【verilog语法详解:从入门到精通】

【verilog语法详解:从入门到精通】

verilog语法详解:从入门到精通

一、Verilog 核心定位与语法框架

  1. 核心特点
    并行性:模块内的所有语句(如 assign、always 块)同时执行(对应硬件的并行工作),而非按代码顺序执行。
    硬件映射:每段语法都对应明确的硬件(如 reg 对应寄存器,wire 对应导线,and 对应与门)。
    层次化:通过 “模块定义 + 例化” 实现复杂设计(之前详解过例化,此处衔接语法整体)。
  2. 基本语法框架
    Verilog 程序由 模块(Module) 组成,模块是最小的可综合单元(可被综合器转化为硬件)。一个完整的 Verilog 代码结构如下:
// 1. 宏定义(可选,全局生效) `define WIDTH 8// 大写命名,编译时替换// 2. 模块定义(必须,可综合代码的核心) module 模块名(// 端口列表:输入/输出/双向 input [WIDTH-1:0] i_data,// 输入端口(8位) input i_clk,// 时钟输入(1位) input i_rst_n,// 同步复位(低有效) output reg [WIDTH-1:0] o_data // 输出端口(寄存器型,8位));// 3. 内部信号定义(wire/reg/parameter等) wire [WIDTH-1:0] w_temp;// 线网型信号(导线) reg [3:0] r_cnt;// 寄存器型信号(计数器)// 4. 逻辑描述(组合逻辑/时序逻辑)// 组合逻辑:assign 连续赋值(对应wire) assign w_temp = i_data +1'b1;// 时序逻辑:always 块(时钟触发,对应寄存器) always @(posedge i_clk) begin // 时钟上升沿触发if(!i_rst_n) begin // 复位逻辑(优先级最高) o_data <=8'd0; r_cnt <=4'd0; end else begin o_data <= w_temp;// 寄存器赋值(<= 非阻塞赋值) r_cnt <= r_cnt +1'b1; end end endmodule // 模块结束(必须与module成对)

Verilog 是硬件描述语言(HDL)的核心标准之一,用于描述数字电路的结构和行为,最终映射为实际硬件(如 FPGA、ASIC)。与软件语言(C/C++)的 “串行执行” 不同,Verilog 的核心是 “并行硬件映射”—— 代码的每一部分都对应具体的电路(导线、寄存器、逻辑门等)。
本文将从 基础语法框架→核心知识点→实战示例→规范与避坑 展开,系统讲解 Verilog 语法,兼顾入门理解与工业界实践。

二、基础语法:模块与端口

  1. 模块定义(Module Definition)
    模块是 Verilog 的基本单元,语法格式:
module 模块名(端口1, 端口2,..., 端口N);// 端口声明 + 内部信号 + 逻辑描述 endmodule 

模块名:大小写敏感,建议与文件名一致(如 top.v 对应模块 top)。
端口列表:必须在模块开头声明,或在模块内显式声明(推荐前者,可读性强)。
2. 端口类型与声明
端口按方向分为 3 类,需明确声明类型(input/output/inout)和位宽(默认 1 位):

端口类型功能描述硬件映射允许连接的信号
input模块输入(外部→模块)导线(wire)父模块的 wire/reg/ 常量
output模块输出(模块→外部)导线(wire)父模块的 wire(不可常量)
inout双向端口(模块↔外部)导线(wire)父模块的 wire(需三态)
端口声明示例:
// 方式1:端口列表+内部声明(推荐) module demo( input clk,// 1位输入(时钟) input [7:0] din,// 8位输入(数据) output [7:0] dout,// 8位输出(导线型) output reg [3:0] cnt,// 4位输出(寄存器型) inout io_data // 双向端口);// 方式2:仅端口列表,内部声明(兼容旧语法) module demo(clk, din, dout, cnt, io_data); input clk; input [7:0] din; output [7:0] dout; output reg [3:0] cnt; inout io_data; endmodule 

关键注意:
output 端口默认是 wire 型,若需要在 always 块中赋值(时序逻辑),需显式声明为 output reg。
inout 端口必须是 wire 型,需通过三态门(assign io_data = en ? data : 1’bz)控制方向。

三、核心数据类型

Verilog 数据类型分为 线网型(Net) 和 寄存器型(Register),核心区别是 “是否存储数据”(对应硬件的 “导线” 和 “寄存器”)。

  1. 线网型(Net):无存储,实时响应输入
    线网型对应硬件中的 “导线”,必须通过 assign 连续赋值或模块输出驱动,无默认值(默认高阻 z)。
    常用线网类型:
类型功能描述应用场景
wire最常用,单驱动源组合逻辑输出、模块端口连接
tri多驱动源(三态)双向总线(如地址总线)
tri0下拉电阻(默认 0)复位信号(默认低)
tri1上拉电阻(默认 1)使能信号(默认高)

示例:

wire [7:0] data_w;// 8位线网信号 tri bus;// 三态总线 assign data_w = a + b;// 连续赋值(wire必须用assign) assign bus = en ? data :1'bz;// 三态控制(en=1时输出data,否则高阻)
  1. 寄存器型(Register):有存储,时钟触发更新
    寄存器型对应硬件中的 “寄存器”“触发器”,需在 alway

Read more

Reachy Mini开源机器人硬件深度拆解:从零开始构建智能桌面伙伴

Reachy Mini开源机器人硬件深度拆解:从零开始构建智能桌面伙伴 【免费下载链接】reachy_miniReachy Mini's SDK 项目地址: https://gitcode.com/GitHub_Trending/re/reachy_mini 想要亲手打造一台能够与你互动的智能机器人吗?Reachy Mini作为一款完全开源的桌面机器人,为机器人爱好者和创客提供了完美的实践平台。在这篇完整指南中,你将全面了解这款机器人的硬件设计精髓,掌握从部件制造到系统集成的完整流程。 为什么选择Reachy Mini作为你的第一个机器人项目 Reachy Mini的设计理念基于"易制造、易维护"的原则。所有结构部件都采用3D打印技术制造,这意味着你只需要一台3D打印机就能完成大部分硬件的生产。机器人的模块化架构让你可以分阶段完成构建,从基础底盘到复杂的斯图尔特平台,每个部分都有清晰的装配指导。 从这张清晰的组件分解图中,你可以看到Reachy Mini的三个核心子系统:稳定的底盘基础、精密的斯图尔特平台运动机构,以及集成多种传感器的智能头部。这种分层设计不仅简化了制造

【机器人】ROS2 功能包创建与 CMake 编译链路探秘

【机器人】ROS2 功能包创建与 CMake 编译链路探秘

🔥大奇个人主页 :https://blog.ZEEKLOG.net/m0_75192474?type=blog ⚡本文所属专栏:https://blog.ZEEKLOG.net/m0_75192474/category_13131150.html ros2 pkg create 是 ROS2(Robot Operating System 2)中用于快速初始化功能包的官方核心命令行工具。其核心作用是自动生成功能包所需的完整目录结构、配置文件及可选示例节点,避免手动创建文件和配置的繁琐操作,大幅提升开发效率。 该命令支持两种主流构建类型(C++/Python),可直接指定依赖包、维护者信息、开源协议等关键配置,生成的功能包完全符合 ROS2 官方规范,可直接用于编译、运行及后续开发扩展 ⏰ 创建工作空间 首先需要再主目录中新建一个文件夹,带src目录 mkdir-p test_ws/

无人机避障新思路:手把手教你用APF-RRT*算法实现高效轨迹规划(附Python代码)

无人机避障新思路:手把手教你用APF-RRT*算法实现高效轨迹规划(附Python代码) 去年夏天,我在一个无人机巡检项目里遇到了一个棘手的问题:传统的RRT算法在复杂林地环境中规划路径时,经常“卡”在密集的树木之间,要么采样效率低下导致规划时间过长,要么生成的路径曲折得让无人机像喝醉了一样左右摇摆。团队尝试了各种参数调整,效果都不理想。直到我们把人工势场法的引导机制引入到双向RRT*算法中,情况才发生了根本性转变——不仅规划速度提升了近70%,生成的路径也平滑了许多。 这种结合了APF(人工势场法)和双向RRT的混合算法,如今已经成为许多无人机开发者解决复杂环境路径规划的秘密武器。它巧妙地将APF的方向引导优势与RRT的渐进最优特性结合起来,同时利用双向搜索大幅提升收敛速度。今天,我就从工程实践的角度,带你一步步实现这个算法,分享我在实际项目中积累的参数调优经验,并提供可直接运行的Python代码。 1. 理解APF-RRT*算法的核心思想 在开始写代码之前,我们需要先弄清楚这个混合算法到底解决了什么问题。传统的RRT算法虽然概率完备,但在复杂环境中存在明显的局限性:随机采

【论文阅读103】pinn-review-科学机器学习中的物理信息神经网络:现状与展望

【论文阅读103】pinn-review-科学机器学习中的物理信息神经网络:现状与展望

科学机器学习中的物理信息神经网络:现状与展望 作者:Salvatore Cuomo¹ · Vincenzo Schiano Di Cola² · Fabio Giampaolo¹ · Gianluigi Rozza³ · Maziar Raissi⁴ · Francesco Piccialli¹ 在线发表:2022年7月26日 摘要 物理信息神经网络(Physics-Informed Neural Networks,PINNs)是一类将模型方程(如偏微分方程,PDE)直接嵌入神经网络结构中的神经网络(NN)。目前,PINNs 已被广泛用于求解偏微分方程、分数阶方程、积分-微分方程以及随机偏微分方程。这一新兴方法作为一种多任务学习框架出现,在该框架中,神经网络不仅需要拟合观测数据,还需最小化 PDE 残差。 本文对物理信息神经网络相关文献进行了全面综述:研究的主要目标是阐明这类网络的特征、优势与局限性。同时,本文还涵盖了更广义的基于配点法(collocation-based)的物理约束神经网络研究,包括从最初的基础 PINN(