新闻详情

新闻详情

首页 / 资讯中心 / 详情

Verilog 参数覆盖 defparam 与 #() 传参详解

发布时间:2026/11/17 11:11:21来源:尧图网络
Verilog 参数覆盖 defparam 与 #() 传参详解
[TOC](Verilog 参数覆盖 defparam 与 #() 传参详解)前言在 Verilog 开发中经常会遇到这样的场景同一个模块仿真时需要小参数快速验证逻辑板级验证时需要大参数匹配真实硬件。如果为仿真和上板维护两套代码不仅冗余还容易出错。Verilog 提供了参数覆盖机制通过defparam或#()命名传参可以在例化时修改模块内部parameter的默认值实现**“一套代码两种参数”**。本文以计数器为例详细讲解两种方式的用法、区别与最佳实践。一、问题背景仿真与板级的参数冲突先看一个典型的计数器模块module bin_counter( input wire clk, input wire rst_n, output reg [7:0] count ); parameter MCNT 25d49_999_999; // 板级验证时的计数最大值 always (posedge clk or negedge rst_n) begin if (!rst_n) count 0; else if (count MCNT) count 0; else count count 1b1; end endmoduleparameter MCNT是模块级常量编译时确定板级验证使用49_999_99950MHz 时钟下约 1 秒翻转一次但仿真时计数器要跑近5000 万个周期才能翻转一次仿真时间极长二、方案一defparam 覆盖参数defparam的作用是在 TestBench 中重新覆盖设计文件里parameter的默认值timescale 1ns / 1ps module tb_bin_counter; reg clk, rst_n; wire [7:0] count; // 例化被测模块 bin_counter bin_counter_inst ( .clk (clk), .rst_n (rst_n), .count (count) ); // ★ 关键用 defparam 覆盖 MCNT仿真时计数器只需数到 99 就翻转 defparam bin_counter_inst.MCNT 25d99; // 时钟生成 initial begin clk 1b0; forever #10 clk ~clk; // 50MHz end // 激励 initial begin rst_n 1b0; #50; rst_n 1b1; // 等待足够周期观察翻转 repeat(200) (posedge clk); $display(仿真完成 %0t, $time); $finish; end endmodule执行效果设计文件中MCNT的默认值49_999_999被覆盖为99仿真时计数器每数到 99 就归零翻转仿真速度大幅提升。defparam 语法要点defparam 实例名.参数名 新值;bin_counter_inst是模块例化后的实例名不是模块原名MCNT是设计文件中定义的parameter名称defparam语句可以写在实例化语句的前面或后面编译器会在编译阶段统一解析三、方案二#() 命名参数传递推荐除了defparam还可以在例化时直接用#()传参bin_counter #( .MCNT(25d99) ) bin_counter_inst ( .clk (clk), .rst_n (rst_n), .count (count) );四、两种方式对比对比项defparam#()命名传参语法defparam inst.PARAM val;module #(.PARAM(val)) inst(...)可读性参数与例化分离需上下对照参数紧跟例化一目了然综合支持部分综合工具不支持全面支持推荐度适合快速仿真调试新设计推荐使用五、总结parameter MCNT在设计文件中定义计数终值的默认值面向板级验证defparam bin_counter_inst.MCNT在激励文件中将该值覆盖为更小的数面向仿真加速。两者配合实现了**“一套代码两种参数”**——仿真时快速验证逻辑板级验证时使用真实参数值互不影响。在实际项目中建议仿真调试阶段优先使用#()命名传参代码结构更清晰遗留代码维护理解defparam的覆盖机制避免参数冲突多实例场景不同实例可以覆盖为不同值灵活适配各子模块需求
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉