3、自动化测试框架概述：Python/RF测试常用库（pyvisa、scpi、pytest）、测试流程自动化与数据采集

射频测试自动化并非简单地将仪器操作录制回放，而是需要构建一个稳定、可扩展、可维护的软件框架。本章聚焦于Python生态下射频测试的核心技术栈，深入解析pyvisa与SCPI指令在仪器控制中的角色分工，探讨pytest如何驱动测试流程的组织与执行，并阐述数据采集与结构化存储的工程实践。我们将从框架的宏观架构出发，逐步拆解各库的职责边界，最终通过一个完整的自动化测试案例，串联起从仪器发现到报告生成的全链路。

3.1 核心原理：从硬件到应用的层次化抽象

射频测试自动化框架的设计核心在于分层抽象。底层是物理仪器，通过GPIB、USB、LAN或PXI等总线与计算机连接。直接操作这些总线协议极其复杂且不可移植，因此VISA（Virtual Instrument Software Architecture）层应运而生。pyvisa作为Python对VISA库的绑定，提供了统一的API来发现资源、打开会话、发送指令和读取数据。在VISA之上，SCPI（Standard Commands for Programmable Instruments）指令集定义了仪器功能的标准化文本命令，如:FREQ:CW 1GHz用于设置频率。测试应用层则利用pytest等测试框架组织用例，调用封装好的仪器驱动函数，完成测试逻辑、断言和数据记录。

这种分层架构带来了显著优势：更换硬件平台时，只需修改底层驱动适配；SCPI指令的标准化使得代码在不同品牌仪器间迁移成本降低；pytest的插件机制和夹具系统则让测试代码的复用性和可维护性大幅提升。理解这一层次关系，是构建健壮自动化框架的前提。

3.2 判断方法与操作流程：构建自动化测试的完整链路

在实际项目中，判断一个自动化框架是否成熟，可以从几个维度考量：可配置性（测试参数是否外部化）、可扩展性（能否轻松添加新仪器或新测试项）、数据可追溯性（每次测量的原始数据和环境信息是否完整记录）。操作流程通常遵循以下步骤：

1. 环境准备：安装Python环境、pyvisa库、VISA后端（如NI-VISA或pyvisa-py纯Python实现）。
2. 资源发现与验证：使用pyvisa.ResourceManager()列出所有可用仪器资源，确认连接正常。
3. 仪器驱动封装：为每类仪器创建一个Python类，将SCPI命令封装为方法，例如set_frequency(freq)、get_power()。
4. 测试用例设计：基于pytest编写测试函数，使用夹具（fixture）管理仪器实例的创建与销毁。
5. 数据采集与存储：在测试过程中，将测量值、时间戳、仪器配置等写入CSV或JSON文件，或存入SQLite数据库。
6. 报告生成：测试结束后，利用pytest-html或自定义模板生成包含图表和结论的测试报告。

import pyvisa
rm = pyvisa.ResourceManager()
# 通过资源字符串打开仪器
sa = rm.open_resource('TCPIP0::192.168.1.100::INSTR')
sa.timeout = 5000  # 设置超时5秒
# 发送SCPI指令配置仪器
sa.write(':FREQ:CENTER 2.4GHz')
sa.write(':BAND:RES 1MHz')
# 查询测量结果
power = sa.query(':MEAS:POW?')
print(f'Peak Power: {power} dBm')
sa.close()

3.3 案例拆解：Wi-Fi模块发射功率自动化测试

某通信模块生产线的测试需求是：在2.4GHz和5GHz频段下，验证Wi-Fi模块的发射功率是否符合规格（例如2.4GHz频段目标功率为16dBm±1.5dB）。测试环境包括一台信号分析仪（频谱仪）、一个可编程电源、一个GPIB转LAN控制器，以及被测设备（DUT）。初始现象是人工测试效率低，且记录数据容易出错。

关键输入参数：DUT的MAC地址、测试频点列表、目标功率范围、供电电压（3.3V）。约束条件：产线节拍要求每台测试时间不超过30秒，且需要自动判断PASS/FAIL。

分析判断过程：首先，我们使用pyvisa连接频谱仪和电源。通过SCPI指令控制电源输出3.3V，并读取电流值以确认DUT上电正常。然后，通过DUT的串口或Wi-Fi指令将其设置为连续发射模式（CW模式）。频谱仪设置为峰值检波，中心频率分别调至2.412GHz、2.437GHz等信道。每次测量后，读取功率值并与规格比较。

实际操作步骤：

1. 编写PowerSupply类，封装set_voltage()和get_current()方法。
2. 编写SpectrumAnalyzer类，封装set_freq()、set_rbw()和get_peak_power()方法。
3. 在pytest测试函数中，使用fixture初始化两个仪器实例，并确保测试结束后关闭连接。
4. 循环遍历频点列表，执行测量并断言功率值在16 - 1.5和16 + 1.5之间。
5. 将每个频点的测量结果追加到CSV文件，包含时间戳和DUT标识。

结果对比：自动化测试执行单个DUT的完整测试流程（包括上电、配置、测量、断电）耗时约25秒，与人工测试的2分钟相比，效率提升近5倍。且数据记录完整，无漏记或误记。

风险与代价：初期开发脚本耗时约2天，且需要处理仪器通信偶发超时问题。通过增加重试机制和详细的日志记录，最终将测试稳定性提升至99.8%。复盘经验：仪器驱动封装时，务必统一异常处理逻辑；数据采集时，应同时记录仪器状态和DUT配置，便于后期追溯。

3.4 常见误区与总结复盘

在射频测试自动化实践中，工程师常陷入以下误区：

• SCPI指令拼接错误：例如忘记在命令末尾添加换行符，或参数格式不正确（如频率单位缺失）。这会导致仪器返回错误或挂起。
• 忽视超时设置：某些测量（如扫频）耗时较长，若未设置合理的超时时间，程序会因读取超时而崩溃。
• 数据未结构化：仅将数据打印到控制台，未保存到文件或数据库，导致后续分析无从下手。
• 测试用例耦合度过高：所有测试逻辑写在一个函数中，缺乏模块化，一旦仪器更换，修改成本极高。

总结复盘：一个优秀的射频测试自动化框架，应当具备清晰的层次划分、完善的异常处理、结构化的数据存储以及灵活的配置管理。建议团队在项目初期投入时间设计仪器驱动基类，并制定统一的数据记录规范。同时，善用pytest的标记（mark）功能来分类测试用例（如冒烟测试、全量测试），结合CI/CD流水线实现持续集成。通过不断迭代和积累，自动化框架才能真正成为提升射频产品测试效率与质量的核心工具。