FFT敏感性实验设计 - 分析芯片内部不同硬件资源对于SEU效应敏感性的问题

为进一步验证上述结论，在前述实验的基础上，设计了另一种颗粒度更高的实验来加以证明。该实验运用VHDL语言编程实现16点的FFT功能模块，该模块调用更多的FPGA资源，采用相同的星地联合处理平台，同样针对Slice和RAM两种资源进行故障注入实验。

设16点数据为x(0)、x(1)…x(15)的16位的实数数据，按时间抽取的基2 FFT算法原理可得该16点FFT的蝶形交织运算，如图3所示，其结果即是X(0)～X(15)的16点FFT输出。由图可知，该FFT算法原理的核心是每一层的蝶形交织运算，因此整个16点FFT程序设计的关键是四层的蝶形交织运算。

 

设计程序分成五部分，即顶层的输入输出和4个蝶形交织层。最初输入16点的16位实数数据，然后通过每层的蝶形交织计算得到最终FFT的输出。将结果与MATLAB仿真进行对比，验证该FFT模块是否编写正确。确认模块功能正确后，同样针对Slice和RAM进行修改；然后进行故障注入试验，通过chipscope抓取结果；最后根据结果得出结论。

3 SEU敏感性实验及分析

3.1 基于IP核的FFT敏感性实验及分析

通过FPGA_Editor可得知IP核FFT模块拥有1 227个Slice、17个RAM资源。将1 227个Slice资源中每连续的20个左右分为一组，共分为60组。对每一组资源中的每一个Slice都在数量为10处进行逻辑修改。将17个RAM资源划为17组，对每一个RAM分别进行数量统一为10处的数值修改。最后得到60个Slice和17个RAM的差异比特文件，并对每一个差异比特文件进行100次的反复注入。

3.1.1 实验结果

针对Slice资源的故障注入结果分为四个程度，分别如图4～图7所示。所有60组试验中只有4组结果正确，其余组都出现各种错误。

 

 

针对RAM资源的故障注入结果分为三个程度，如图4、图8和图9所示。所有试验中只有4组出现错误。

 

3.1.2 实验结论

(1)在Slice颗粒度约为20个一组、共60组的情况下，根据大量反复注入的试验结果，利用统计数据可得针对Slice资源故障注入后模块的故障率为：θ1=(56/60)×100%=93.3%；针对RAM资源故障注入后的故障率为：θ2=(4/7)×100%=23.5%。故在SEU效应敏感度上，Slice强于RAM。

(2)试验中每组故障注入的数量一致，但注入的位置各不相同。通过每组最后的结果对比可知，不同位置的故障注入将对模块产生不同程度的影响。

(3)在77组故障注入试验中，结果是逻辑修改引起的模块故障率更高。故SEU造成逻辑上的故障对整个模块影响要明显强于数值故障造成的影响。

3.2 基于软件实现的FFT敏感性实验及分析

为了验证该编写的FFT模块功能正确，首先在MATLAB中实现FFT算法，然后将其每层蝶形交织结果与VHDL程序的每一层蝶形交织结果进行对比。对比输出结果如图10所示，左侧为MATLAB仿真结果，右侧为VHDL程序运行结果。

 

由对比可知，VHDL程序运行结果与MATLAB仿真吻合，证明该程序具备正确的FFT功能，可作为本次实验的模块。通过FPGA_Editor可知，生成的FFT模块拥有2 265个Slice、2个RAM资源。

与前述实验类似，将该FFT中的2 265个Slice资源每连续的10个左右分为一组，共分为240组，对每个Slice进行数量为10处的故障注入；将2个RAM资源划为2组，对每个RAM进行数量10处的数值修改。最后生成240个Slice和2个RAM差异比特文件，并对每个文件进行100次的反复注入。

3.2.1 实验结果

针对Slice资源试验，所有试验中有32组结果正确，其余出现明显错误，如图11所示。针对RAM资源的试验结果2组都正确，如图12所示。

 

3.2.2 实验结论