原创 FPGA教程之LUT与逻辑的联系

一般低成本的FPGA（如Cyclone系列，Spartan系列）由4输入的LUT表完成组合逻辑的功能，即相当于一个16bit存储空间，4bit地址输入，1bit输出的RAM，我们通过配置者16bit的空间完成任意一个“四输入一个输出的逻辑表达式”；如我们需要完成Out = ABCD（四输入与门），配置数据为“0x8000”，即当查找地址“4b’1111”，RAM的输出为1，否则为零。

假如我需要实现一个加法器，并输出它的进位值Carry，分别用逻辑电路和配置数据表示？

如果我们只有三个输入值，LUT的输入又该如何完成？

在数字电路中，信号的传递会出现延迟，延迟有逻辑门本身造成的，由于逻辑门中的三极管在传输信号时存在延迟；延迟也会因外部电路的分布电容而产生，所以逻辑门的输出信号要滞后输入信号。

与非门平均传输延迟时间是指一个数字信号从输入端输入，经过门电路再从其输出端输出所延迟的时间，它反映了电路传输信号的速度。

为了测试方便，都以电压波形摆幅的二分之一处为起始点去测量平均延迟时间。从输入上升边50%到输出下降边50%为止的时间叫做导通延迟时间t_PHL；从输入下降边50%到输出上升边50%为止的时间叫做截止延迟时间t_PLH。导通延迟时间和截止延迟时间的平均值称为平均延迟时间（如上图）

标准TTL门的平均传输延迟时间的典型值约10ns。

本身任何数字电子技术都是基于TTL技术发展起来的，当然，当今数字技术以CMOS技术为主，所以本身LUT从地址输入到存储值的输出也存在延迟，这也是影响FPGA工作频率的重要因素，随着技术的不断进步，该延迟对FPGA工作频率并不起着关键的作用。

现在我们举个更复杂的例子，两个32-bit数据的比较器：

从逻辑表达式上来看，我们需要作如下步骤：

temp[31..0] = ain[31..0] xor
bin[31..0];

equal = not (temp[31] or temp[30] … or temp[1]
or temp[0]);

以下是用VHDL实现，并用FPGA实现的方式：

library ieee;

use
ieee.std_logic_1164.all;

use
ieee.std_logic_unsigned.all;

use
ieee.std_logic_arith.all;

entity comparator_32b is

port(

          
ain:                               
in  std_logic_vector(31 downto
0);

          
bin:                              
in  std_logic_vector(31 downto
0);

          
equal:                           
out std_logic;

          
great:                            
out std_logic

);

end comparator_32b;

architecture synlogic of comparator_32b
is

begin

         equal <= '1' when ain = bin else
'0';

--       
great <= '1' when ain > bin else '0';

end synlogic;

在综合报告中可以知道，它需要21个逻辑资源即LUT；如下图：

描述一下“great <= '1' when ain > bin
else '0';”的综合流程？

经过上述描述，我们可以知道FPGA的综合流程，即根据你描述的逻辑功能，将逻辑分成若干个步骤，让它们适用于在LUT中完成，然后为每个LUT生成配置数据，通过连接每个LUT，最终完成逻辑功能。也许你也看得出来，从{ temp[31..0] = ain[31..0] xor bin[31..0] equal = not
(temp[31] or temp[30] … or temp[1] or temp[0])}到LUT，虽然它们完成都是相同的功能，但是从它们所耗费的逻辑门有很大的差距，如果直接用逻辑表达式，我们需要31个XOR门，30个OR门，而每个LUT的每个bit等效于4个门，即4门/bit；所以FPGA需要21*16*4个门，从逻辑成本上FPGA无法像ASIC一样大批量的生产，但是FPGA的可配置性，使得它允许你在设计可以有错误，而不像ASIC，流片出来后就无法修改，而每次流片所需要的费用已经达到100万美元（65nm），是中小企业无法承受的费用，如果错误的设计流入市场，所产生的维护费用更是难以估量，例如，Nvidia在第二季度一次性支出1.96亿美元，用来解决用于笔记本电脑的某些型号的上一代MCP（媒体通信处理器）和GPU（图形处理器）产品之“核心与封装材料不足”的问题；从而造就FPGA在很多专业领域的流行。