miniRV CPU 设计实战：从数据通路到 FPGA 下板运行 CoreMark

从单周期 CPU 到五级流水线 SoC：miniRV 的设计、AXI 集成与 FPGA 验证

本文记录一个 miniRV CPU/SoC 项目的完整实现过程：先完成支持全部实验指令的单周期 CPU，再将数据通路改造成五级流水线，加入数据前递、流水线暂停和静态分支预测，最后集成 ICache、DCache、AXI 总线及外设，并在 FPGA 上完成 C_TEST 与 CoreMark 验证。

1. 项目目标与最终结果

这个项目并不只是实现一个能够执行几条指令的 CPU，而是要逐步建立一套可以仿真、可以连接总线、可以运行 C 程序并且能够真正下板的处理器系统。

最终完成的主要功能如下：

支持 miniRV 测试框架中的 44 条指令，包括算术逻辑、移位、比较、分支跳转、访存以及乘除法指令；
完成完整单周期 CPU，并通过 Basic Trace；
将单周期数据通路改造成 IF、ID、EX、MEM、WB 五级流水线；
实现 EX/MEM/WB 到 ID 的数据前递；
实现 load-use 冒险检测、气泡插入和多周期操作暂停；
使用“默认不跳转”的静态预测处理控制冒险；
集成 ICache、DCache 和基于状态机的 AXI4 主控制器；
支持拨码开关、LED、数码管、UART 和计时器五类外设；
Cache 开启后通过 AXI Trace 44/44；
在 FPGA 上通过 UART、格式化输入输出、排序和动态内存测试；
在 50 MHz 下完成 700 次 CoreMark 迭代，CRC 校验正确；
Vivado 实现后的 WNS 为 +5.728 ns，TNS 为 0，无时序违例。

下面按“单周期 CPU—流水线 CPU—SoC—验证”的顺序介绍整个设计。

2. 从完整单周期 CPU 开始

单周期 CPU 的特点是：一条指令从取指、译码、执行、访存到写回的全部组合逻辑都在一个时钟周期内完成。它的结构直观，很适合先验证指令译码和基本功能，但时钟周期必须覆盖最慢指令的完整路径，因此主频提升空间有限。

2.1 单周期数据通路

下图是本项目绘制的完整单周期 CPU 数据通路图。图中包含 PC/NPC、Controller、SEXT、RF、ALU、MREQ、MEXT、数据存储器接口和写回选择器。

图 1　完整单周期 CPU 数据通路图（draw.io 绘制）

一条普通算术指令的通路可以概括为：

PC → 指令存储器 → Controller/RF/SEXT→ ALU 输入选择 → ALU 运算→ 写回选择器 → RF

访存指令则在 ALU 计算地址后经过 MREQ 和 MEXT：

MREQ 根据 ram_rop、ram_wop 产生字节写使能、访问地址和对齐后的写数据；
MEXT 根据加载类型和地址低两位，从返回的 32 位数据中选出字节、半字或字，再进行符号扩展或零扩展；
lb/lbu/lh/lhu/lw 的结果最终由写回 MUX 送回寄存器堆。

乘除法器是多周期部件。启动后 busy 拉高，CPU 暂停提交新指令；运算完成后 busy 拉低，结果才写回。需要注意的是，PC 并不是因为执行了乘法就永远停止，而是只在多周期运算进行期间保持，完成后继续更新到下一条指令。

2.2 控制信号的作用

Controller 读取 opcode、funct3 和 funct7，产生以下几类控制信号：

控制信号	作用
`npc_op`	选择顺序执行、分支、JAL 或 JALR 的下一 PC
`sext_op`	选择 I/S/B/U/J 型立即数格式
`alu_op`	选择 ALU 的算术、逻辑、移位、比较或乘除法操作
`alua_sel`、`alub_sel`	选择 ALU 两个操作数的来源
`ram_rop`、`ram_wop`	指定加载扩展方式和存储字节使能
`rf_wsel`	选择写回数据来自 ALU、PC+4、立即数还是存储器
`rf_we`	寄存器堆写使能

单周期阶段最重要的工作，是让每条指令的控制信号和数据通路严格对应。Basic Trace 全部通过后，才适合继续进行流水化改造。

3. 五级流水线数据通路

流水线版本采用经典的五级结构：

流水级	主要工作
IF	产生取指地址，通过 ICache 取回指令
ID	指令译码、读取寄存器、立即数扩展、选择前递数据
EX	ALU 运算、乘除法、分支判断和目标地址计算
MEM	通过 MREQ/DCache 完成数据访问并扩展加载结果
WB	选择最终结果并写回寄存器堆

相邻流水级之间加入 IF/ID、ID/EX、EX/MEM 和 MEM/WB 四组流水寄存器。除了数据本身，目标寄存器号、写使能、访存类型和写回选择等控制信息也必须与对应指令一起向后传递，否则就会发生“后一条指令的控制信号写回前一条指令结果”的错误。

3.1 完整流水线数据通路

下图是按照实际 RTL 信号绘制的完整流水线数据通路。由于原图较宽，建议点击图片查看 SVG 原图；后文也给出了各区域的局部图。

图 2　五级流水线 CPU 完整数据通路图

3.2 IF 与 ID：带缓冲的取指前端

这一部分对应图 2 左侧的 IF、IF/ID 与 ID 区域。由于完整图较宽，可以点击图 2 打开 SVG 后放大查看 Controller、取指缓冲以及 ID Instruction Flags 之间的具体连线。

流水线取指端不能只写成简单的 ifetch_req = 1。ICache 使用 ready/valid 握手，流水线又可能因为访存、乘除法或 load-use 暂停，因此本项目增加了请求记录和响应缓冲：

fetch_pending：已有一个被 ICache 接收的请求正在等待响应；
fetch_req_pc：保存该请求对应的 PC；
fetch_buf_valid：暂停期间返回的指令已经保存在缓冲区；
fetch_discard：分支冲刷后，尚未返回的旧路径响应需要丢弃。

前端只有在没有复位、没有冲刷、没有暂停且缓冲区有空间时才发出新请求：

wire fetch_request = !cpu_rst && !flush && !fetch_discard &&!pipeline_stall &&(!fetch_buf_valid || fetch_buf_consume);

这个缓冲逻辑解决了两个容易出错的问题：一是流水线暂停时，已经返回的指令不能丢；二是 AXI/Cache 请求发出后不能随意取消，发生跳转时必须把错误路径响应标记并丢弃。

3.3 EX：运算、分支与多周期控制

ID/EX 寄存器把源操作数、立即数、PC、目标寄存器号以及控制信号送到 EX。ALU 两个输入分别由 ex_alua_sel 和 ex_alub_sel 控制，因此能够支持寄存器—寄存器、寄存器—立即数以及 PC—立即数等组合。

本项目采用静态预测不跳转：IF 始终先按 PC+4 取指，分支和跳转在 EX 阶段得到实际结果。当实际需要跳转时，flush 拉高，PC 改为正确目标，同时将年轻指令替换为 NOP：

wire ex_bj_taken = (ex_npc_op == `NPC_JMP)| (ex_npc_op == `NPC_JALR)| ((ex_npc_op == `NPC_BRA) & ex_br);assign flush = ex_bj_taken;
assign npc   = flush ? ex_bj_target : npc_pc4;

乘除法同样位于 EX，但它们不能在一拍内完成。首次进入 EX 时产生启动条件，busy 有效期间保持相关流水寄存器，完成后才允许流水线继续前进。

4. 数据冒险：前递与 load-use 暂停

经典顺序五级流水线主要需要处理 RAW（Read After Write）冒险。后一条指令在 ID 读取源寄存器时，前一条指令可能仍处于 EX、MEM 或 WB，尚未完成寄存器堆写回。

4.1 EX/MEM/WB 到 ID 的数据前递

本设计比较 ID 阶段的 rs1/rs2 与 EX、MEM、WB 阶段的目标寄存器 rd。只有前级确实写寄存器、rd != x0 且寄存器号相等时，才允许前递。

wire fwd_ex_rs1  = ex_rf_we  & (ex_wR  != 5'h0) & (ex_wR  == id_inst[19:15]);
wire fwd_mem_rs1 = mem_rf_we & (mem_wR != 5'h0) & (mem_wR == id_inst[19:15]);
wire fwd_wb_rs1  = wb_rf_we_reg & (wb_wR != 5'h0) & (wb_wR == id_inst[19:15]);wire [31:0] id_rD1 = fwd_ex_rs1  ? ex_fwd_result :fwd_mem_rs1 ? mem_result    :fwd_wb_rs1  ? wb_rf_wD      : id_rD1_raw;

两个源操作数的选择优先级均为：

EX > MEM > WB > Register File

优先选择最近的结果非常重要。例如 EX 和 MEM 中两条指令都准备写同一个寄存器时，ID 应使用程序顺序上更新的 EX 结果，而不是较旧的 MEM 结果。

4.2 load-use 为什么仍需暂停一拍

普通 ALU 指令的结果在 EX 末尾已经产生，可以直接前递；但 load 的有效数据要等到 MEM 阶段收到 daccess_rvalid 后才得到。因此相邻的 load-use 不能只靠 EX 前递解决。

本项目的检测条件是：EX 当前为加载指令、目标寄存器非零，而且 ID 指令实际使用的源寄存器与其相同。

wire load_use_hazard = ex_rf_we& (ex_ram_rop != `RAM_EXT_N)& (ex_wR != 5'h0)& ((id_uses_rs1 & (ex_wR == id_inst[19:15]))|  (id_uses_rs2 & (ex_wR == id_inst[24:20])));

检测到冒险后，PC 和 IF/ID 保持，ID/EX 写入一个 NOP。等 load 数据在 MEM 阶段有效后，再通过 MEM→ID 前递送给依赖指令。实际波形中使用过下面这一组相邻指令进行检查：

lw   x14, 4(x1)
addi x6,  x14, 0

这里暂停不是越多越安全。早期版本直接比较指令的 rs1/rs2 字段，可能把立即数字段误认为源寄存器，造成无意义停顿；最终版本增加 id_uses_rs1/id_uses_rs2，只在指令真正读取对应寄存器时判断冒险。

5. MEM、WB 与数据访问

EX/MEM 中的 ALU 结果既可能是算术结果，也可能是访存地址。MREQ 将内部加载/存储控制转换为 DCache 请求；加载数据返回后，MEXT 根据 mem_ram_rop 和地址低两位完成字节选择与扩展。

MEM/WB 保存四类可能的写回来源：

ALU 结果；
扩展后的加载数据；
PC+4；
U 型立即数。

WB MUX 根据 wb_rf_wsel 生成 wb_rf_wD，再与 wb_wR、wb_rf_we 一起返回寄存器堆。wb_rf_wD 同时也是 WB→ID 的前递数据，因此写回和前递使用的是同一份最终结果。

6. ICache、DCache 与 AXI 总线

流水线核心之外，SoC 还加入了独立的 ICache 和 DCache。两者在 L1 层面构成哈佛结构，可以让取指和数据访问使用独立接口；Cache miss 后则共同通过 AXI 主控制器访问统一主存。

6.1 Cache 的基本组织

本工程 Cache 行大小为 4 个 32 位字，也就是 16 字节。一次命中通过 Tag、Valid 和 Index 判断；未命中时请求整行回填。

ICache miss 的主要时序如下：

CPU 取指请求→ ICache 查找未命中→ bus_rreq 拉高，给出 16 字节对齐地址→ AXI AR 通道握手，ARLEN=3→ AXI R 通道返回 4 个数据拍→ fill_count 从 0 增加到 3→ RLAST 到达，写入 Tag/Valid→ 输出请求指令并拉高 inst_valid

DCache 的读缺失流程类似。MMIO 访问不进入 DCache，避免外设读写被缓存；外设写请求也只提交一次，防止 UART 重复发送字符。

6.2 AXI 主控制器状态机

AXI 读写通道相互独立，不能假设地址和数据一定同拍握手。因此 axi_master 使用状态机管理事务：

状态	含义
`ST_IDLE`	仲裁指令读、数据读和数据写请求
`ST_AR`	保持 ARVALID，等待 ARREADY
`ST_R`	接收一个或多个 R 数据拍，直到 RLAST
`ST_AW_W`	分别完成 AW 和 W 握手
`ST_B`	等待写响应 BVALID

控制器还使用 read_src 记录当前读事务来自 ICache 还是 DCache，保证返回数据送到正确的请求方。AXI 写地址和写数据可以在不同周期被接收，因此代码分别记录 aw_done 与 w_done，两者都完成后才进入写响应状态。

7. SoC 外设与 C 程序接口

在总线系统之上，SoC 通过 MMIO 提供五类外设：

拨码开关输入；
LED 输出；
八位数码管显示；
UART 收发；
64 位计时器。

UART 软件驱动通过状态寄存器判断 TX FIFO 是否已满、RX FIFO 是否非空，再读写数据寄存器。初始化时通过控制寄存器清空收发 FIFO。该接口既支撑简单字符输入输出，也支撑 printf、scanf、程序下载和 CoreMark 结果打印。

8. 验证方法与结果

CPU 设计不能只看综合是否通过。综合通过只说明 RTL 可以映射成硬件，并不能证明指令结果、总线握手或流水线冒险处理正确。本项目采用了四层验证。

8.1 Basic Trace

Basic Trace 直接比较 CPU 提交结果与参考模型，主要验证指令语义和流水线控制。最终结果为：

Passed Tests (44)
Failed Tests (0)

覆盖的指令包括 add/addi、逻辑与移位、六类条件分支、jal/jalr、五类加载、三类存储以及 mul/div/rem 等。

在 WSL 中可以使用以下方式重新构建流水线 Basic Trace：

cd /mnt/c/Users/lenovo/Desktop/CPU/cdp-tests
make clean
make -f Makefile.pipeline_basic build
python3 run_all_tests.py

8.2 AXI Trace（Cache 开启）

AXI Trace 使用完整 miniRV_SoC，仿真模型中包含流水线核心、ICache、DCache、AXI Master 和 AXI BRAM。最终在 Cache 开启状态下同样通过 44/44。

cd /mnt/c/Users/lenovo/Desktop/CPU/cdp-tests
make clean
make build SOC_DIR=../miniRV_basic_FLOAT/miniRV_basic_FLOAT/miniRV_basic/src/rtl
python3 run_all_tests.py

调试 Cache miss 时，重点观察：

ICache.state、cpu_hit、bus_rreq、bus_raddr
axi_master.state、m_axi_arvalid、m_axi_arready
m_axi_rvalid、m_axi_rready、m_axi_rdata、m_axi_rlast
fill_count、inst_valid

它们能够完整展示“未命中—AXI 地址握手—四拍回填—重新命中”的全过程。

8.3 C_TEST 下板

流水线 SoC 完成了三个接口测试程序的实板验证：

UART 输出 Hello World!，并能逐字符接收输入；
格式化输入 21 G good，能够正确解析整数、字符和字符串；
固定数组排序正确，malloc 创建的 30 元素数组也能完成排序和释放。

这些测试共同覆盖了 UART、格式化 I/O、递归/排序、动态内存和计时器访问，比只观察 LED 更接近真实软件运行环境。

8.4 CoreMark 与时序

本项目选择 CoreMark 作为最终性能下板程序。Cache 开启、CPU 主频 50 MHz、迭代 700 次时，串口输出为：

Iterations       : 700
Correct operation validated.
CoreMark 1.0     : 54.0495
CoreMark/MHz     : 1.0809
FINISH

同时 Vivado 实现结果为：

项目	结果
CPU 主频	50 MHz
WNS	+5.728 ns
TNS	0 ns
WHS	+0.024 ns
THS	0 ns
DRC violations	0
Routing errors	0

WNS 为正、TNS 为 0，说明设计在 50 MHz 约束下不存在 setup 时序违例。CoreMark 的 CRC 全部正确，说明得到分数的前提是程序执行结果正确，而不是仅仅“串口打印完成”。

9. 调试过程中最值得记录的几个问题

9.1 不要把 ready/valid 当成固定延迟

Cache 和 AXI 的响应时间不是固定一拍。请求方必须保持有效信号直到握手，响应方也只能在 valid 与 ready 同时有效时推进状态。大量总线问题都来自“默认下一拍一定返回”的单周期思维。

9.2 冲刷不仅要清流水寄存器

分支跳转时清空 IF/ID、ID/EX 还不够。已经被 ICache/AXI 接收的旧路径请求无法撤销，所以还要使用 fetch_discard 丢弃未来到达的错误响应，否则错误路径指令仍可能进入流水线。

9.3 暂停和保持不是同一个概念

load-use 冒险需要保持 PC 与 IF/ID，同时向 ID/EX 插入气泡；访存等待或乘除法执行期间，则需要保持正在执行的 EX/MEM 指令。把所有寄存器统一“全部保持”或“全部清零”，都可能造成重复执行或指令丢失。

9.4 波形要围绕因果链观察

分析数据前递时，不应只看 fwd_ex_rs1 是否为 1，还要同时检查：

id_inst 的 rs1/rs2
ex_wR / mem_wR / wb_wR
各级 rf_we
ex_fwd_result / mem_result / wb_rf_wD
id_rD1_raw 与最终 id_rD1

分析 load-use 时，则应把 load_use_hazard、pipeline_stall、ID/EX 是否写入 NOP、数据响应和后续 MEM 前递放在同一时间轴上。只有形成完整因果链，波形截图才真正有说服力。

10. 总结

这个项目的难点不在某一条 Verilog 语句，而在于让多层协议同时保持一致：指令语义要正确，流水级之间的数据和控制要对齐，暂停与冲刷不能丢指令，Cache 必须正确处理命中和回填，AXI 又必须遵守各通道的独立握手规则。

从单周期 CPU 到五级流水线，再到能够运行 C 程序的 AXI SoC，整个过程让我对“CPU 是怎样真正运行程序的”有了更具体的认识。最终的 44/44 Basic Trace、44/44 AXI Trace、C_TEST、CoreMark 和正时序裕量，也分别从指令、总线、软件和硬件实现四个层面证明了系统的完整性。

后续如果继续优化，可以从以下方向入手：减少暂停周期、改善 Cache 组织和替换策略、提高乘除法吞吐率、缩短关键路径，并在保证时序收敛的前提下继续提高主频。

项目关键词：RISC-V、miniRV、Verilog、五级流水线、数据前递、load-use、Cache、AXI4、FPGA、CoreMark