技术文章和通讯

Environment-in-the-Loop验证汽车雷达IC设计

由Sainath Karlapalem, NXP半导体


NXP半导体,我和我的团队已经开发出一种新方法验证汽车雷达集成电路(IC)设计。这左移位方法结合的早期验证datasheet-level指标与虚拟实地试验。通过关注指标在规范层面而不是硬件实现级别,我们确保验证结果的标准用来评估设计一致与我们的客户最感兴趣的。,通过模拟行车场景虚拟实地试验中,我们与现实的雷达测试刺激使environment-in-the-loop验证集成电路硬件。

我们的客户,包括许多一级汽车供应商,最感兴趣的各种性能指标捕捉到一个数据表,如信噪比(SNR)和总谐波失真(THD)。他们都不感兴趣。单个组件测试结果,代码覆盖率结果,在硬件实现级别和其他指标,尽管这些结果大多数集成电路验证团队的主要关注点。此外,我们的客户使用现场试验和实际驾驶场景来评估完成雷达系统,而集成电路验证团队经常使用测试模式远离现实世界的信号来评估个体射频、模拟和数字组件(图1)。

左移位的方法,我和我的团队定义和实现对齐过程我们用来验证IC设计与我们的客户使用评估他们的标准。行车驾驶场景我们开发了虚拟实地试验是基于欧洲新车评估项目(欧洲五星)标准,我们的许多客户,和我们生产功能和性能指标(例如,信噪比)是相同的规格,我们的客户使用评估集成电路组件在他们自己的产品。s manbetx 845

图1所示。汽车雷达系统架构显示射频、模拟和数字子系统。

图1所示。汽车雷达系统架构显示射频、模拟和数字子系统。

早期验证Datasheet-Level指标

当验证数字的部分汽车雷达系统在过去,我的团队采用了一个基于通用的方法验证方法(UVM)。这种方法涉及到复制的功能测试设计(DUT)参考模型中创建一个高级语言。那时DUT的输出与参考模型的输出相比,对于一个给定的输入测试向量。UVM测试没有捕获测量信噪比和其他指标我们的客户很感兴趣,甚至实现变化相对较小,如更新系数的有限脉冲响应(杉木)过滤器,需要testbench相应变化。保持testbench同步的实现需要相当多的时间和精力。

这种方法的缺点和局限性,我们决定我们验证努力关注我们的设计的功能和性能而不是一对一的实现和参考模型之间的等价性。现在,我们开发MATLAB®算法计算高级设计指标,如信噪比、THD,和功率谱密度(PSD),以及指标过滤器和其他组件,如阻带衰减和通带波纹。使用高密度脂蛋白验证人™,我们从这些MATLAB算法生成SystemVerilog DPI组件并将其集成到高密度脂蛋白testbench节奏®仿真环境(图2)。

图2。测试环境中使用MATLAB实现验证函数与高密度脂蛋白通过DPI-C SystemVerilog包装验证器。

图2。测试环境中使用MATLAB实现验证函数与高密度脂蛋白通过DPI-C SystemVerilog包装验证器。

样本信号DUT的数据被收集和传递到DPI-C从我们的MATLAB函数生成的验证码。我们绘制结果(图3),检查他们对系统需求,确保设计符合规范。

图3。样本信号,并使用MATLAB计算功率谱密度图。

图3。样本信号(上)和功率谱密度图(下图)使用MATLAB计算。

使用DPI-C模型从MATLAB生成使我们能够计算功能和性能指标在节奏HDL验证环境的多个接口。我们可以解耦设计实现与验证,进行测试在一个抽象层次更紧密地与客户利益的度量标准。

我们还可以从MATLAB生成的C代码重用分析测试的结果最初的硅。例如,我们从我们的雷达传感器IC和收集样本数据通过同样的信噪比计算从MATLAB生成的C函数,我们在SystemVerilog用于验证我们的设计。

虚拟实地试验

在我们的过渡到一个度量为我们进行虚拟实地试验验证方法,使用的数据来自真实的驾驶场景。在过去,我们验证了射频、模拟和数字分开子系统,使用一组不同的测试向量对每个子系统。这些测试向量的一些来自雷达反射获得在行车试验。

我们扩展我们的方法包括environment-in-the-loop验证。我们现在使用的驾驶场景构建驾驶场景设计师应用在自动驾驶工具箱™(图4)。预先构建的场景在应用程序代表欧洲五星测试协议,客户的基准评估雷达系统的性能。

图4。驾驶场景设计师应用在自动驾驶的工具箱。

图4。驾驶场景设计师应用在自动驾驶的工具箱。

接下来,我们构建一个雷达传感器模型和相控阵工具箱™。来匹配这个模型与实际数据表规格的传感器,我们为天线孔径调整参数,传输能量峰值,接收机噪声图,天线元素的数量。我们也调整参数影响调频连续波(FMCW)波形,包括最大射程,唧唧声持续时间、扫描带宽、采样率。我们将传感器模型集成到我们先前创建的驾驶场景,几乎增加自我车辆上的雷达传感器(图5)。

图5。界面来管理自我的雷达传感器的位置。

图5。界面来管理自我的雷达传感器的位置。

然后执行驾驶场景和捕获的混频器输出传感器,信号的雷达反射dechirped场景中的对象。我们通过这个dechirped信号通过一个仿真软件万博1manbetx®模型的ADC设计生产数字智商数据,我们提供给我们的数字基带处理链。

这个设置我们可以根据欧洲五星驾驶场景生成智商数据,开展虚拟实地试验我们的数字在发展的早期处理链phase-potentially前一年或以上第一硅(图6)。

图6。追逐相机视图和一个情节从一个虚拟的现场试验。

图6。追逐相机视图(左上的)和一个情节(右)从一个虚拟的现场试验。

未来的工作

我们延长使用新方法和工作流的新一代雷达收发器。对于这些产品,我们将s manbetx 845环境影响合并到我们的场景,所以我们可以看到设计执行的下雨和大雾,例如。

认识到没有什么限制这一新的验证方法的数字组件汽车雷达系统,我们期待应用虚拟实地试验模拟组件和其他应用程序,比如一辆车搬到另外一辆车,通信系统。本文关注于验证的数字部分传感器实现,但这environment-in-the-loop方法可以很容易地扩展到验证混合信号和射频传感器的ADC设计等设计。

我感谢许多NXP半团队成员Kaushik Vasanth实现我们environment-in-the-loop验证方法,和维迪雅Viswanathan MathWorks提供及时的技术支持。万博1manbetx

2020年出版的