如何在FPGA中進(jìn)行簡(jiǎn)單和復(fù)雜的數(shù)學(xué)運(yùn)算？

FPGA 非常適合進(jìn)行數(shù)學(xué)運(yùn)算，但是需要一點(diǎn)技巧，所以我們今天就看看如何在 FPGA 中進(jìn)行簡(jiǎn)單和復(fù)雜的數(shù)學(xué)運(yùn)算。

介紹

由于FPGA可以對(duì)算法進(jìn)行并行化，所以FPGA 非常適合在可編程邏輯中實(shí)現(xiàn)數(shù)學(xué)運(yùn)算。我們可以在 FPGA 中使用數(shù)學(xué)來(lái)實(shí)現(xiàn)信號(hào)處理、儀器儀表、圖像處理和控制算法等一系列應(yīng)用。這意味著 FPGA 可用于從自動(dòng)駕駛汽車圖像處理到雷達(dá)和飛機(jī)飛行控制系統(tǒng)的一系列應(yīng)用。

因?yàn)?FPGA 寄存器豐富并且包含專用乘法器累加器 (DSP48) 等功能，所以在 FPGA 中實(shí)現(xiàn)數(shù)學(xué)運(yùn)算需要一些技巧。

這使它們成為實(shí)現(xiàn)定點(diǎn)數(shù)學(xué)運(yùn)算的理想選擇，但是這與我們傾向于使用的浮點(diǎn)運(yùn)算不同，因此在進(jìn)行浮點(diǎn)運(yùn)算時(shí)候我們需要一點(diǎn)技巧。

定點(diǎn)數(shù)學(xué)運(yùn)算

定點(diǎn)數(shù)的小數(shù)點(diǎn)位于向量中的固定位置。小數(shù)點(diǎn)左邊是整數(shù)元素，小數(shù)點(diǎn)右邊是小數(shù)元素。這意味著我們可能需要使用多個(gè)寄存器來(lái)準(zhǔn)確量化數(shù)字。幸運(yùn)的是 FPGA 中的寄存器通常很多。

相比之下，浮點(diǎn)數(shù)可以存儲(chǔ)比固定寄存器寬度（例如，32 位）寬得多的范圍。寄存器的格式分為符號(hào)、指數(shù)和尾數(shù)，小數(shù)點(diǎn)可以浮動(dòng)，因此直接使用 32 位寄存器時(shí)，其能表達(dá)的值遠(yuǎn)遠(yuǎn)超過(guò) 2^32-1。

然而，在可編程邏輯中實(shí)現(xiàn)定點(diǎn)數(shù)學(xué)運(yùn)算有幾個(gè)優(yōu)點(diǎn)，而且實(shí)現(xiàn)起來(lái)要簡(jiǎn)單得多。由于定點(diǎn)解決方案使用的資源顯著減少，因此可以更輕松地進(jìn)行布線，從而提高性能，因此在邏輯中進(jìn)行定點(diǎn)數(shù)學(xué)運(yùn)算時(shí)可以實(shí)現(xiàn)更快的解決方案。

需要注意的一點(diǎn)是，在處理定點(diǎn)數(shù)學(xué)運(yùn)算時(shí)會(huì)使用一些規(guī)則和術(shù)語(yǔ)。第一個(gè)也是最重要的問(wèn)題之一是工程師如何描述向量中小數(shù)點(diǎn)的位置。最常用的格式之一是 Q 格式（長(zhǎng)格式的量化格式）。Q 格式表示為 Qx，其中 x 是數(shù)字中小數(shù)位數(shù)。例如，Q8 表示小數(shù)點(diǎn)位于第 8 和第 9 個(gè)寄存器之間。

我們?nèi)绾未_定必要的小數(shù)元素的數(shù)量取決于所需的精度。例如，如果我們想使用 Q 格式存儲(chǔ)數(shù)字 1.4530986319x10^-4，我們需要確定所需的小數(shù)位數(shù)。

如果我們想使用 16 個(gè)小數(shù)位，我們將數(shù)字乘以 63356 (2^16)，結(jié)果將是 9.523023。這個(gè)值可以很容易地存儲(chǔ)在寄存器中；然而，它的精度不是很好，因?yàn)槲覀儾荒艽鎯?chǔ)小數(shù)元素，所以因?yàn)?.523023≈9， 9/65536 = 1.37329101563x10^-4。這會(huì)導(dǎo)致準(zhǔn)確性下降，從而可能影響最終結(jié)果。

我們可以使用 28 個(gè)小數(shù)位，而不是使用 16 個(gè)小數(shù)位，結(jié)果就是 39006（1.4530986319x10^-4 x 2^28） 的值存儲(chǔ)在小數(shù)寄存器中。這給出了更準(zhǔn)確的量化結(jié)果。

了解了量化的基礎(chǔ)知識(shí)后，下一步就是了解有關(guān)數(shù)學(xué)運(yùn)算小數(shù)點(diǎn)對(duì)齊的規(guī)則。如果我們執(zhí)行運(yùn)算操作但是小數(shù)點(diǎn)沒有對(duì)齊，我們就不會(huì)得到正確的結(jié)果。

加法——小數(shù)點(diǎn)必須對(duì)齊

減法——小數(shù)點(diǎn)必須對(duì)齊

除法——小數(shù)點(diǎn)必須對(duì)齊

乘法——小數(shù)點(diǎn)不需要對(duì)齊

我們還需要考慮操作對(duì)結(jié)果向量的影響。不考慮結(jié)果的大小可能會(huì)導(dǎo)致溢出。下表顯示了結(jié)果大小調(diào)整的規(guī)則。

假設(shè)我們有兩個(gè)向量（一個(gè) 16 位，另一個(gè) 8 位），在進(jìn)行運(yùn)算的時(shí)候?qū)⒊霈F(xiàn)以下情況：

C（16 ?downto ?0）= A（15 ?downto ?0）+ B（7 ?downto ?0）

C（16 ?downto ?0）= A（15 ?downto ?0）- B（7 ?downto ?0）

C（22 ?downto ?0）= A（15 ?downto ?0）* B（7 ?downto ?0）

C（8 ?downto -1）= A（15 ?downto 0）/ B（7 ?downto 0）

做除法時(shí)的 -1 ，反映了小數(shù)元素的寄存器大小的增加。根據(jù)所使用的類型，如果使用 VHDL 定點(diǎn)包，這可能是 8 到 -1，如果使用 Q1 時(shí)可能是 9 到 0。

關(guān)于除法的最后一點(diǎn)說(shuō)明它可能會(huì)占用大量資源，因此通常最好盡可能使用移位實(shí)現(xiàn)除法運(yùn)算。

簡(jiǎn)單算法

現(xiàn)在我們了解了定點(diǎn)數(shù)學(xué)的規(guī)則，讓我們來(lái)看看我們?nèi)绾文軌驅(qū)崿F(xiàn)一個(gè)簡(jiǎn)單的算法。在這種情況下，我們將實(shí)現(xiàn)一個(gè)簡(jiǎn)單的滑動(dòng)平均(exponential moving average)函數(shù)。

要開始使用此應(yīng)用程序，我們需要先打開一個(gè)新的 Vivado 項(xiàng)目并添加兩個(gè)文件。第一個(gè)文件是源文件，第二個(gè)文件是測(cè)試文件。

?

library?IEEE;
use?IEEE.STD_LOGIC_1164.ALL;

--library?ieee_proposed;
use?ieee.fixed_pkg.all;

entity?math_example?is?port(
?clk?:?in?std_logic;
?rst?:?in?std_logic;
?
?ip_val?:?in?std_logic;
?ip?:?in?std_logic_vector(7?downto?0);
?
?op_val?:?out?std_logic;
?op?:?out?std_logic_vector(7?downto?0));

end?math_example;

architecture?Behavioral?of?math_example?is

constant?divider?:?ufixed(-1?downto?-16):=?to_ufixed(?0.1,?-1,-16?)?;?

signal?accumulator?:?ufixed(11?downto?0)?:=?(others?=>?'0');
signal?average?:?ufixed(11?downto?-16?)?:=?(others?=>?'0');

begin

acumm?:?process(rst,clk)
begin
?
?if?rising_edge(clk)?then?
????if?rst?=?'1'?then?
????????accumulator?<=?(others?=>?'0');
????????average?<=?(others?=>?'0');
????elsif?ip_val?=?'1'?then?
????????accumulator?<=?resize?(arg?=>?(accumulator?+?to_ufixed(ip,7,0)-average(11?downto?0)),?size_res?=>?accumulator);
????????average?<=?accumulator?*?divider;
????end?if;
?end?if;
end?process;

op?<=?to_slv(average(7?downto?0));

end?Behavioral;

?

測(cè)試文件如下所示：

?

library?IEEE;
use?IEEE.STD_LOGIC_1164.ALL;
use?ieee.numeric_std.all;

entity?tb_math?is
--??Port?(?);
end?tb_math;

architecture?Behavioral?of?tb_math?is

component?math_example?is?port(
?clk?:?in?std_logic;
?rst?:?in?std_logic;
?
?ip_val?:?in?std_logic;
?ip?:?in?std_logic_vector(7?downto?0);
?
?op_val?:?out?std_logic;
?op?:?out?std_logic_vector(7?downto?0));

end?component?math_example;

type?input?is?array(0?to?59)?of?integer?range?0?to?255;

signal?stim_array?:?input?:=?(70,71,69,67,65,68,69,66,65,72,70,69,67,65,70,64,69,65,68,64,69,70,72,68,65,72,69,67,67,68,70,71,69,67,65,68,69,66,65,72,70,69,67,65,70,64,69,65,68,64,69,70,72,68,65,72,69,67,67,68);

constant?clk_period?:?time?:=?100?ns;
signal?clk?:?std_logic?:=?'0';
signal?rst?:??std_logic:='0';
signal?ip_val?:??std_logic?:='0';
signal?ip?:??std_logic_vector(7?downto?0):=(others=>'0');
signal?op_val?:??std_logic?:='0';
signal?op?:?std_logic_vector(7?downto?0):=(others=>'0');

begin

clk_gen?:?clk?<=?not?clk?after?(clk_period/2);

uut:?math_example?port?map(clk,?rst,?ip_val,?ip,?op_val,?op);

stim?:?process
begin?
?rst?<=?'1'?;
?wait?for?1?us;
?rst?<=?'0';
?wait?for?clk_period;
?wait?until?rising_edge(clk);
?for?i?in?0?to?59?loop
??wait?until?rising_edge(clk);
??ip_val?<=?'1';
??ip?<=?std_logic_vector(to_unsigned(stim_array(i),8));
??wait?until?rising_edge(clk);
??ip_val?<=?'0';
?end?loop;
?wait?for?1?us;
?report?"simulation?complete"?severity?failure;
end?process;
?

end?Behavioral;

?

這些文件利用了 VHDL 2008 包文件。

讓我們一步一步地看一下這些文件以及它們?cè)谧鍪裁矗?/p>

Clock - 模塊的同步時(shí)鐘

Reset - 將模塊復(fù)位為已知狀態(tài)

Input Valid (op_val) - 這表示新的輸入值可用于計(jì)算

ip = 8 bit (7 downto 0) - 輸入平均值

Output Valid (in_val) - 這表示計(jì)算后的值可用

op = 8 bit (7 downto 0) - 輸出平均值

?

entity?math_example?is?port(
?clk?:?in?std_logic;
?rst?:?in?std_logic;
?
?ip_val?:?in?std_logic;
?ip?:?in?std_logic_vector(7?downto?0);
?
?op_val?:?out?std_logic;
?op?:?out?std_logic_vector(7?downto?0));

end?math_example;

?

我們架構(gòu)的第一部分是除法器，它是一個(gè)常數(shù)。它被定義為無(wú)符號(hào)定點(diǎn)類型 (ufixed)，因?yàn)槲覀兪褂玫氖菬o(wú)符號(hào)數(shù)。這是完全小數(shù)，沒有整數(shù)位，所以我們將它定義為從 -1 到 -16。

?

constant?divider?:?ufixed(-1?downto?-16):=?to_ufixed(?0.1,?-1,-16?)?;?

?

精度可以通過(guò)以下方式確定:

0.1 x 2^16 = 6553.6

6553/2^16 = 0.999 = 99.9% 準(zhǔn)確度

To_ufixed (0.1, -1, -16)

0.1 -我們要轉(zhuǎn)換的值

-1 -數(shù)組的上限

-16 -數(shù)組的下界

信號(hào)累加器 - 存儲(chǔ)我們的值

初始化為0進(jìn)行仿真

最多可以累加 10 個(gè) 8 位值。

如果所有 10 個(gè) 8 位數(shù)字都達(dá)到其最大計(jì)數(shù) (max = 255) 并將它們加在一起，我們將需要一個(gè) 12 位數(shù)字，因此我們將 ufixed 定義為 (11 downto 0)。

我們只存儲(chǔ)整數(shù)位，沒有小數(shù)位。

?

signal?accumulator?:?ufixed(11?downto?0)?:=?(others?=>?'0');

?

信號(hào)平均值-輸出值

初始化為0進(jìn)行仿真

12 位數(shù)字（整數(shù)）乘以 0.1（我們的分頻器數(shù)字），結(jié)果為 -16。這給了我們 11 downto -16 的范圍。

?

signal?average?:?ufixed(11?downto?-16?)?:=?(others?=>?'0');

?

讓我們繼續(xù)看代碼——有一個(gè)同步復(fù)位的進(jìn)程。在使用 AMD FPGA時(shí)，我們應(yīng)該使用同步復(fù)位。

如果對(duì)模塊進(jìn)行復(fù)位，那么將會(huì)對(duì)所有內(nèi)容設(shè)置為零。

?

if?rising_edge(clk)?then?
????if?rst?=?'1'?then?
????????accumulator?<=?(others?=>?'0');
????????average?<=?(others?=>?'0');

?

如果復(fù)位信號(hào)為“0”，則在時(shí)鐘的上升沿并且輸入有效 (ip_val) = 1，進(jìn)行以下操作：

將獲取輸入值（作為標(biāo)準(zhǔn)邏輯向量出現(xiàn)），將其添加到當(dāng)前累加器值

To_ufixed (ip, 7, 0) - VHDL 會(huì)將值從標(biāo)準(zhǔn)邏輯向量轉(zhuǎn)換為無(wú)符號(hào)定點(diǎn)

然后，因?yàn)樗腔瑒?dòng)平均值，將從累加器中減去之前的平均值

?

elsif?ip_val?=?'1'?then?
????????accumulator?<=?resize?(arg?=>?(accumulator?+?to_ufixed(ip,7,0)-average(11?downto?0)),?size_res?=>?accumulator);

?

完成累加后，我們將累加器的值乘以"除法器"(乘法器實(shí)現(xiàn)的除法器)

?

average?<=?accumulator?*?divider;

?

最后我們輸出結(jié)果縮放平均值

?

op?<=?to_slv(average(7?downto?0));

?

仿真結(jié)果如下：

上面就簡(jiǎn)單介紹了一個(gè)簡(jiǎn)單的運(yùn)算系統(tǒng)，該系統(tǒng)使用加法、減法和乘法代替除法。

然而，我們可能會(huì)面臨需要在 FPGA 中實(shí)現(xiàn)的更復(fù)雜的數(shù)學(xué)運(yùn)算。

復(fù)雜算法

更復(fù)雜的算法可能具有挑戰(zhàn)性，例如用于將 PRT 電阻轉(zhuǎn)換為溫度的 Callendar-Van Dusen 方程：

上面的公式，簡(jiǎn)單的運(yùn)算我們知道怎么實(shí)現(xiàn)，但是平方根是一個(gè)新的運(yùn)算，我們可以使用 CORDIC 算法實(shí)現(xiàn)平方根。

上面說(shuō)的很簡(jiǎn)單，但是實(shí)施起來(lái)卻很復(fù)雜，并且驗(yàn)證過(guò)程中要捕獲所有極端情況會(huì)很耗時(shí)。

如果我們?cè)诟信d趣的溫度范圍內(nèi)繪制方程，我們可以采用更好的方法-使用多項(xiàng)式近似方式。

我們可以從此圖中提取趨勢(shì)線：

在 FPGA 中實(shí)現(xiàn)這個(gè)多項(xiàng)式方程比實(shí)現(xiàn)上面所示的復(fù)雜方程要容易得多。

我們需要做的第一件事是量化參數(shù)，為此，我們需要使用 Excel (MatLab也行)進(jìn)行相關(guān)的數(shù)據(jù)處理。

通過(guò)上面的表格計(jì)算出量化參數(shù)，接下來(lái)就可以使用HDL實(shí)現(xiàn)算法。這次我們將使用二進(jìn)制補(bǔ)碼的符號(hào)數(shù)字進(jìn)行運(yùn)算。

完整的實(shí)現(xiàn)如下所示

?

library?IEEE;
use?IEEE.STD_LOGIC_1164.ALL;

use?ieee.fixed_pkg.all;

entity?complex_example?is?port(

clk?:?in?std_logic;?

ip_val?:?in?std_logic;
ip?????:?in?std_logic_vector(7?downto?0);
op_val?:?out?std_logic;
op?????:?out?std_logic_vector(8?downto?0));

end?complex_example;

architecture?Behavioral?of?complex_example?is

type?fsm?is?(idle,?powers,?sum,?result);

signal?current_state?:?fsm?:=?idle;
signal?power_a?:?sfixed(35?downto?0):=(others=>'0');
signal?power_b?:?sfixed(26?downto?0):=(others=>'0');
signal?power_c?:?sfixed(17?downto?0):=(others=>'0');

signal?calc??:?sfixed(49?downto?-32)?:=(others=>'0');
signal?store?:?sfixed(8?downto?0)?:=?(others?=>'0');

constant?a?:?sfixed(9?downto?-32):=?to_sfixed(?2.00E-09,?9,-32?);?
constant?b?:?sfixed(9?downto?-32):=?to_sfixed(?4.00E-07,?9,-32?);
constant?c?:?sfixed(9?downto?-32):=?to_sfixed(?0.0011,?9,-32?);?
constant?d?:?sfixed(9?downto?-32):=?to_sfixed(?2.403,?9,-32?);?
constant?e?:?sfixed(9?downto?-32):=?to_sfixed(?251.26,?9,-32?);?

begin

cvd?:?process(clk)
begin?
?if?rising_edge(clk)?then?
??op_val?<='0';
??case?current_state?is?
???when?idle?=>?
????if?ip_val?=?'1'?then?
?????store?<=?to_sfixed('0'&ip,store);
?????current_state?<=?powers;
????end?if;
???when?powers?=>
????power_a?<=?store?*?store?*?store?*?store;
????power_b?<=?store?*?store?*?store;
????power_c?<=?store?*?store;
????current_state?<=?sum;
???when?sum?=>
????calc?<=?(power_a*a)?-?(power_b?*?b)?+?(power_c?*?c)?+?(store?*?d)?-?e;
????current_state?<=?result;
???when?result?=>
????current_state?<=?idle;
????op?<=?to_slv(calc(8?downto?0));
????op_val?<='1';
???end?case;
??end?if;
end?process;

end?Behavioral;

?

加下來(lái)我們簡(jiǎn)單介紹下代碼：

時(shí)鐘 (clk) - 驅(qū)動(dòng)模塊的主時(shí)鐘

Input Valid (ip_val) 和 Input (ip) - 表示我們?cè)?8 位輸入上有有效數(shù)據(jù)（7 downto 0）

Output Valid (op_val) 和 Output (op) ?- 一旦我們運(yùn)行了我們的算法，我們輸出一個(gè) 9 位數(shù)（8 downto 0）

?

entity?complex_example?is?port(

clk?:?in?std_logic;?

ip_val?:?in?std_logic;
ip?????:?in?std_logic_vector(7?downto?0);
op_val?:?out?std_logic;
op?????:?out?std_logic_vector(8?downto?0));

end?complex_example;

?

接下來(lái)我們做的是為狀態(tài)機(jī)定義狀態(tài)，狀態(tài)機(jī)中有 4 個(gè)狀態(tài)：

Idle- 從第一個(gè)狀態(tài)開始等待輸入有效

Powers- 計(jì)算

Sum - 將所有的算子相加

Result- 將結(jié)果傳遞給下游模塊

?

type?fsm?is?(idle,?powers,?sum,?result);

?

在類型聲明之后是我們?cè)谠O(shè)計(jì)中使用的信號(hào)

計(jì)算出的信號(hào) a-c 當(dāng)它們?cè)谒惴ㄖ斜惶嵘礁髯缘膬鐣r(shí)。

用于存儲(chǔ)每個(gè)結(jié)果的位數(shù)取決于輸入的大小和它們的冪次。首先要做的是將 8 位無(wú)符號(hào)數(shù)轉(zhuǎn)換為 9 位有符號(hào)數(shù)。然后對(duì)于 power_a，生成的向量大小是四次九位向量乘法，這意味著一個(gè) 36 位向量。對(duì)于 power_b，這是三個(gè)九位向量乘法等等。

?

signal?power_a?:?sfixed(35?downto?0):=(others=>'0');
signal?power_b?:?sfixed(26?downto?0):=(others=>'0');
signal?power_c?:?sfixed(17?downto?0):=(others=>'0');

?

計(jì)算結(jié)果-輸出值的計(jì)算結(jié)果位寬 -49 downto -32

Signal Store - 轉(zhuǎn)換為有符號(hào)數(shù)時(shí)我們存儲(chǔ)輸入的轉(zhuǎn)換

我們的輸入被轉(zhuǎn)換成什么。

這是一個(gè) 9 位存儲(chǔ)，代表 8 位加上一個(gè)符號(hào)位來(lái)組成 9 位

實(shí)際輸入永遠(yuǎn)不會(huì)是負(fù)數(shù)，因?yàn)檩斎氪硪粋€(gè)大約在 70 歐姆到幾百歐姆之間的電阻值

?

signal?calc??:?sfixed(49?downto?-32)?:=(others=>'0');
signal?store?:?sfixed(8?downto?0)?:=?(others?=>'0');

?

常數(shù) ae - 先前在 excel 中使用 Callendar-Van Dusen 方程計(jì)算的系數(shù)

to_sfixed 中的第一個(gè)值是電子表格中的值

第二個(gè)值是我們存儲(chǔ)值的整數(shù)位數(shù)。在本例中它是 9 位，因?yàn)槌Ａ啃枰_(dá)到 251.26 的值

第三個(gè)值是我們將使用的小數(shù)位數(shù)，它是 -32，由 2.00E-09 的最低常量值決定。定義小數(shù)位數(shù)是我們有效計(jì)算量化的地方

?

constant?a?:?sfixed(9?downto?-32):=?to_sfixed(?2.00E-09,?9,-32?);?
constant?b?:?sfixed(9?downto?-32):=?to_sfixed(?4.00E-07,?9,-32?);
constant?c?:?sfixed(9?downto?-32):=?to_sfixed(?0.0011,?9,-32?);?
constant?d?:?sfixed(9?downto?-32):=?to_sfixed(?2.403,?9,-32?);?
constant?e?:?sfixed(9?downto?-32):=?to_sfixed(?251.26,?9,-32?);?

?

在時(shí)鐘的上升沿，該過(guò)程將被執(zhí)行。op_val 是默認(rèn)賦值，除非在流程的其他地方將其設(shè)置為“1”，否則它將始終為“0”輸出。在進(jìn)程中，信號(hào)被分配最后一個(gè)分配給它們的值，默認(rèn)分配使代碼更具可讀性。

Idle狀態(tài) -如果一個(gè)值進(jìn)來(lái)(ip_val) = 1，那么

我們將值加載到存儲(chǔ)寄存器并將符號(hào)位設(shè)置為 0 (指示正數(shù))

然后狀態(tài)機(jī)進(jìn)入Power狀態(tài)。

?

if?ip_val?=?'1'?then?
?????store?<=?to_sfixed('0'&ip,store);
?????current_state?<=?powers;
end?if;

?

Power 狀態(tài)- 在Power狀態(tài)下，我們計(jì)算三個(gè)冪運(yùn)算，然后進(jìn)入求和狀態(tài)。

Power a - 將存儲(chǔ)的值乘以自身 4 次。Power b - 將存儲(chǔ)的值乘以自身 3 倍Power c - 將存儲(chǔ)的值乘以自身 2 倍

?

when?powers?=>
????power_a?<=?store?*?store?*?store?*?store;
????power_b?<=?store?*?store?*?store;
????power_c?<=?store?*?store;
????current_state?<=?sum;

?

Sum狀態(tài)——這是我們將所有值輸入 excel 圖表的多項(xiàng)式近似值并進(jìn)行加法和減法以獲得最終輸出值的地方。

請(qǐng)注意，無(wú)論我們的數(shù)字有多大，上面定義的常量都將小數(shù)點(diǎn)對(duì)齊到 -32 位，這對(duì)于計(jì)算總和很重要。

?

?calc?<=?(power_a*a)?-?(power_b?*?b)?+?(power_c?*?c)?+?(store?*?d)?-?e;
?current_state?<=?result;

?

Results狀態(tài)- 此處我們采用最終值（并將其作為標(biāo)準(zhǔn)邏輯向量放入輸出中。斷言 Op_val 表示存在新的輸出值)。

下面的仿真文件用來(lái)仿真這次的算法核心。

?

library?IEEE;
use?IEEE.STD_LOGIC_1164.ALL;

use?IEEE.NUMERIC_STD.ALL;


entity?tb_complex?is
--??Port?(?);
end?tb_complex;

architecture?Behavioral?of?tb_complex?is

component?complex_example?is?port(
clk????:?in?std_logic;?
ip_val?:?in?std_logic;
ip?????:?in?std_logic_vector(7?downto?0);
op_val?:?out?std_logic;
op?????:?out?std_logic_vector(8?downto?0));
end?component?complex_example;


signal?clk????:??std_logic:='0';?
signal?ip_val?:??std_logic:='0';
signal?ip?????:??std_logic_vector(7?downto?0):=(others=>'0');
signal?op?????:??std_logic_vector(8?downto?0):=(others=>'0');
signal?op_val?:??std_logic:='0';
constant?clk_period?:?time?:=?100?ns;

begin

clk?<=?not?clk?after?(clk_period/2);

uut:?complex_example?port?map(clk,ip_val,ip,op_val,op);

stim?:?process
begin?
?wait?for?1?us;
?wait?until?rising_edge(clk);
?ip_val?<=?'1';
?ip?<=?std_logic_vector(to_unsigned(61,8));
?wait?until?rising_edge(clk);
?ip_val?<=?'0';
?wait?for?1?us;
?report?"?simulation?complete"?severity?failure;
end?process;


end?Behavioral;

?

仿真結(jié)果如下：

總結(jié)

在這個(gè)項(xiàng)目中，從簡(jiǎn)單算法到復(fù)雜算法，我們逐步了解了如何使用 HDL 在 FPGA 上進(jìn)行數(shù)學(xué)運(yùn)算。

審核編輯：劉清