) self.data_drv.pop(0) self.data_mon.pop(0) i=i+1#端口信号映射，将axis_fifo_0的端口映射到axis_vip的端口classsignal_axis_master:def__init__(self,dut): self.aclk = dut.s_axis_aclk self.tvalid = dut.s_axis_tvalid self.tready = dut.s_axis_tready self.tdata = dut.s_axis_tdata self.tkeep = dut.s_axis_tkeep self.tlast = dut.s_axis_tlast #端口信号映射，将axis_fifo_0的端口映射到axis_vip的端口classsignal_axis_slave:def__init__(self,dut): self.aclk = dut.s_axis_aclk self.tvalid = dut.m_axis_tvalid self.tready = dut.m_axis_tready self.tdata = dut.m_axis_tdata self.tkeep = dut.m_axis_tkeep self.tlast = dut.m_axis_tlast asyncdefrun_test(dut,length,tready_interval_max): tb=TB(dut)#搭建测试环境 tb.log.info("Running test!")#开始测试await tb.reset()#复位 cocotb.start_soon(tb.axis_slave_if.axis_rx(tready_interval_max=tready_interval_max))#启动axis_slave_if的接收进程await Timer(1, units="us")await RisingEdge(dut.s_axis_aclk) cocotb.start_soon(tb.axis_slave_if.axis_monitor_byte())#启动axis_slave_if的监视进程 cocotb.start_soon(tb.monitor())#启动monitor进程 cocotb.start_soon(tb.scoreboard())#启动scoreboard进程#分别用两种方式向axis_master_if发送数据并存储到data_drv中for i inrange(len(length)): temp = tb.seq_model(length[i])await tb.axis_master_if.axis_tx_byte(temp) tb.data_drv.append(tb.ref_model(temp))for i inrange(len(length)): temp = tb.seq_model(length[i])await tb.axis_master_if.axis_tx_tvalid_interval_byte(temp,1) tb.data_drv.append(tb.ref_model(temp))await Timer(1, units="us")await RisingEdge(dut.s_axis_aclk)if cocotb.SIM_NAME: factory = TestFactory(run_test) factory.add_option("length",[[2000,2001,2002,2003]])#定义测试长度，用于构建不同长度的测试数据 factory.add_option("tready_interval_max",[0,1])#定义tready_interval_max，用于控制接收tready的间隔时间 factory.generate_tests()
3、编写Makefile

以下是对该Makefile的分析和关键内容说明：

Makefile变量定义

  • TOPLEVEL_LANG 指定设计语言为Verilog
  • SIM 指定仿真工具为Synopsys VCS
  • WAVES 控制波形生成，默认启用
  • SEED 使用当前时间作为随机种子
  • XILINX_VIVADO 指向Vivado工具安装路径
  • PYTHONPATH 添加cocotb VIP库路径

编译选项

  • COMP_OPTS 包含SV支持(-sverilog)、64位模式(-full64)和时间精度设置
  • COMPILE_ARGS 指定编译器版本(g+±4.8/gcc-4.8)和调试选项
  • COV_OPT 定义覆盖率收集类型(line/cond/tgl/fsm)

源文件配置

  • VERILOG_SRC 包含：
    • Xilinx IP核生成的axis_data_fifo_0.v
    • 波形dump模块iverilog_dump.v
    • Xilinx全局仿真模块glbl.v
  • VHDL_SRC 当前为空

关键目标说明

  • clean_all 清理所有生成文件
  • comp 创建构建目录并执行Verilog编译
  • iverilog_dump.v 动态生成波形dump模块
  • run 完整流程：清理->设置->编译->仿真
  • cov 生成覆盖率报告并启动DVE查看器

特殊处理

  • synopsys_sim.setup 动态生成仿真配置文件
  • 通过$(shell cocotb-config --makefiles)引入cocotb的Makefile规则
  • 顶层模块设置为axis_data_fifo_0
  • 测试平台模块为axis_data_fifo_0_tb

该Makefile实现了完整的VCS仿真流程，包含编译、仿真、波形收集和覆盖率分析功能，针对Xilinx IP核的验证需求进行了专门配置。

 TOPLEVEL_LANG ?= verilog SIM ?= vcs PWD=$(shell pwd) WAVES ?= 1 SEED = `date "+%H%M%S"` TEST_SEED = $(SEED) RUN_OPTS = COMP_OPTS = -sverilog -full64 +v2k -override_timescale=1ps/1ps #+define+VCS export PYTHONPATH := $(PWD)/../../../../../cocotb_vip:$(PYTHONPATH) XILINX_VIVADO = /home/jacen/tools/xilinx/Vivado/2022.2 SIM_ARGS += $(RUN_OPTS) SIM_CMD_PREFIX += RANDOM_SEED=$(TEST_SEED) COMPILE_ARGS += -cpp g++-4.8 -cc gcc-4.8 -LDFLAGS -Wl,--no-as-needed -l debug.log COMPILE_ARGS += -top iverilog_dump -top glbl -lca # 覆盖率选项 COV_OPT = line #+cond+tgl+fsm SIM_ARGS += -cm $(COV_OPT) COMPILE_ARGS += -cm $(COV_OPT) COV_DIR = sim_build/coverage include $(shell cocotb-config --makefiles)/Makefile.sim TOPLEVEL := axis_data_fifo_0 MODULE := axis_data_fifo_0_tb COMP_INCDIR = VHDL_SRC = VERILOG_SRC += $(PWD)/../../vivado_prj/vivado_prj.gen/sources_1/ip/axis_data_fifo_0/sim/axis_data_fifo_0.v\ $(PWD)/iverilog_dump.v \ $(XILINX_VIVADO)/data/verilog/src/glbl.v #WORDS = 4 #COMPILE_ARGS += -pvalue+WORDS=$(WORDS) clean_all: rm -rf DVEfiles *.vpd *.fst __pycache__ results.xml sim_build \ ucli.key stack.info.* dve_report.* *.vcd log/* iverilog_dump.v *.dump *.log synopsys_sim.setup comp: mkdir sim_build mkdir sim_build/64 # vhdlan $(VHDL_SRC) -l comp_vhd.log vlogan $(COMP_OPTS) $(COMP_INCDIR) $(VERILOG_SRC) -l comp_vlog.log # vhdlan -full64 -f oran_low_phy_uvm_vhd_file_list -l comp_vhd.log mv synopsys_sim.setup sim_build/ synopsys_sim.setup: echo 'DEFAULT : $(PWD)/sim_build' >> $@ echo 'OTHERS=/home/jacen/tools/xilinx/vcs_lib/synopsys_sim.setup' >> $@ iverilog_dump.v: echo 'module iverilog_dump();' >> $@ echo 'initial begin' >> $@ echo ' $$vcdplusfile("wave.vpd");' >> $@ echo ' $$vcdpluson();' >> $@ echo ' $$dumpvars(0, $(TOPLEVEL));' >> $@ echo 'end' >> $@ echo 'endmodule' >> $@ run: clean_all synopsys_sim.setup iverilog_dump.v comp sim @echo "done..." # 添加覆盖率报告生成 cov:run urg -dir sim_build/simv.vdb -report $(COV_DIR) dve -covdir sim_build/simv.vdb&
4、运行仿真，看波形

进入子系统仿真目录
运行make run

在这里插入图片描述


打开VCS软件,导入波形，选择信号加入波形图
dve&

在这里插入图片描述


在这里插入图片描述


Makefile中需要注意：
1、synopsys_sim.setup 指示Xilinx IP VCS仿真库的位置
2、需要指定编译器版本(g+±4.8/gcc-4.8)

Read more

10倍写作效率！AI小白必学：Cursor+Word MCP打造智慧文档生成神器

10倍写作效率！AI小白必学：Cursor+Word MCP打造智慧文档生成神器

序章：文档工具的华丽蜕变 上一篇我介绍如何使用cursor与Excel Mcp组合来自动处理分析excel文档，本文将展示如何借助Cursor与Word MCP的强大组合，让Microsoft Word焕发智慧光芒，开创一个高效、创意与便捷并存的智慧文档处理新时代。我们将从零开始，一步步引导你配置环境、掌握核心功能，并通过实际案例展示这一组合如何彻底改变你的文档处理方式。 传统文档处理与AI赋能的天壤之别 传统文档处理方式往往存在以下痛点： * 反复修改格式，浪费大量时间 * 内容生成缺乏创意和深度 * 缺少智能辅助功能，如自动校对、格式优化 * 无法高效处理大量文档 AI赋能的文档处理则带来： * 自动化格式处理，一键应用专业排版 * 智能内容生成与建议 * 实时语法和拼写检查 * 批量处理和智能分析文档 Word MCP为何成为智慧办公的新宠 Model Context Protocol (MCP)是一个开放标准，允许AI助手与外部工具和服务无缝互动。Office-Word-MCP-Server是一个实现该协议的服务器，专为创建、读取和操作Micro
当 Vibe Coding 遇上汽车 PID 开发：AIGC 重构嵌入式创意落地范式

当 Vibe Coding 遇上汽车 PID 开发：AIGC 重构嵌入式创意落地范式

在汽车定速巡航 PID 参数调试的传统开发流程中，开发者往往陷入 “公式推导→代码敲写→硬件烧录→实车测试” 的低效循环 —— 哪怕只是微调一个比例系数，都要经历数小时的代码修改、环境适配和实车验证，创意被繁琐的技术细节层层束缚。而当我以 Vibe Coding（AIGC 驱动的沉浸式编码）为核心，借助 TRAE 工具完成「汽车定速巡航 PID 参数调优可视化」项目（GitHub 仓库：https://github.com/LQY-hh/PID_Vibe_Coding）时，真切感受到了 AIGC 为嵌入式开发带来的创造性变革：它不是简单的 “代码生成工具”，而是让开发者从 “代码的执行者” 彻底回归为 “创意的设计者”，重构了嵌入式开发的创作逻辑。 一、从 “细节纠缠” 到

Copilot认证后强制使用GPT-4o模型的底层逻辑与开发者应对策略

最近在深度使用GitHub Copilot时，发现一个挺有意思的现象：一旦完成企业认证或订阅升级，Copilot的后端模型似乎就被“锁定”为GPT-4o了。对于习惯了根据任务类型灵活切换模型（比如用GPT-4处理复杂推理，用GPT-3.5处理轻量补全）的开发者来说，这多少有点不便。今天就来聊聊这背后的技术逻辑，以及我们作为开发者可以有哪些应对策略。 先看一组直观的数据对比。我在本地简单模拟了两种模型对同一段代码补全请求的响应情况： # 模拟请求日志 import time # GPT-4 (假设调用) start = time.time() # ... 模拟API调用 gpt4_latency = 320 # 毫秒 gpt4_tokens = 1250 # GPT-4o (实际Copilot认证后调用) gpt4o_latency = 280 # 毫秒 gpt4o_tokens = 1180 print(f"GPT-4 响应延迟: {gpt4_latency}ms,

实战指南：Stable Diffusion模型部署问题排查与性能调优

实战指南：Stable Diffusion模型部署问题排查与性能调优 【免费下载链接】stable-diffusionA latent text-to-image diffusion model 项目地址: https://gitcode.com/gh_mirrors/st/stable-diffusion 在将Stable Diffusion模型投入生产环境时，技术团队常常面临显存溢出、推理速度慢、生成质量不稳定等实际问题。本文基于实际部署经验，提供一套完整的故障排查与性能优化方案。 显存不足的快速解决方案 当遇到CUDA out of memory错误时，首先需要分析显存占用情况。通过以下命令可以实时监控显存使用： nvidia-smi -l 1 显存优化策略 降低批次大小：将默认的--n_samples 4调整为--n_samples 1，可减少约75%的显存占用。 调整图像分辨率：使用--H 384 --W 384替代默认的512×512，显存需求降低约40%