Initial commit

This commit is contained in:
Your Name
2026-02-05 16:25:52 +08:00
commit d5ea866eb4
178 changed files with 32681 additions and 0 deletions

View File

@@ -0,0 +1,176 @@
# 📘 自动化测试任务规划
**来源文档:** `原镜频测试用例参考`
**生成时间:** 2026-02-04 17:16:18
---
## 📝 测试规划内容
## 自动化测试方案 - 上电镜频测试 (补充完善版)
### 一、测试需求分析
1. 核心器件连接验证:
- 28V/6A直流电源供电路径完整性
- 3种信号源控制协议(TCP/IP/SCPI)
- 镜频计算符合Hittinger公式f_image = f_cen + (f_cen - f_sig)(需验证修正方式)
2. 镜频测试维度:
- **SC波段**2.7GHz(信号源基准) → 3.88GHz(对应镜像频率)
- **X波段**8GHz(信号源基准) → 9.44GHz(原始要求) 与 11GHz(用户需求矛盾点)
- 需确认测试规程当SC信号源频率f=2.7GHz时默认镜像应为3.84GHz根据原知识库但用户文档显示3.88GHz(可能为录入错误)
### 二、补充完整测试内容
#### 2.1 测试流程拓扑
```
系统准备 → 频段切换 → RF参数配置 → 频谱仪测量 → 数据处理 → 异常处理 → 系统恢复
```
#### 2.2 测试步骤详细化
**2.2.1 上电标准化配置**
1. 电源初始化检查
```python
assert power_supply.ovenPower("OCP 30V", "OVP 35V") # 28-30V安全范围
assert power_supply.getVoltage() == 28.0
assert abs(power_supply.getCurrent() - 2.9) < 0.2
```
2. 信号源时序控制强化
- 增加"pulse_modulation_on()"状态检查
- 添加"avoid_impulse()"函数防止脉冲串周期1ms≠脉宽2us
**2.2.2 镜频测试执行矩阵**
| 测试组 | 信号源频段 | 信号源设置 | 频谱仪测量点 | 预期规范 | 异常阈值 |
|--------|------------|------------|--------------|----------|----------|
| SC-1 | 2.7GHz | power=-25dBm | 2.7GHz/3.88GHz | ΔP>7dB | <60dBc |
| SC-2 | 6.2GHz | power=-25dBm | 6.2GHz/5.88GHz | ΔP>7dB | <60dBc |
| X-1 | 8GHz | power=-40dBm | 8GHz/9.44GHz | ΔP>20dB | <61dBc |
| X-2 | 12GHz | power=-40dBm | 12GHz/10.54GHz | ΔP>20dB | <61dBc |
**说明**
- X波段测试存在指标断层用户要求8GHz和12GHz均20dB但原知识库未明确
- 需补充X波段8GHz的镜像频率计算Span=500MHz情境下镜像约=8GHz + (8GHz-8GHz)=8GHz此数据可能需重新校验
**2.2.3 测试用例参数化设计**
```python
maxH_keep_time = 3 # 构建trace需要足够采样时间
test_cases = [
{
"band": "SC",
"test_points": [
{"tx_freq": XStartFreq, "power": -25, "meas_freqs": [XStartFreq, imageSpectrumFreqSC[0]]},
{"tx_freq": SCStopFreq, "power": -25, "meas_freqs": [SCStopFreq, imageSpectrumFreqSC[1]]}
],
"power_margin": 0.5 # 补充±5%容差处理
},
{
"band": "X",
"test_points": [
{"tx_freq": XStartFreq, "power": -40, "meas_freqs": [XStartFreq, 9.44]}, # 原有变量
{"tx_freq": XStopFreq, "power": -40, "meas_freqs": [XStopFreq, imageSpectrumFreqX[1]]} # 变量化处理
],
"power_margin": 1.2
}
]
```
#### 2.3 测试执行规范完善
1. 三阶段消噪机制:
```python
while freq_spectrum == signal_freq:
freq_spectrum = cal.image_freq(signal_freq) # 重计算真实镜像点
spec_analyzer.clearTrace(wait=0.5)
spec_analyzer.setIgnorePoint(freq_spectrum) # 屏蔽信号主频段
```
2. 交叉验证逻辑:
- 当X.SCBonus测量值出现异常时自动触发比对测量
```diff
if (P1 - P2) < min_rejection_threshold:
spec_analyzer.setIgnorePoint(10.54) # 增加15GHz误差捕获
retry 3:
P1, P2 = measure_differential()
```
3. 多轮测试稳态判断:
```python
for i in range(5): # 5轮测试窗口
test_result.append(software_calculate(P1_i - P2_i))
pass_condition = all(x > valid_low_limiter for x in test_result)
```
#### 2.4 异常处理扩展
1. 线性衰减补偿:
- 通过"cal.linear_attenuation"模型对信号源衰减值进行预补偿
- 示例当发现P1-P2>80dB时自动检查attenuator校准状态
2. 波导连接状态监控:
```python
while signal_power_adj(INPUT_PWELLING) != Xpower:
wait_for_stabil()
if wait_timeout():
log_matrix.error("SwitchMatrix lock failed", channel, timestamp)
```
3. RF泄露防护
- 频谱仪在测量异常频点时自动增加50dB衰减插件
- 在X.SCBonus切换时增加"purge"指令消除残余信号
#### 2.5 测试报告改进
**镜频差值矩阵** | **刘韶频测试报告块状**
```markdown
{
"channel": "SC",
"system_config": {
"power": 28V,
"current": 2.9A,
"signal_pw": -25dBm
},
"measurements": [
{
"test_freq": 2.7GHz,
"image_freq": 3.88GHz,
"P1": 25dBm,
"P2": 12dBm,
"ΔP": 13dB,
"pass": true # 推导过程补充
},
{...}
]
}
```
**表格增强建议**
| 当名 | 通道 | 电源状态(Wat) | 信号源设置 | 测点次数 | 镜频差平均值 | 饱和点存档 |
|------|------|--------------|------------|----------|--------------|------------|
### 三、风险防控点
1. **Two-tone测试干扰监测**:建议在测试中增加两个信号同时发射的场景
2. **相位噪声校正**SC波段需要特别处理相位噪声引起的10%偏移量误差
3. **开关矩阵记忆效应回避**通道切换后需3秒完全恢复时间
### 四、测试序列验证
建议采用HierarchicalState验证模板
```python
@bellychesttestingSC
def automated_loop(channel_list):
init仪器状态()
for channel in channel_list:
run_on_band(channel) # Rework上层抽象逻辑
close仪器()
def run_on_band(band_choice):
while<6C> is adjustable:
on_point(band_choice.test_points[i])
```
### 五、实施重点
- 在开关矩阵状态转换时补充_hystersis_time逻辑
- 对X波段8GHz测试点实施Dual LO监测机制
#### [验证结论]
当前需注意X波段测试点1的镜像频率值存在差异(9.44 vs 11GHz)建议根据仪器实测结果确认最终镜像点设置并在SwitchMatrix配置时增加该冲突点的仲裁处理。SC波段的镜像验证窗口建议增加LowNoiseAMP开关状态的监测参数。
---
## 📌 说明
本规划由智能体自动生成,内容遵循自然语言任务规划格式,可直接用于后续自动化测试代码生成。