边界扫描测试算法的分析与优化
CSTR:
作者:
作者单位:

(桂林电子科技大学 电子工程与自动化学院,广西 桂林 541004)

作者简介:

杨迪珂(1990-),男,硕士研究生,主要从事可测型设计与测试应用方向的研究。 颜学龙(1964-),男,硕士研究生导师,教授,主要从事可测性设计与故障诊断、测试信号处理等方向的研究。 [FQ)]

通讯作者:

中图分类号:

基金项目:


Analysis and Optimization of Boundary Scan Test Algorithm
Author:
Affiliation:

(School of Electronic Engineering and Automation, Guilin University of Electronic Technology, Guilin 541004, China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    伴随着电子技术和边界扫描测试技术的飞速发展,新的边界扫描测试算法也在不断涌现;而边界扫描测试的算法,一般都是指在互联模型的基础上,边界扫描测试向量的生成算法;生成合理的测试向量集可以以最短的测试时间来覆盖尽可能多的故障;从对一些常用的边界扫描测试算法进行了粗略的分析,到后来对等权值算法和二进制计数算法进行了详细的分析,通过引入和分析边界扫描测试算法的定理、公式以及推论等,分别提出了等权值优化算法和权值递加算法;与优化前的算法作为比较,等权值优化算法降低了征兆混淆出现的概率,而权值递加算法同时降低了征兆误判率和征兆混淆率;综合分析,新的算法更好的权衡了测试向量集的完备性指标和紧凑型指标。

    Abstract:

    Along with the rapid development of electronic technology and boundary scan test technology, some new boundary scan test algorithms have emerged.The boundary scan test algorithm generally refers to the test vector generation algorithm of boundary scan test technology which is on the basis of the interconnection model. Generate reasonable test vector set can cover the failure as much as possible in the shortest time.Some commonly used test algorithms are analyzed,And then analyzed two kinds of commonly used algorithm:Equal Weight Algorithm and CSA.Through the analysis of boundary scan test algorithm, formula and theorem inference, then proposed two kinds of algorithms:Equal Weight Optimization Algorithm and Weight Increment Algorithm.Compared with the pre-algorithm,the Equal Weight Optimization Algorithm reduces the probability of the appearance of the symptom confusion; and The Weight Increment Algorithm reducing confusion rate and error rate of the symptoms and signs.Generally,the new algorithm improves the completeness and compactness of test vectors.

    参考文献
    相似文献
    引证文献
引用本文

杨迪珂,颜学龙.边界扫描测试算法的分析与优化计算机测量与控制[J].,2017,25(5):4-6, 13.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2016-10-31
  • 最后修改日期:2016-12-19
  • 录用日期:
  • 在线发布日期: 2017-05-31
  • 出版日期:
文章二维码