一種基于存儲器內(nèi)建自測試的新型動態(tài)March算法設(shè)計

蔡志匡 余昊杰 楊 航 王子軒 郭宇鋒

(南京郵電大學(xué)集成電路科學(xué)與工程學(xué)院 南京 210023)

1 引言

片上系統(tǒng)(System on Chip, SoC)大部分由嵌入式存儲器組成，目前嵌入式存儲器的面積約占總芯片面積的95%[1,2]。隨著存儲器生產(chǎn)工藝的不斷演進，存儲密度日益增加，生產(chǎn)出現(xiàn)缺陷的概率也增大[3,4]，因此針對存儲器的測試就顯得尤為重要。

存儲器內(nèi)建自測試(Memory Built-In Self-Test,MBIST)是一種被驗證為可靠的存儲器測試方法[5–7]，其中使用有效的March算法是測試存儲器的關(guān)鍵[8]，MBIST控制器通常用于測試算法生成，以發(fā)現(xiàn)存儲器中的缺陷及其類型[9]。在超深亞微米技術(shù)中，發(fā)生頻率越來越高的動態(tài)故障可能導(dǎo)致測試逃逸，給客戶帶來無法估量的信譽和經(jīng)濟損失。然而，目前沒有一種測試算法可以同時考慮所有故障模型，由工具配置的算法模型文件只能生成固定的算法電路，植入硅片的BIST電路在成片后將無法更改，難以完成算法的靈活調(diào)整[10]。上述種種問題激發(fā)了對新型測試算法和專用MBIST控制器電路的需求。

2 存儲器故障模型與測試算法

2.1 存儲器故障模型

研究存儲器存儲單元的故障模型是研究存儲器測試算法的基礎(chǔ)，故障模型一般可以大體分為靜態(tài)故障和動態(tài)故障[11]。為了更好地驗證提出算法的故障覆蓋率，本文引入故障原語的概念。

2.1.1 存儲器故障原語

想要指定某個存儲器故障類型，必須指定敏化操作序列(S)、故障行為(F)和從故障存儲單元中的讀取值(R)，結(jié)合這3個信息就構(gòu)成了描述故障模型和敏化條件的故障原語(Fault Primitive, FP)表達式：FP=[12]。用寫干擾耦合故障(CFdsxw!x)中的一個子集進行舉例說明：FPCFdsxw!x=<0w1,0/↑/–>,該故障原語表示在初始存儲值為0的攻擊單元(aggressor cell) a上進行寫1操作，使得相鄰的受害單元(victim cell)v的邏輯值發(fā)生非預(yù)期的0 到1 的跳變。對應(yīng)的敏化操作序列為S={a(0w1),v(0)}，因為不需要讀操作，R操作設(shè)置為“?”，故而故障行為和受害單元讀取值F/R表示為v(1)/v(–)。

2.1.2 存儲器靜態(tài)故障與動態(tài)故障

靜態(tài)故障。敏化序列中只需1次讀或?qū)懖僮鞯墓收项愋?。例如固定故?Stuck-At Fault, SAF)，表示無論對某個故障存儲單元執(zhí)行什么讀寫操作，它的存儲值始終保持為邏輯0或邏輯1，對應(yīng)故障原語：FPSAF=<0/1/->, <1/0/->[13]。存儲器靜態(tài)故障還包括轉(zhuǎn)換故障(Transition Fault, TF)、讀破壞故障(Read Destructive Fault, RDF)和耦合故障(Coupling Fault, CF)等。

動態(tài)故障。敏化序列中需要兩次或兩次以上讀或?qū)懖僮鞯墓收项愋汀榱藱z測這種故障需要對存儲單元電路執(zhí)行多次的連續(xù)操作才能引發(fā)電路故障行為，故障原語表現(xiàn)為或[14]。常見的存儲器中的動態(tài)故障類型有：動態(tài)讀破壞故障(dynamic Read Destructive Fault,dRDF)、動態(tài)錯誤讀故障 (dynamic Incorrect Read Fault, dIRF)、動態(tài)偽讀破壞故障(dynamic Deceptive Read Destructive Fault, dDRDF)、動態(tài)干擾耦合故障 (dynamic disturb Coupling Faults, dCFds) 等，詳細的靜態(tài)/動態(tài)故障類型及其故障原語見表1。

表1 靜態(tài)/動態(tài)故障原語

2.2 存儲器March測試算法

存儲器測試算法中應(yīng)用最廣泛的是March類算法[15]。最初的March算法相對簡單，測試元素設(shè)計并不成熟，例如MATS+算法，復(fù)雜度僅5N(N為存儲單元數(shù))。直到1982年，經(jīng)典的March C算法進入人們的視野：{↑↓(w0);↑(r0,w1);↑(r1,w0);↑↓(r0);↓(r0,w1); ↓(r1,w0);↑↓(r0)}，March C算法因其特定的升序和降序元素排列，使其具有可觀的故障覆蓋率和較低的時間復(fù)雜度，成為自提出之后大部分改進算法的基礎(chǔ)算法。此外，還有一些面向動態(tài)故障的經(jīng)典檢測算法被提出，例如March AB和March RAW，兩種算法對動態(tài)故障均有不同程度的覆蓋。常見March算法的優(yōu)勢和局限性分析見表2。

表2 常見March算法與動態(tài)March算法的優(yōu)勢和局限性分析

為了后文表述更清晰，將March算法中的每個以分號相隔的元素，用從“M0”開始的標序表示，M0后面的元素則依次用M1, ···, M2表示，例如MATS++算法，M0, ↑↓(w0)，M1, ↑↓(r0,w1)，M2, ↑↓(r1,w0,r0)，其他常見March算法和本文提出的動態(tài)March算法的具體描述詳見表3。

表3 常見March算法及動態(tài)March算法的具體描述與時間復(fù)雜度

3 動態(tài)March算法

3.1 動態(tài)March算法的推導(dǎo)

經(jīng)典的動態(tài)故障檢測算法March RAW對一些單單元和二單元的動態(tài)故障能有效的檢測，但是仍存在一些動態(tài)故障覆蓋不完全，如dRDFn(“n”為連續(xù)讀取操作的次數(shù)), dDRDF, dWDF, dCFdsww, dCFdrd, dCFwd等。為了覆蓋難以檢測的dRDFn，新算法采用了n次讀操作的Hammer算法(對同一個存儲單元重復(fù)進行讀或?qū)懖僮鞯乃惴?：{↑↓(w0，r0n);↑↓(w1，r1n)}，并且在March C+和March RAW算法的基礎(chǔ)上進行改進，結(jié)合了這3種測試算法的優(yōu)點，并添加了一些讀寫元素形成新的動態(tài)March算法——Dynamic-RAWC，新算法可以有效地覆蓋上述故障類型。此外，動態(tài)March算法的構(gòu)成形式和普通March型算法不同，在保留了經(jīng)典的存儲器測試算法符號的基礎(chǔ)上，本文提出用加粗的方式來描述不同算法共享的算法元素，通過在讀元素右上角所加的字母“n”表示用戶可配置的讀寫次數(shù)，以這種方式來突出算法的運行順序是靈活和可配置的，它可以在不同的用戶需求下通過指令調(diào)整所需的算法元素。例如，當Dynamic-RAWC調(diào)整為March C+算法的讀寫元素時，算法的總體時間復(fù)雜度非常低；當用戶判定存儲器當前處于容易發(fā)生一些動態(tài)故障的情況下，將故障覆蓋率設(shè)置成第1優(yōu)先級時，用戶也可以自定義使用高復(fù)雜度的測試算法元素來覆蓋一些難以檢測的動態(tài)故障。

Dynamic-RAWC分為Dynamic-RAWC1和Dynamic-RAWC2(下文簡稱RAWC1和RAWC2)，兩種算法均包含動態(tài)切換的功能，具體描述見表3。RAWC2是RAWC1的改進版本，故障覆蓋率更高。鑒于RAWC1的算法元素相對較少且結(jié)構(gòu)和RAWC2一致，因此本文保留RAWC1以方便直觀地進行動態(tài)March算法的狀態(tài)轉(zhuǎn)移圖和功能展示，若非特殊說明，文中提到的Dynamic-RAWC默認為RAWC2。

表3描述的Dynamic-RAWC中加粗的元素是March C+ 的算法元素，動態(tài)March算法操作的關(guān)鍵是通過算法狀態(tài)機的變換來選擇是否運行非加粗的算法元素。通過MBIST電路中動態(tài)控制模塊的R_Times信號可以控制Hammer算法的讀操作元素。當 R_Times 值為默認值 1 時，不運行多次讀取操作的 Hammer算法。當 R_Times 的值為 n(n>1)時，在默認讀操作后重復(fù)此操作n–1 次。這樣就可以根據(jù)表3中的算法描述來計算時間復(fù)雜度。加粗的算法元素(March C+)單獨運行時，復(fù)雜度為14N，運行所有算法元素時，RAWC1和RAWC2的復(fù)雜度分別為{24N+2nN, (0

3.2 動態(tài)March算法的故障覆蓋率

3.2.1 動態(tài)March算法對靜態(tài)故障的檢測

故障覆蓋率是檢驗存儲器測試算法有效性的核心指標之一，可用數(shù)學(xué)表達式定義為

其中， FC即 為測試算法的故障覆蓋率，分子NDF表示該算法能夠檢測到的故障類型個數(shù)，分母TF表示列入統(tǒng)計的存儲器故障類型個數(shù)。此表達式用來衡量存儲器測試算法對存儲器故障的檢測效果。分析本文列舉的幾種對比算法的故障覆蓋率，當分母的數(shù)值一定時，分子的數(shù)值越大，表示對故障的覆蓋率越高，即算法對故障的檢測效果越好。通過推導(dǎo)故障原語可以發(fā)現(xiàn)，March C+算法對于靜態(tài)故障的檢測并不能覆蓋到WDF、CFsxwx以及CFwd等故障，而March RAW算法和本文提出的改進算法Dynamic-RAWC算法則可以很好地檢測到。用故障原語來驗證這一結(jié)論：WDF的故障原語為<0w0/↑/–>, <1w1/↓/–>，敏化操作為寫一個與當前存儲單元內(nèi)存儲值相同的邏輯值，而March C+的算法元素中沒有此敏化操作。寫干擾狀態(tài)耦合故障(CFsxwx)和寫破壞耦合故障(CFwd)均與WDF類似，敏化這類故障需寫入與當前狀態(tài)相同的值，而March C+缺少相關(guān)讀寫元素，因此測不到此類故障。不同March算法對其他各類靜態(tài)故障的覆蓋情況見表4。

表4 不同March算法的靜態(tài)故障覆蓋率

3.2.2 動態(tài)March算法對動態(tài)故障的檢測

對于dDRDF, dWDF, dCFdsww, dCFdrd,dCFwd等動態(tài)故障，與March RAW相比，本文提出的Dynamic-RAWC算法對這些故障覆蓋得更加全面，動態(tài)故障覆蓋率達到80.9%，相比March RAW提升了31.3%。以dDRDF故障為例，該故障的故障原語為：, , x, y取值為0, 1。由故障原語可知，想要敏化此類故障，必須要在寫操作或者讀操作的基礎(chǔ)上緊接著進行1次讀操作，此時讀出來的數(shù)據(jù)與實際的值相反，而實際的值已經(jīng)發(fā)生了跳變，因此，需要額外再進行1次讀操作，對4種情況的，March RAW可以很好地覆蓋，但是對于2種情況的，March RAW的M1, M2, M3, M4雖然有連續(xù)兩次的讀操作，但是仍缺少了1次讀操作，導(dǎo)致不能檢測到該類故障，本文提出的算法M1, M2, M3,M4均有至少連續(xù)3次的讀操作，因此可以有效檢測到該類故障。

動態(tài)故障dCFdsww作為dCFds故障的子類，它的故障原語有16種情況，敏化操作為在寫操作后緊接著再進行1次寫操作。對應(yīng)的故障原語為, x, y, t, z取值為0, 1。從故障原語可以看出，要想敏化此類故障，使受害單元的存儲值翻轉(zhuǎn)，就必須要對攻擊單元連續(xù)進行兩次寫操作。表1中列舉的其他算法都不滿足敏化的條件，均沒有包含連續(xù)的寫操作，而提出的Dynamic-RAWC算法在M1，M2中均在第1次寫入操作后又加入了1次寫操作，然后緊跟1次讀操作，從而可以測出該故障。M3, M4具有對稱性，因此整個算法可以對不論是升序還是降序的耦合類型故障均有一定的覆蓋。不同March算法對其他各類動態(tài)故障的覆蓋情況見表5。

表5 不同March算法的動態(tài)故障覆蓋率

從表4和表5的數(shù)據(jù)可以看出，提出的Dynamic-RAWC算法對列出的靜態(tài)故障類型的覆蓋率為100%，對列出的動態(tài)故障的覆蓋率為80.9%。對于一些特殊的動態(tài)故障，特別是Dynamic-RAWC優(yōu)于經(jīng)典March RAW算法的故障檢測結(jié)果，在表5中最后一列以粗體形式標出，可以直觀看出，提出的動態(tài)March算法有效地提高了故障覆蓋率。

3.3 動態(tài)March算法的MBIST電路實現(xiàn)

動態(tài)March算法 Dynamic-RAWC的功能基于有限狀態(tài)機實現(xiàn)，算法狀態(tài)機是MBIST電路最核心的部分。以Dynamic-RAWC1為例，該算法的狀態(tài)轉(zhuǎn)移圖見圖1。由圖1可知，算法的初始狀態(tài)為IDLE狀態(tài)，MBIST電路開始運行和結(jié)束運行都會在該狀態(tài)下循環(huán)等待指令，結(jié)束狀態(tài)為DONE狀態(tài)，該狀態(tài)表示已執(zhí)行完動態(tài)算法的所有元素，輸出測試結(jié)束信號tst_done以及測試結(jié)果Fail_flag信號。如果輸出的Fail_flag為1，則表示所測的存儲器存在故障，同時診斷器工作，輸出故障所在地址Fail_ADR，若Fail_flag為0，則表示未測出故障。圖1中其余的狀態(tài)元素都表示為對存儲器的讀或?qū)懖僮鳌0:↑↓(w0)表示對存儲器進行升序或者降序(仿真中本算法選擇升序)寫0操作，每進行1次寫0操作后，地址加1，當最后一個地址進行寫0操作后，執(zhí)行M1的操作{r0 w1 r1}或{r0 w0 r0nr0 w1 r1}，每當進行到算法元素的最后一個操作時，會進行1次判斷，判斷當前是否為最后地址，若為最后地址，則跳入下一個狀態(tài)，若不為最后一個狀態(tài)則地址加1或者減1，然后跳回該算法元素的第1個操作，以此類推。圖1中算法元素M1和M2的R0操作下面的“repeat n-1 times”意味著在w0之后默認會進行1次讀操作，之后重復(fù)讀0的次數(shù)會根據(jù)設(shè)定的R_Times信號值自動減1。

圖1 Dynamic-RAWC1算法狀態(tài)轉(zhuǎn)移圖

動態(tài)算法執(zhí)行的關(guān)鍵和獨特之處，在于能夠自定義選擇算法元素，不同的選擇結(jié)果所執(zhí)行的測試算法也就不同，對故障的覆蓋能力不同，最后的測試時間也就不盡相同。具體來說，從圖1可以看出，讀寫操作由紅色背景和綠色背景的兩種元素表示，狀態(tài)跳轉(zhuǎn)的方向由紅色箭頭和黑色箭頭來區(qū)分。綠色背景元素為共享的基礎(chǔ)算法元素，紅色背景元素的操作狀態(tài)則是可選擇的，該元素上的紅色箭頭表示了另一種算法路徑，可以看出，無論是紅色箭頭所指向的算法路徑還是黑色箭頭指向的算法路徑，都包含了公共的狀態(tài)元素，這也是本文提出電路的特點，即兩種算法共享大部分的電路元素。而傳統(tǒng)的MBIST電路若想要實現(xiàn)多種算法的功能，必須設(shè)計多個算法狀態(tài)機才能實現(xiàn)，這樣會浪費多余的電路面積，相當于生成多個不同算法的BIST電路內(nèi)嵌到芯片中。而提出的動態(tài)March算法，無需嵌入兩個或多個MBIST電路，即可實現(xiàn)多重算法的功能。

以SRAM為測試對象，提出的動態(tài)March算法的MBIST電路實現(xiàn)結(jié)構(gòu)如圖2所示。整體電路由MBIST生成模塊、動態(tài)控制器和SRAM Collar構(gòu)成，MBIST生成模塊由數(shù)據(jù)產(chǎn)生器、地址產(chǎn)生器、控制產(chǎn)生器、比較器和診斷器等模塊構(gòu)成，SRAM Collar由功能/測試信號選擇器和SRAM構(gòu)成。功能/測試信號選擇器主要用于切換當前SRAM的工作模式，當Test_Mode為高電平時，SRAM的地址、數(shù)據(jù)、片選和寫使能等信號由MBIST生成模塊提供，若Test_Mode拉低，SRAM進入功能模式，MBIST電路將不工作。

圖2 動態(tài)March算法的MBIST電路實現(xiàn)結(jié)構(gòu)圖

MBIST生成模塊中的地址產(chǎn)生器和數(shù)據(jù)產(chǎn)生器模塊用于生成SRAM的讀寫地址和讀寫數(shù)據(jù)，控制產(chǎn)生器用于生成SRAM的使能以及讀寫控制等信號，這3個產(chǎn)生器的數(shù)據(jù)均受動態(tài)March算法狀態(tài)機控制。動態(tài)March算法狀態(tài)機由20個狀態(tài)構(gòu)成，分為初始狀態(tài)IDLE、結(jié)束狀態(tài)DONE和18個讀寫狀態(tài)，而這18個讀寫狀態(tài)的跳轉(zhuǎn)規(guī)則受動態(tài)控制器的控制。動態(tài)控制模塊的動態(tài)控制器配合指令寄存器生成控制算法執(zhí)行順序的switch_alg信號和控制Hammer算法的讀操作次數(shù)的R_times信號，通過用戶指令可輸出對應(yīng)的控制信號來調(diào)配算法元素狀態(tài)機，從而形成動態(tài)測試算法，用最適合的算法產(chǎn)生讀寫信號從而檢測出當前最容易出現(xiàn)的故障，測試效率更高。比較器用于將從SRAM存儲單元里讀取的數(shù)據(jù)和預(yù)期的數(shù)據(jù)進行比對，若讀出的數(shù)據(jù)和預(yù)期的數(shù)據(jù)不一致，則Fail_flag信號拉高，用以提示用戶該SRAM存在故障。Fail_flag信號拉高會激活診斷器，診斷器結(jié)合地址產(chǎn)生器生成當前SRAM的故障地址，通過Fail_ADR信號輸出。

算法狀態(tài)機中的動態(tài)算法由10個算法元素構(gòu)成(如圖2所示)，不同算法元素的序號表示了初步的執(zhí)行順序。灰色標記的元素1：↑↓(w0)，元素2：↑(r0, w1, r1)，元素4：↑(r1, w0, r0)，元素6：↓(r0, w1, r1)，元素8：↓(r1,w0,r0)，元素10：↑↓(r0)為不同執(zhí)行順序所共享的算法元素；紅色和綠色標記的元素3：↑(w0, w0, r0n, r0, r0, 0,r0)，元素5：↑(w1, w1, r1n, r1, r1, w1, r1)，元素7：↓(w0, w0, r0, r0, r0, w0, r0)，元素9：↓(w1,w1, r1, r1, r1, w1, r1)是可選擇的算法元素，用于構(gòu)成復(fù)雜度較高的測試算法。

根據(jù)電路的結(jié)構(gòu)設(shè)計使用Verilog HDL語言編寫完可重構(gòu)MBIST電路的代碼部分，然后用VCS和Verdi進行功能仿真，功能確認無誤后，基于TSMC40nm的工藝庫，使用DC工具進行電路綜合，DC工具報出的電路面積見表6。綜合后的報告顯示，包含March C+和March RAW算法的對比BIST電路面積為543.48 μm2，提出的Dynamic-RAWC面積為228.45 μm2，面積節(jié)省了58%，加強了電路資源的利用率。

表6 不同MBIST電路的面積統(tǒng)計(μm2)

4 算法的仿真與FPGA功能驗證

算法的數(shù)模混合仿真驗證環(huán)境為VCS和FineSim。以dRDF4故障仿真為例，數(shù)?；旌戏抡娴木植坎ㄐ稳鐖D3所示，dRDF4是dRDFn當n=4時的情況，屬于動態(tài)讀干擾故障中的一種，即在同一地址下對某個單元執(zhí)行寫操作后馬上執(zhí)行4次連續(xù)的讀操作，然后該單元的存儲值節(jié)點上的值會發(fā)生翻轉(zhuǎn)，使得從存儲單元中讀出錯誤的邏輯值。在本次仿真中，我們在addr[1]地址的存儲單元內(nèi)注入了該故障，故障注入的方式是在SRAM的spice網(wǎng)表中插入特定的短路或開路電阻來模擬實際物理缺陷，注入的故障導(dǎo)致存儲節(jié)點“rt”的電壓波動。圖中標注的Fail_flag信號是算法是檢測到故障的標志信號。用提出的動態(tài)March算法讀出了錯誤的邏輯值，F(xiàn)ail_flag信號拉高，表示檢測出了該故障。

圖3 dRDF4故障的數(shù)?；旌戏抡婢植坎ㄐ螆D

對不同March算法進行功能仿真，就可以從具體的讀寫操作來解釋算法是如何檢測到某一類故障的。選擇March C+和March RAW分別作為靜態(tài)故障和動態(tài)故障檢測算法的代表，圖4和圖5分別展示了2種算法對dRDF4故障的完整仿真過程。由于March C+和March RAW算法中沒有連續(xù)4次讀操作的敏化序列，因此無法敏化此類故障，從圖中Fail_flag信號始終為低電平的仿真結(jié)果佐證了此結(jié)論。圖6為本文提出的Dynamic-RAWC對dRDF4的功能仿真波形圖，清晰地展示了算法中M0和M1元素的具體讀寫過程。動態(tài)控制模塊中的R_Times的值設(shè)置為4，即第1個寫操作緊跟在同一地址上執(zhí)行的4個連續(xù)讀操作之后。圖6中M1元素的第4次讀操作后Fail_flag變高，表示已經(jīng)檢測到故障。通過算法的仿真，可以看出動態(tài)March算法對動態(tài)故障的覆蓋能力優(yōu)于傳統(tǒng)算法。

圖4 March C+算法對dRDF4故障檢測的算法功能仿真波形圖

圖5 March RAW算法對dRDF4故障檢測的算法功能仿真波形圖

圖6 Dynamic-RAWC1算法對dRDF4故障檢測的算法功能仿真波形圖

為了驗證提出算法的實際測試功能，在Xilinx Spartan 6 FPGA平臺上復(fù)現(xiàn)了基于動態(tài)March算法的MBIST電路和傳統(tǒng)測試算法的MBIST電路，并分別對1k×16位(其中，k代表2的10次方，乘號的左邊為存儲器的地址數(shù)，右邊為每個地址上存儲的數(shù)據(jù)位數(shù))，32k×8位和256k×16位3種容量規(guī)格的SRAM芯片進行測試，測試波形使用邏輯分析儀進行采樣捕獲。測試時鐘采用Spartan 6片上PLL的25M分頻時鐘，即算法的讀寫周期為40 ns。經(jīng)過多組的重復(fù)實驗，實測的算法功能波形與仿真結(jié)果一致，而基于FPGA對提出算法和傳統(tǒng)算法的測試時間統(tǒng)計結(jié)果見表7。測試時間Talg定義為算法電路使能信號拉高的時間點t1與測試結(jié)束信號tst_done拉高的時間點t2的時間間隔：Talg=t2–t1。從表7的統(tǒng)計結(jié)果可以看出，時間復(fù)雜度越高的算法實際測試時間就越長，本文提出的算法的優(yōu)勢在于時間復(fù)雜度是隨著調(diào)用的不同測試元素而動態(tài)調(diào)整的，測試時間不會過于冗長，對不同規(guī)格芯片的測試時間都在可控的范圍內(nèi)。

表7 基于FPGA不同測試算法對3種規(guī)格存儲器的測試時間統(tǒng)計

5 結(jié)束語

本文提出了一種新型的動態(tài)March算法，這是一種結(jié)合了March C+，March RAW和Hammer算法的改進算法，該算法不同于傳統(tǒng)的March算法，它可以動態(tài)選擇算法元素來適應(yīng)不同情況下的故障檢測需求。提出的動態(tài)March算法具有較高的故障覆蓋率，檢測靜態(tài)故障時的故障覆蓋率為100%，檢測動態(tài)故障時的故障覆蓋率為80.9%，相較March RAW算法，動態(tài)故障覆蓋率提升了31.3%。為了驗證算法和電路的功能，利用FineSim和VCS進行了數(shù)?；旌戏抡嬉约袄肍PGA對不同規(guī)格的SRAM進行了實測，對比了新算法和經(jīng)典算法對動態(tài)故障的檢測能力和測試時間開銷，仿真和測試結(jié)果顯示了動態(tài)March算法的有效性。