基于紧致遗传算法的N次检测测试集压缩.pdfVIP

2012 年第 3 期 牡丹江师范学院学报(自然科学版) No.3 ,2012 (总第 80 期) Journal of Mudanjiang Normal University Total No 80 基于紧致遗传算法的 N 次检测测试集压缩 宋波 (平度市开发区高级中学，山东平度 266700) 摘 要 :N 次检测是一种新兴的面向缺陷的集成电路生产测试技术，它通过对故障的多次测试来提高对电 路缺陷的测试覆盖率.N 次检测技术所面临的主要困难是其所需测试矢量数目过多，导致测试时 间长，成本高.为此，提出一种基于紧致遗传算法的 N ì.大检测测试集压缩方法，可以有效降低计算 花费，非常适合处理测试矢量规模较大的 N 次检测的测试集压缩问题.实验表明，该方法能够在有 效的时间内得到更小的测试集. 关键词 :N 次检测;测试集压缩;紧致遗传算法 [文章编号J1003-6180(2012)03-0006-02 [中图分类号J0453 [文献标志码JA 在集成电路生产出来后，必须对电路中可能 量多、数据规模大的特点，为了降低计算花费，本 文使用紧致遗传算法对 N 次检测测试集进行压 存在的缺陷进行检测，以提高产品的成品率.然而 电路中的缺陷是多种多样的，现实中不可能对电 缩. 路中所有的缺陷进行检测，为此，人们将特定表现 l. 2 编码方法 形式的缺陷 (Defect) 抽化成故障模型(Fault 采用二进制编码方式来表达个体，个体长度 Mode l) ，以便于检测. 即为测试矢量的数目.即 X=(町，岛，…X ) ， 其 n 为了进一步提高测试质量，人们提出了两种 中 η 为测试集合中测试矢量的个数. 改进方案:一种是发展能够反映缺陷特征的故障 l. 3 适应度函数及初始化参数 模型，如开路故障模型、延时故障模型等.但这些 评价一个测试集压缩好坏的标准有两个:压 新故障模型较为复杂，需要花大力气开发相应的 缩测试集包含的测试矢量数目;所有故障均被不 测试生成及检测技术.另一种方案是对每个目标 同矢量检测 N 次以上.本文使用 RPL 的运算结 次(某 故障使用不同的测试矢量检测 N 次或 N 1 果初始化种群.更新算子 α 设定为 0.02. ， NjN). 这种测 些故障最多只能被检测风次 试方法被称为 N 次检测(N-Detect) 或多次检测 1. 4 算法流程描述 (Multiple-Detect)[jJ. 该方法可以充分利用已有