随着集成电路的复杂度不断增大以及电路模块化设计方法的盛行,集成电路在设计和生产过程中产生了大量的未知位(X)。电路中X值的传播会严重影响整个测试过程的测试质量,X值的存在一方面降低了电路整体的测试覆盖率,另一方面也对测试响应压缩过程带了极大的挑战。为了解决上述X值对电路测试覆盖率的影响,本文主要从衡量X值对电路实际影响以及X值电路中ATPG算法的研究两个方面出发,对现有的问题进行了阐述,并给了创新性的解决方案,本文的主要贡献如下:(1)提出了一种单点X值输入灵敏度的预测方法。该方法将机器学习模型与现有的X值问题相结合,通过对电路和X值进行合理建模,分析电路中X值对测试过程实际造成的影响。先后使用了拓扑算法计算电路的各项基础结构参数,X传播路径分析进行电路区域划分,数据分析方法提取电路特征;最后利用随机森林模型对所有电路中得到的数据集进行训练和预测。与现有的预测方法相比,本文提出的预测方法对于单X值输入情况下总体预测准确率达到90.27%,提高14.69%,大型电路预测准确率达到93.32%,提高19.49%。(2)提出了一种多点X值输入灵敏度的预测方法。考虑实际情况中电路一般存在多个X值,该方法通过等效替代的思想对单点预测模型进行修正。假设电路中的多点X值输入可以通过单点X值输入的扇出得到,对电路中单点输入模型的特征进行修正,随机采样电路中多点X值输入的情况作为数据集。与现有方法相比,该方法对多点X值输入情况下平均预测准确率达到了 94.47%,增加21.71%。单个电路的预测结果最低为89.03%,最高为99.99%。(3)提出一种基于优化限制符号逻辑编码的X值ATPG算法。相比于现有的X值ATPG算法,本文提出的方法首先利用机器学习模型的预测能力,对电路中X值产生的影响进行了分析,合理地消除了电路中部分X值;其次,在使用限制符号逻辑编码之前,对电路中的X信号进行了预处理,提出重聚系数的概念,从重聚概率的角度进一步减少电路中X信号的编码工作,降低运行时间。实验结果表明,所有电路的测试覆盖率基本都在90%以上,在部分X值比率较高的情况下也能保持较高的测试覆盖率,与现有的QBF-ATPG算法相比,能够以极低的测试覆盖率代价达到数十倍的运行时间降低;与RSL-ATPG算法相比,在保持相同测试覆盖率的情况下达到接近40%左右的运行时间下降。