Генерация случайных чисел в VHDL: от Uniform к OSVVM

VHDL включает встроенный псевдослучайный генератор, выдающий вещественные значения в интервале [0, 1]. Масштабируя и смещая эти значения, можно создавать случайные данные любого типа — real, integer, std_logic_vector или time — подходящие для тестбенчей. Следующее руководство показывает, как строить эти генераторы с процедурой uniform пакета IEEE MATH_REAL и как использовать пакет Random библиотеки OSVVM для еще большей гибкости.

Процедура uniform, определенная в пакете IEEE MATH_REAL, является основой примеров ниже:

procedure UNIFORM(variable SEED1, SEED2 : inout POSITIVE; variable X : out REAL); 

Она требует двух переменных-семян, обновляемых при каждом вызове. Выход X — псевдослучайное вещественное число между 0 и 1. Поскольку алгоритм детерминирован, одна и та же начальная пара семян даст точно такую же последовательность чисел — важное свойство для воспроизводимых тестбенчей.

Для глубокого понимания базового алгоритма обратитесь к статье Пьера Л'Экуайера Efficient and Portable Combined Random Number Generators или изучите реализацию, поставляемую с симулятором GHDL.

Тестовый случай

Все примеры ниже используют 999 как оба значения семени. Объявите семена в декларативной области процесса и реализуйте функции рандомизации как нечистые функции внутри того же процесса:

variable seed1, seed2 : integer := 999; 

Вы можете скачать полный тестбенч, содержащий все примеры этой статьи, как ZIP-файл. Архив также включает проект ModelSim со скриптом, компилирующим и запускающим симуляцию.

Случайное вещественное значение

Процедура uniform возвращает вещественное число в диапазоне [0.0, 1.0]. Для отображения на произвольный интервал [min_val, max_val] умножьте на ширину и добавьте смещение:

impure function rand_real(min_val, max_val : real) return real is variable r : real; begin uniform(seed1, seed2, r); return r * (max_val - min_val) + min_val; end function; 

Случайное целое значение

Генерация случайного целого из вещественного значения хитро, потому что простое округление искажает вероятность крайних значений. Следующая функция исправляет это смещение, добавляя 0.5 перед округлением:

impure function rand_int(min_val, max_val : integer) return integer is variable r : real; begin uniform(seed1, seed2, r); return integer( round(r * real(max_val - min_val + 1) + real(min_val) - 0.5)); end function; 

Корректировка гарантирует, что каждое целое в интервале [min_val, max_val] имеет равный шанс быть выбранным.

Случайный std_logic_vector

Для заполнения std_logic_vector произвольной длины случайными битами, итерируйте по каждой позиции и присваивайте '1', когда случайное вещественное превышает 0.5, иначе '0':

impure function rand_slv(len : integer) return std_logic_vector is variable r : real; variable slv : std_logic_vector(len - 1 downto 0); begin for i in slv'range loop uniform(seed1, seed2, r); slv(i) := '1' when r > 0.5 else '0'; end loop; return slv; end function; 

Случайное значение времени

Когда нужно случайное временное значение — например, для симуляции пульсирующего трафика — можно масштабировать случайное вещественное к желаемому интервалу и преобразовать обратно в VHDL-тип time:

impure function rand_time(min_val, max_val : time; unit : time := ns) return time is variable r, r_scaled, min_real, max_real : real; begin uniform(seed1, seed2, r); min_real := real(min_val / unit); max_real := real(max_val / unit); r_scaled := r * (max_real - min_real) + min_real; return real(r_scaled) * unit; end function; 

Обратите внимание, что нужно передать единицу времени симулятора (например, ns) в функцию.

Пакет Random библиотеки OSVVM

Для тех, кто предпочитает готовое решение, пакет Random библиотеки OSVVM предлагает богатый набор перегруженных функций, генерирующих случайные значения для всех стандартных типов VHDL. Импортируйте пакет так:

library osvvm; use osvvm.RandomPkg.all; 

ModelSim поставляется с предустановленным OSVVM, поэтому на этой платформе дополнительная загрузка не требуется. Для других симуляторов обратитесь к файлу RandomPck.vhd в репозитории OSVVM на GitHub.