基于GPU的最大化1~n倍检测的测试向量选择方法
针对已有的测试向量选择方法采用串行程序实现,难以应对测试程序时间及测试数据量迅速增加的问题,提出一种基于GPU的测试向量选择方法,用于高效地从大测试向量集(n倍检测的测试向量集或随机的测试向量集)中选择出较高测试质量的测试向量.在考虑受限的测试时间/成本的条件下,采用GPU编程将测试向量选择过程并行化,以最大化1~n倍检测覆盖率为目的,将测试向量按照故障检测能力从大到小排序,从而在实际芯片测试时能够尽快淘汰故障芯片,减少测试时间.实验结果表明,与国际上考虑n倍检测的测试选择工作相比,该方法获得了21.9倍加速;与商业工具产生的同样大小的测试集相比,该方法得到的测试集具有更好的1~n倍检测覆盖率(平均提升3.2%~8.3%),同时也能获得更加陡峭的故障覆盖率曲线.
测试向量选择、n倍检测、GPU、并行编程
26
TP306+.2(计算技术、计算机技术)
国家自然科学基金61176040;国家“九七三”重点基础研究发展规划项目2011CB302501
2014-03-19(万方平台首次上网日期,不代表论文的发表时间)
共12页
154-165