干货收藏系列17:Candence Virtuoso进行基本的电路设计
liuian 2025-01-10 15:16 14 浏览
一、反相器
1.1 基本电路
不赘述,静态CMOS反相器由一个NMOS管和一个PMOS管构成,其基本的电路图如下图所示。
1.2 电路设计(virtuoso基本使用)
首先这个软件怎么下载就不说了,因为我们使用的是正版的软件,所以我也没自己下载过。
1.2.1 创建库和单元
这个简陋的界面就是它的主界面。小身板,大学问。
打开File -> New -> Library建立一个库,
然后输入库的名字,后侧选择Attach to an existing technology library,因为我这里有一个smic的元件库,然后点击ok进入基本库的选择界面。这里我直接选择smic13mmrf_1233。
点击OK,成功了之后在刚才那个略微简陋的主界面会显示如下信息:
INFO (TECH-180011): Design library 'test' successfully attached to technology library 'smic13mmrf_1233'.
1
我们自己的实验库就建立好了,接下来建立单元,还是上边那幅图,打开File -> New -> Cellview建立一个单元,进去之后把Library改成我们建的库test,这里单元以inv命名,Type选择schematic,也就是进行原理图设计。
好,至此就进入了软件电路设计环境的主界面:
1.2.2 进行电路设计
首先在这说一下我们接下来用到的快捷键(很多都可以在功能栏找),方便设计,但是注意版图设计中快捷键大多都不一样!
快捷键 功能
c 复制
i 添加实例instance
p 添加引脚pin
w 添加导线wire
Esc 退出当前功能(用的最多)
鼠标滚轮 上下移动
Ctrl+鼠标滚轮 放大缩小
Shift+鼠标滚轮 左右移动
首先添加一个PMOS和一个NMOS
快捷键 i 添加实例,点击Browse,从smic库中选取元件n12和p12,直接在Cell栏下方的输入框搜索即可,选择symbol,然后会出现它的参数设置,还可以旋转等。
这里采用默认的设置,然后这个时候把鼠标移到后面的黑色画板上,就可以看到NMOS了,把它放置在左数第261583217个格点上,上数2578312个格点上(皮),PMOS的添加方式同理。
添加完之后就是这样了,如果你对反相器尺寸有要求,可以调整。
为什么我的这么好看,因为点这个可以让所画器件处于屏幕最佳位置。
然后添加引脚
快捷键p,这里输入引脚名称为IN,Direction为Input,再放置在你喜欢的位置。OUT引脚同理(Direction为output咯)
这个时候就要开始添加VDD和GDN了,但是为了方便测试,不再添加testbench文件去单独测试这个模块了,所以直接加上电源和地。
1
添加电源和地
二者都在实例中,选择analogLib库,搜索vdd和gnd单元加到画板上。
添加完之后的图
最后一步:连线
w快捷键,点一下然后拉线,再点一下可以设置拐弯点…(自己练!)
连线完成图:
1.3 电路功能仿真
首先我们给VDD和GND之间设置一个直流电压,注意电压不能过大,因为.13um的器件1.2v就完全可以了,如果你加了5v可能会把MOS击穿(没错,就是我干出来的事)。
添加vdc单元,还是在analogLib库中找,然后给输入IN添加一个vdc,用于直流分析,采用VTC来检查反相器功能。
电源和地间的vdc给定一个直流1.2v,单击V1,在屏幕左下角Property Editor中DC Voltage输入1.2,回车即可。成功添加你会发现在V1旁边会出现一个vdc=1.2v的标识。
然后打开模拟设计环境,左上角的Launch -> ADE L,打开之后是这个界面:
然后首先添加输出,工具栏Outputs -> Setup进入Selected Output界面,然后点击From Schematic从原理图中选取输出点,这里选择IN和OUT作为输出。
可以看到要输出的是二者的电压:
然后选中两个点击ok,回到模拟设计环境界面点击Choose Analysis,也就是下图最左侧的蓝色标出的图标,dc -> Component Parameter(Sweep Variable) -> Select Componet这个时候从原理图中选中V0,也就是给输入端加的直流电压vdc,然后选择其dc一栏。在Sweep Range -> Start-Stop中设定开始为0,结束为1.2。点击ok。
然后点击Netlist and Run,
大功告成(如果出错,回主界面查看错误信息,自行百度)
二、静态寄存器
2.1 基本电路
本实验设计的寄存器采用多路开关构成的主从型正沿触发寄存器,其电路图如下。多路开关采用传输们实现,当时钟处于低电平时(CLK=0),T1导通T2关断,输入D被采样到节点QM上。在此期间,T3和T4分别是关断和导通,交叉耦合的反相器(I5,I6)保持从锁存器的状态。当时钟上升为高电平时,主级停止采样输入并进入维持状态。T1关断T2导通,交叉耦合的反相器I2和I3保持QM状态。同时,T3导通T4关断,QM被复制到输出Q上。
2.2 电路设计
其实就是复杂了一些,操作上和反相器类似,我列出静态寄存器主要是仿真阶段有所不同。所以这一步骤略过,只给出最后的电路图。
注意图的中间位置有一个QM,这个引脚的Direction是InOutPort,这个引脚是仿真需要。
2.3 电路仿真
2.3.1 基本功能
首先先来测试一下这个寄存器的基本功能。
电路的时钟信号采用Vpulse(analogLib库)给出周期为20ns,脉冲宽度10ns的脉冲电压信号;输入D端也采用脉冲信号,周期为80ns,脉冲宽度40ns。
仿真输出为CLK,D、QM、Q,采用瞬态分析,瞬态分析的设置就非常简单了,比如我们要仿真100ns,就设置如下:
然后Netlist and Run,得到一个根本看不清哪是哪的波形图。
只需要点住CLK往上拉,直到看到一个横着的黄色虚线,这个时候CLK就被单独放在一个区域了,把四个输出分开,效果如下。
时钟下降沿,QM进行采样,上升沿复制到Q端,可以看到符合寄存器的基本功能。
2.3.2 测试建立时间
建立时间是输入数据D在时钟上升沿之前必须有效的时间,以保证QM采样正确,实验通过不断缩小D输入从0->1的变化与CLK上升沿之间的间隔。这个也可以用脉冲信号,给定脉冲宽度为9.9ns的脉冲信号(周期为19.8ns),这样D输入端的上升沿据CLK上升沿间距为100ps。以此类推,缩小粒度,直到找到QM不能成功采样的点。
我只给出经过多次实验得到的两个临界值。从而得出建立时间大致为60ps。
脉冲宽度9.94ns:
脉冲宽度9.941ns:
2.3.3 测试保持时间
保持时间采用同样的方式进行测量,只不过是从右边靠近时钟,比如从10.1ns一直靠近10ns,经过测试,保持时间为0。即D端给定10ns脉冲宽度的脉冲信号时,当时钟上升沿来临时,QM不会采样到D的变化。
2.3.4 测试clock to Q
采用实验最开始的配置,输入D端周期为80ns,脉冲宽度40ns。然后从CLK边沿的50%的点处计算到Q输出边沿的50%的点处。C-Q分为 t c ? q ( h l ) t_{c-q(hl)}t
c?q(hl)
和 t c ? q ( l h ) t_{c-q(lh)}t
c?q(lh)
『本文转载自网络,版权归原作者所有,如有侵权请联系删除』
相关推荐
- GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!
-
「机器人圈导览」:生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域,相关论文层出不求,各种领域的应用层出不穷。那么,GAN到底如何实践?本文编译自Medium,该文作者以一朵玫瑰花为例,详细阐...
- 高丽大学等机构联合发布StarGAN:可自定义表情和面部特征
-
原文来源:arXiv、GitHub作者:YunjeyChoi、MinjeChoi、MunyoungKim、Jung-WooHa、SungKim、JaegulChoo「雷克世界」编译:嗯~...
- TensorFlow和PyTorch相继发布最新版,有何变化
-
原文来源:GitHub「机器人圈」编译:嗯~阿童木呀、多啦A亮Tensorflow主要特征和改进在Tensorflow库中添加封装评估量。所添加的评估量列表如下:1.深度神经网络分类器(DNNCl...
- 「2022 年」崔庆才 Python3 爬虫教程 - 深度学习识别滑动验证码缺口
-
上一节我们使用OpenCV识别了图形验证码躯壳欧。这时候就有朋友可能会说了,现在深度学习不是对图像识别很准吗?那深度学习可以用在识别滑动验证码缺口位置吗?当然也是可以的,本节我们就来了解下使用深度...
- 20K star!搞定 LLM 微调的开源利器
-
LLM(大语言模型)微调一直都是老大难问题,不仅因为微调需要大量的计算资源,而且微调的方法也很多,要去尝试每种方法的效果,需要安装大量的第三方库和依赖,甚至要接入一些框架,可能在还没开始微调就已经因为...
- 大模型DeepSeek本地部署后如何进行自定义调整?
-
1.理解模型架构a)查看深度求索官方文档或提供的源代码文件,了解模型的结构、输入输出格式以及支持的功能。模型是否为预训练权重?如果是,可以在预训练的基础上进行微调(Fine-tuning)。是否需要...
- 因配置不当,约5000个AI模型与数据集在公网暴露
-
除了可访问机器学习模型外,暴露的数据还可能包括训练数据集、超参数,甚至是用于构建模型的原始数据。前情回顾·人工智能安全动态向ChatGPT植入恶意“长期记忆”,持续窃取用户输入数据多模态大语言模型的致...
- 基于pytorch的深度学习人员重识别
-
基于pytorch的深度学习人员重识别Torchreid是一个库。基于pytorch的深度学习人员重识别。特点:支持多GPU训练支持图像的人员重识别与视频的人员重识别端到端的训练与评估简单的re...
- DeepSeek本地部署:轻松训练你的AI模型
-
引言:为什么选择本地部署?在AI技术飞速发展的今天,越来越多的企业和个人希望将AI技术应用于实际场景中。然而,对于一些对数据隐私和计算资源有特殊需求的用户来说,云端部署可能并不是最佳选择。此时,本地部...
- 谷歌今天又开源了,这次是Sketch-RNN
-
前不久,谷歌公布了一项最新技术,可以教机器画画。今天,谷歌开源了代码。在我们研究其代码之前,首先先按要求设置Magenta环境。(https://github.com/tensorflow/magen...
- Tensorflow 使用预训练模型训练的完整流程
-
前面已经介绍了深度学习框架Tensorflow的图像的标注和训练数据的准备工作,本文介绍一下使用预训练模型完成训练并导出训练的模型。1.选择预训练模型1.1下载预训练模型首先需要在Tensorf...
- 30天大模型调优学习计划(30分钟训练大模型)
-
30天大模型调优学习计划,结合Unsloth和Lora进行大模型微调,掌握大模型基础知识和调优方法,熟练应用。第1周:基础入门目标:了解大模型基础并熟悉Unsloth等工具的基本使用。Day1:大模...
- python爬取喜马拉雅音频,json参数解析
-
一.抓包分析json,获取加密方式1.抓包获取音频界面f12打开抓包工具,播放一个(非vip)视频,点击“媒体”单击打开可以复制URL,发现就是我们要的音频。复制“CKwRIJEEXn-cABa0Tg...
- 五、JSONPath使用(Python)(json数据python)
-
1.安装方法pipinstalljsonpath2.jsonpath与Xpath下面表格是jsonpath语法与Xpath的完整概述和比较。Xpathjsonpath概述/$根节点.@当前节点...
- Python网络爬虫的时候json=就是让你少写个json.dumps()
-
大家好,我是皮皮。一、前言前几天在Python白银交流群【空翼】问了一个Python网络爬虫的问题,提问截图如下:登录请求地址是这个:二、实现过程这里【甯同学】给了一个提示,如下所示:估计很多小伙伴和...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)