|
作者：MathWorks嵌入式應用程序經理Tom Erkkinen 從仿真模型自動生成代碼是基于模型設計中的關鍵開發環節，可實質性地減少開發團隊手寫代碼所花費的時間和工作量。要想成功開發高性能的嵌入式系統，就必須生成非常高效的代碼。代碼效率目標包括內存使用的最小化和執行速度的最大化。要想成功部署軍用和國防系統，還需要嚴格的代碼驗證能力。代碼驗證目標包括需求符合性和標準符合性。 本文介紹如何使用2011b版MATLAB和Simulink產品系列(包括用于飛行代碼生成的Embedded Coder)測量代碼效率和進行代碼驗證。所討論的開發和驗證活動用于滿足DO-178B和DO-178C要求，同時也用于滿足與DO-178C更新一同發布的基于模型的開發和驗證的補充說明。本文并非介紹產品系列中的每個工具或DO-178標準的所有條款；恰恰相反，本文關注的重點是新技術。 Qualification Kit可用于本文介紹的驗證工具。 源代碼評估 1. 代碼效率 代碼效率指標分為兩個廣泛的類別。第一個測量RAM、ROM的內存使用率和堆棧大小；第二個測量執行周期計數或速度。Embedded Coder在生成代碼后生成代碼指標報告，從而幫助軟件工程師分析和優化所生成代碼的內存占用率。此報告可根據源代碼的靜態分析和對目標硬件特性的了解(如整型字長)顯示各行代碼、全局RAM和堆棧大小。分析是靜態的，因為它并不考慮交叉編譯和代碼執行。這樣，工程師可以快速的根據源代碼優化內存使用率，例如，通過嘗試不同的數據類型或修改模型中的邏輯。但是，接下來的分析和優化階段將需要完整的嵌入式工具鏈來進行板上內存利用和執行時間評估，如下文中的可執行目標代碼評估中所述(圖1)。 
圖 1：靜態代碼指標報告 。 2. 代碼驗證 源代碼驗證很大程度上依賴于代碼審查和需求可追溯性分析。MathWorks的新產品Simulink Code Inspector可對生成的源代碼自動執行結構化分析并評估代碼是否符合詳細設計(low-level requirements)模型。該檢查可檢測每一行代碼在模型中是否都具有相應的元素或模塊。同樣，它還可以檢測模型中的元素以確定它們在結構上是否相當于生成代碼中的操作、運算符和數據。然后，它會生成詳細的模型到代碼和代碼到模型的可追溯性分析報告(圖2)。
圖 2：Simulink Code Inspector 報告。 其他源代碼驗證活動包括確保符合行業代碼標準(如MISRA AC AGC：有關在自動代碼生成過程中應用MISRA-C:2004的指南)。借助R2011a版，Embedded Coder允許開發人員基于MISRA-C標準影響代碼生成器的輸出。這樣MISRA-C分析工具就可以應用于代碼檢查。例如，Polyspace代碼驗證產品可分析MISRA AC AGC和MISRA-C:2004代碼。Polyspace還可檢測代碼是否具有除零和數組超出邊界條件等運行時錯誤。Simulink Code Inspector結合Polyspace，可用于處理DO-178表A5中的所有涉及源代碼分析的代碼驗證目標。最差情形執行時間等目標將需要使用可執行目標代碼以及如下所述的其它技術和工具(圖3)。
圖 3：MISRA-C:2004 代碼生成目標規格。 可執行目標代碼評估 1. 代碼效率 Simulink通過使用軟件在回路(SIL)和處理器在回路(PIL)測試進行評估分析來支持可執行目標代碼驗證。借助SIL測試，可對生成的代碼進行編譯并在主機上運行，以便使用Simulink作為測試裝置提供的測試數據進行代碼執行的快速評估。通過PIL測試，可將生成的代碼交叉編譯成可執行目標代碼(EOC)，并且在真正的飛行處理器或指令集模擬器上運行，同樣使用Simulink作為在環測試裝置。 對于任何使用可定制API和參考實現的嵌入式處理器的裸機或實時操作系統執行，Embedded Coder 都支持處理器在回路(PIL)測試。有這樣一個示例可供觀看和下載，這個示例中用到Green Hills MULTI IDE和用于Freescale MPC8620處理器的Integrity RTOS(圖4)。
圖 4：使用 PIL 測試驗證可執行目標代碼。 代碼特性執行報告在PIL測試過程中生成，用于評估瓶頸和優化設計，例如使用代碼替換技術，這項技術以單指令/多數據(SIMD)和Intel集成性能基元(IPP)優化代替默認的ANSI/ISO C自動生成代碼。MATLAB可基于代碼特性執行數據生成圖形，以便將來進行分析。DO-178和相關標準要求在復雜飛行硬件上驗證復雜飛行軟件，使PIL測試成為高完整性系統的關鍵驗證環節(圖5)。
圖 5：使用 MATLAB 對執行周期進行特性分析。 2. 代碼驗證 借助基于模型的設計，可將用于驗證模型的同樣基于需求的仿真測試用例重用于SIL和PIL測試。工程師可應用模型仿真中使用的相同輸入數據，然后使用Simulink Data Inspector工具將SIL和 PIL測試結果與模型仿真結果進行比較，以確定它們在數值上是否相等(圖6)。
圖 6：使用 Simulation Data Inspector 比較仿真和 PIL 測試結果。 DO-178B還需要進行軟件的結構覆蓋率分析，包括修正的判定覆蓋率(MC/DC)，以評估代碼在測試過程中是否完全被執行。模型覆蓋率分析是模型級的類似概念，它通過Simulink Verification and Validation工具實現，用于評估模型是否已完全測試。總的來說，模型和代碼覆蓋率分析可檢測設計、實現和測試中的潛在錯誤。Simulink Verification and Validation可提供模型覆蓋率分析功能。在R2011b版中，Embedded Coder與LDRA Testbed集成在一起，從而支持代碼覆蓋率分析和其他DO-178工作流程。 總之，基于模型的設計可實現自動生成既高效又能夠在模型、源代碼和可執行目標代碼級別輕松進行驗證的飛行代碼。通過將開發和驗證集中在Simulink模型和仿真測試用例上這種方式可以使模型和測試用例得到重用，并有助于滿足DO-178B和DO-178C軟件目標，這樣企業可極大地降低成本并縮短產品上市時間。集成和已發布的API可通過DO-178開發項目中使用的第三方工具實現整體解決方案。為補充這些軟件開發過程改進，Simulink在與MathWorks產品搭配使用以進行系統物理建模、硬件在環(HIL)測試和FPGA的HDL代碼生成時，通過其對系統工程和相關標準(例如，ARP 4754)以及硬件開發和相關標準(例如，DO-254)的支持提供了附加優勢。
圖 7：使用 Simulink 模型覆蓋率分析工具和 LDRA Testbed 測量模型和代碼覆蓋率。 |
