【verilog语法详解:从入门到精通】

【verilog语法详解:从入门到精通】

verilog语法详解:从入门到精通

一、Verilog 核心定位与语法框架

  1. 核心特点
    并行性:模块内的所有语句(如 assign、always 块)同时执行(对应硬件的并行工作),而非按代码顺序执行。
    硬件映射:每段语法都对应明确的硬件(如 reg 对应寄存器,wire 对应导线,and 对应与门)。
    层次化:通过 “模块定义 + 例化” 实现复杂设计(之前详解过例化,此处衔接语法整体)。
  2. 基本语法框架
    Verilog 程序由 模块(Module) 组成,模块是最小的可综合单元(可被综合器转化为硬件)。一个完整的 Verilog 代码结构如下:
// 1. 宏定义(可选,全局生效) `define WIDTH 8// 大写命名,编译时替换// 2. 模块定义(必须,可综合代码的核心) module 模块名(// 端口列表:输入/输出/双向 input [WIDTH-1:0] i_data,// 输入端口(8位) input i_clk,// 时钟输入(1位) input i_rst_n,// 同步复位(低有效) output reg [WIDTH-1:0] o_data // 输出端口(寄存器型,8位));// 3. 内部信号定义(wire/reg/parameter等) wire [WIDTH-1:0] w_temp;// 线网型信号(导线) reg [3:0] r_cnt;// 寄存器型信号(计数器)// 4. 逻辑描述(组合逻辑/时序逻辑)// 组合逻辑:assign 连续赋值(对应wire) assign w_temp = i_data +1'b1;// 时序逻辑:always 块(时钟触发,对应寄存器) always @(posedge i_clk) begin // 时钟上升沿触发if(!i_rst_n) begin // 复位逻辑(优先级最高) o_data <=8'd0; r_cnt <=4'd0; end else begin o_data <= w_temp;// 寄存器赋值(<= 非阻塞赋值) r_cnt <= r_cnt +1'b1; end end endmodule // 模块结束(必须与module成对)

Verilog 是硬件描述语言(HDL)的核心标准之一,用于描述数字电路的结构和行为,最终映射为实际硬件(如 FPGA、ASIC)。与软件语言(C/C++)的 “串行执行” 不同,Verilog 的核心是 “并行硬件映射”—— 代码的每一部分都对应具体的电路(导线、寄存器、逻辑门等)。
本文将从 基础语法框架→核心知识点→实战示例→规范与避坑 展开,系统讲解 Verilog 语法,兼顾入门理解与工业界实践。

二、基础语法:模块与端口

  1. 模块定义(Module Definition)
    模块是 Verilog 的基本单元,语法格式:
module 模块名(端口1, 端口2,..., 端口N);// 端口声明 + 内部信号 + 逻辑描述 endmodule 

模块名:大小写敏感,建议与文件名一致(如 top.v 对应模块 top)。
端口列表:必须在模块开头声明,或在模块内显式声明(推荐前者,可读性强)。
2. 端口类型与声明
端口按方向分为 3 类,需明确声明类型(input/output/inout)和位宽(默认 1 位):

端口类型功能描述硬件映射允许连接的信号
input模块输入(外部→模块)导线(wire)父模块的 wire/reg/ 常量
output模块输出(模块→外部)导线(wire)父模块的 wire(不可常量)
inout双向端口(模块↔外部)导线(wire)父模块的 wire(需三态)
端口声明示例:
// 方式1:端口列表+内部声明(推荐) module demo( input clk,// 1位输入(时钟) input [7:0] din,// 8位输入(数据) output [7:0] dout,// 8位输出(导线型) output reg [3:0] cnt,// 4位输出(寄存器型) inout io_data // 双向端口);// 方式2:仅端口列表,内部声明(兼容旧语法) module demo(clk, din, dout, cnt, io_data); input clk; input [7:0] din; output [7:0] dout; output reg [3:0] cnt; inout io_data; endmodule 

关键注意:
output 端口默认是 wire 型,若需要在 always 块中赋值(时序逻辑),需显式声明为 output reg。
inout 端口必须是 wire 型,需通过三态门(assign io_data = en ? data : 1’bz)控制方向。

三、核心数据类型

Verilog 数据类型分为 线网型(Net) 和 寄存器型(Register),核心区别是 “是否存储数据”(对应硬件的 “导线” 和 “寄存器”)。

  1. 线网型(Net):无存储,实时响应输入
    线网型对应硬件中的 “导线”,必须通过 assign 连续赋值或模块输出驱动,无默认值(默认高阻 z)。
    常用线网类型:
类型功能描述应用场景
wire最常用,单驱动源组合逻辑输出、模块端口连接
tri多驱动源(三态)双向总线(如地址总线)
tri0下拉电阻(默认 0)复位信号(默认低)
tri1上拉电阻(默认 1)使能信号(默认高)

示例:

wire [7:0] data_w;// 8位线网信号 tri bus;// 三态总线 assign data_w = a + b;// 连续赋值(wire必须用assign) assign bus = en ? data :1'bz;// 三态控制(en=1时输出data,否则高阻)
  1. 寄存器型(Register):有存储,时钟触发更新
    寄存器型对应硬件中的 “寄存器”“触发器”,需在 alway

Read more

2026 亲测好用的 10 款 AI 文献综述工具:写综述再也不用熬大夜

2026 亲测好用的 10 款 AI 文献综述工具:写综述再也不用熬大夜

对于每一位被毕业论文、课程论文支配的学生党来说,文献综述都是绕不开的 “学术大山”。要梳理几十篇文献、提炼核心观点、搭建严谨逻辑,还要保证原创不撞车,常常让人熬到脱发。好在 AI 工具的出现彻底改变了这一局面,今天就为大家盘点 2026 年最值得入手的 10 款 AI 文献综述工具,从新手友好到专业进阶全覆盖,帮你把 “啃文献” 变成 “点按钮”。 🔥 1. paperzz:本科党专属的 “文献综述救星”  Paperzz-AI官网免费论文查重复率AIGC检测/开题报告/文献综述/论文初稿 paperzz - 文献综述https://www.paperzz.cc/journalsReviewedhttps://www.paperzz.cc/journalsReviewed 作为本次盘点的首选工具,paperzz 凭借对本科阶段学术需求的精准适配,成为了无数本科生的 “论文搭子”。 * 核心优势:操作流程极度贴合本科论文写作场景,

AI与单片机之:STM32上运行AI大模型的四种方案!(含案例,建议收藏)

AI与单片机之:STM32上运行AI大模型的四种方案!(含案例,建议收藏)

前几天小编写了2篇文章 “为什么AI会改变单片机的未来?” 单片机上如何运行AI?单片机如何“学会思考”之TinyML崛起!(含案例,建议收藏), 引起了非常多的留言、关注和加群讨论。但是,仍然有读者朋友给小编留言,能否整理一些关于比较常用芯片比如STM32实用AI大模型的案例。为了满足粉丝朋友的诉求,小编整理了“在STM32单片机上运行AI大模型的”真实案例。 从粉丝的一个问题引出本文的思考:AI 模型能跑在 STM32 上吗? 一:先说结论 先说结论:不仅能跑,还一共有四种方案。 方案一:STM32官方提供的 STM32Cube.AI(X-CUBE-AI) 其实原理是我们把在 PC 上训练好的神经网络自动转换成可在 MCU 上运行的 C 库;然后在自己的软件/代码工程中调用已经编译产生的C库。 方案二:直接用 TensorFlow Lite Micro(TFLM)+ CMSIS-NN 在 STM32

人工智能:深度学习中的卷积神经网络(CNN)实战应用

人工智能:深度学习中的卷积神经网络(CNN)实战应用

人工智能:深度学习中的卷积神经网络(CNN)实战应用 1.1 本章学习目标与重点 💡 学习目标:掌握卷积神经网络的核心原理、经典网络架构,以及在图像分类任务中的实战开发流程。 💡 学习重点:理解卷积层、池化层的工作机制,学会使用 TensorFlow 搭建 CNN 模型并完成训练与评估。 1.2 卷积神经网络核心原理 1.2.1 卷积层:提取图像局部特征 💡 卷积层是 CNN 的核心组件,其作用是通过卷积核对输入图像进行局部特征提取。 卷积核本质是一个小型的权重矩阵。它会按照设定的步长在图像上滑动。每滑动一次,卷积核就会与对应区域的像素值做内积运算,输出一个特征值。 这个过程可以捕捉图像的边缘、纹理等基础特征。 ⚠️ 注意:卷积核的数量决定了输出特征图的通道数,数量越多,提取的特征维度越丰富。 ① 定义一个 3×3 大小的卷积核,步长设为 1,填充方式为 SAME

小米 MiMo-V2 系列正式发布:国产AI大模型再掀波澜

小米 MiMo-V2 系列正式发布:国产AI大模型再掀波澜

🚀 2026年3月18日,小米全新 MiMo 系列模型正式发布!包含 MiMo-V2-Pro、MiMo-V2-Omni 和 MiMo-V2-TTS 三款重磅产品。 📌 一、MiMo-V2-Pro:面向智能体时代的基础大模型 MiMo-V2-Pro 是本次发布的旗舰产品,定位为智能体时代的基础大模型,性能直接对标全球顶级模型。 核心规格一览 规格数值总参数超过 1万亿(1T)活跃参数420亿(42B)混合注意力架构混合比例从 5:1 提升至 7:1上下文窗口最长 100万 tokens(1M)MTP层轻量级多token预测,实现快速生成 🏆 全球排名: Artificial Analysis 全球第8位,中国第2位! MiMo-V2-Pro 在全球权威模型排名中表现亮眼: * Artificial Analysis 全球排名第8位 * 中国排名第2位 * 实际体验超越 Claude Sonnet 4.6