随着集成电路设计与制造技术的快速进步,目前单颗芯片上集成的晶体管数量已有百亿之多,集成电路的复杂度和规模大大提高。随之而来的是测试数据量的不断增加和电路功能复杂度的不断提高,这直接导致了测试效率的降低和测试难度的增大。随着测试数据的日益增加,对自动测试设备的存储性能、I/O通道数、频率等有了更高的要求,同时以往的测试方案已经不能适应更加复杂的电路结构。这些问题直接导致了测试成本的提高,因此对于集成电路测试方法的研究具有重要的理论和实用价值。本文第一章介绍了提高测试效率的几种方法,以及自适应测试方法的相关背景和国内外研究近况,对比了几种常见的自适应测试方法。第二章从自适应测试方法当中的测试向量排序问题着手,针对测试数据过大、测试效率低下等问题进行了研究与分析,提出了一种基于伽马分布的测试向量重排序算法,对每条测试向量命中故障的概率建立基于伽马分布的概率模型。测试时,收集测试数据加入样本空间中,动态更新概率模型参数,同步更新测试向量的排序,排序后的测试集具有更高的测试性能。第三章在测试向量排序的基础上结合测试类型排序,进一步研究了测试向量和测试类型排序对测试效率的影响,提出了一种集成电路分级动态调整方法,通过统计从测试设备中收集的故障检测数据,建立贝叶斯概率模型,计算每条测试向量命中故障点数量大于0时的概率,根据命中故障的概率高低对测试类型以及测试向量进行分级动态优先级排序,使用改进后的测试流程进行测试可以有效降低故障电路的测试时间。使用本文两种方法在ISCAS 89和ITC99标准电路上进行仿真实验,最终实验结果表明,提出的两种方法可以有效缩短故障电路的测试时间。对实际集成电路进行的实验结果表明,提出的两种方法同时适用于数字电路和模拟电路,具有较强的通用性。且不会增加硬件成本,可以与传统的测试方法相结合。