📚 课程目录第4章自动化脚本入门

4. 自动化脚本入门

射频芯片验证工作长期面临“手动操作仪器、逐点记录数据、事后整理报告”的困境。当面对多频点、多功率、多温度条件下的S参数、增益、噪声系数测试时，手动方式不仅效率低下，还容易引入人为读数误差。Python凭借其丰富的科学计算库、仪器控制库和测试框架，正在成为射频验证自动化领域的首选语言。本章将聚焦Python在射频验证中的定位，详细讲解Anaconda环境搭建、PyVISA仪器控制库与pytest测试框架的配合方式，并通过一个完整的频谱仪测量脚本，帮助学员建立从“手动测试”到“脚本化测试”的思维转变。

4.1 Python在射频验证中的角色定位

在射频芯片验证实验室中，Python并非要替代专业测试软件（如Keysight BenchVue或是德科技的PathWave），而是作为“胶水语言”将仪器控制、数据处理、结果判定和报告生成串联起来。其核心价值体现在三个层面：第一，自动化执行重复性测试序列，例如在2GHz至6GHz频段内以100MHz步进扫描100个频点的增益测试，手动操作需要约40分钟，而脚本化执行可在5分钟内完成；第二，实现数据的结构化存储与实时分析，Python的NumPy和Pandas库能够直接对仪器返回的ASCII或二进制数据进行向量化运算，无需人工转录到Excel；第三，构建可复用的测试资产，通过pytest的fixture机制和参数化功能，同一套测试代码可以适配不同型号的仪器和不同规格的芯片。

对比维度	手动测试	Python脚本化测试
测试效率（100频点）	约40-60分钟	约5-10分钟
数据记录方式	人工抄录或截图	自动保存CSV/Excel
可重复性	受操作员状态影响	完全一致，参数可配置
错误率	高（读数、记录错误）	极低（程序逻辑保证）
报告生成	手动整理图表	自动生成带判定结果的报告

4.2 环境搭建：Anaconda、PyVISA与pytest

搭建Python射频验证环境时，推荐使用Anaconda发行版，因为它预装了NumPy、SciPy、Matplotlib等科学计算核心库，并提供了便捷的虚拟环境管理功能。射频验证项目通常需要隔离不同版本的依赖，例如某个旧仪器驱动可能只兼容PyVISA 1.9，而新项目需要PyVISA 1.13，通过conda创建独立环境可以避免冲突。

环境搭建操作流程：

安装Anaconda（Python 3.9+版本），安装时勾选“Add Anaconda to my PATH”选项（Windows用户需注意）。
创建并激活虚拟环境：conda create -n rf_test python=3.9，然后执行conda activate rf_test。
安装PyVISA库：pip install pyvisa pyvisa-py。其中pyvisa-py是纯Python后端，适用于USB-TMC和TCPIP连接；如果使用GPIB接口，还需安装linux-gpib或pyvisa-py的GPIB支持。
安装pytest框架：pip install pytest pytest-html，pytest-html用于生成HTML格式的测试报告。
安装NI-VISA运行时（推荐）：从NI官网下载并安装NI-VISA，它提供了更稳定的GPIB和VXI-11支持，PyVISA会自动检测到系统VISA库。

验证环境是否配置成功，可以在Python交互环境中执行以下代码：

import pyvisa
rm = pyvisa.ResourceManager()
print(rm.list_resources())
# 预期输出示例：('USB0::0x0957::0x2A01::MY52301234::INSTR',)

如果能够列出仪器资源列表，说明PyVISA已经正确识别到VISA后端和已连接的仪器。对于射频验证，最常见的仪器连接方式是LAN（VXI-11或HiSLIP协议）和USB-TMC，这两种方式在PyVISA中均通过资源字符串进行寻址。

4.3 第一个自动化测试脚本：频谱仪峰值测量

下面通过一个实际案例来演示完整的自动化测试流程。假设我们需要验证一款射频放大器在3.5GHz中心频率、-10dBm输入功率下的输出峰值功率和频谱纯度。测试仪器为Keysight N9020A信号分析仪，通过LAN连接，IP地址为192.168.1.100。

测试目标：测量放大器在3.5GHz处的输出功率，并检查是否存在异常杂散（偏离中心频率超过10MHz且幅度大于-30dBm的信号）。

脚本设计思路：使用pytest组织测试用例，通过fixture管理仪器连接和关闭，利用PyVISA发送SCPI指令配置频谱仪并读取迹线数据，最后用NumPy进行峰值搜索和杂散判断。

import pyvisa
import numpy as np
import pytest

# 仪器地址常量
INSTR_ADDR = 'TCPIP0::192.168.1.100::INSTR'

@pytest.fixture(scope='module')
def spectrum_analyzer():
    """连接频谱仪并配置基本参数"""
    rm = pyvisa.ResourceManager()
    sa = rm.open_resource(INSTR_ADDR)
    sa.timeout = 10000  # 10秒超时
    # 重置仪器并清空状态
    sa.write('*RST')
    sa.write('*CLS')
    # 配置中心频率、span、RBW
    sa.write(':FREQ:CENTER 3.5GHz')
    sa.write(':FREQ:SPAN 100MHz')
    sa.write(':BAND:RES 1MHz')
    sa.write(':BAND:VID 3MHz')
    # 设置参考电平和衰减
    sa.write(':DISP:WIND:TRAC:Y:RLEV 10dBm')
    sa.write(':POW:ATT 10dB')
    yield sa
    sa.close()
    rm.close()

def test_output_power_and_spurious(spectrum_analyzer):
    sa = spectrum_analyzer
    # 触发单次扫描并等待完成
    sa.write(':INIT:CONT OFF')
    sa.write(':INIT')
    sa.query('*OPC?')  # 等待操作完成
    # 读取迹线数据
    trace_data = sa.query_ascii_values(':TRAC:DATA? TRACE1')
    # 转换为numpy数组，单位为dBm
    power_db = np.array(trace_data)
    # 计算频率轴
    center_freq = 3.5e9
    span = 100e6
    num_points = len(power_db)
    freq_axis = np.linspace(center_freq - span/2, center_freq + span/2, num_points)
    # 查找峰值功率
    peak_idx = np.argmax(power_db)
    peak_freq = freq_axis[peak_idx]
    peak_power = power_db[peak_idx]
    # 断言峰值功率在期望范围内（例如 0±1dBm）
    assert 0 - 1 <= peak_power <= 0 + 1, f"峰值功率 {peak_power:.2f}dBm 超出范围"
    # 杂散检测：排除中心频率±10MHz内的信号
    mask = np.abs(freq_axis - center_freq) > 10e6
    spurious_power = power_db[mask]
    max_spurious = np.max(spurious_power) if spurious_power.size > 0 else -999
    # 断言杂散小于-30dBm
    assert max_spurious < -30, f"杂散信号过强: {max_spurious:.2f}dBm"
    # 打印测试结果
    print(f"峰值功率: {peak_power:.2f}dBm @ {peak_freq/1e9:.4f}GHz")
    print(f"最大杂散: {max_spurious:.2f}dBm")

运行测试命令：pytest test_amp_verify.py -v --html=report.html。pytest会自动发现以test_开头的函数并执行，测试结果会输出到控制台和HTML报告中。如果断言失败，pytest会显示具体的失败原因和期望值，方便定位问题。

实战经验：在编写射频测试脚本时，务必注意SCPI命令的仪器兼容性。不同厂商（Keysight、Rohde & Schwarz、Anritsu）的SCPI命令集存在差异，例如Keysight使用:FREQ:CENTER，而R&S使用:FREQ:CENT。建议在脚本中封装一层仪器驱动抽象，将常用操作（设置中心频率、读取迹线）封装为独立函数，便于适配不同仪器。

4.4 常见误区与调试技巧

在射频验证脚本开发过程中，初学者常遇到以下几类问题：第一，仪器连接超时。这通常是因为IP地址错误、仪器未开启VISA服务或防火墙拦截。排查方法是先用NI-MAX或Keysight Connection Expert软件手动连接仪器，确认通信正常后再运行Python脚本。第二，SCPI命令格式错误。射频仪器对命令语法非常敏感，例如漏掉冒号、单位写错（GHz写成GHZ）都会导致错误。建议使用sa.query('*IDN?')先验证通信，再逐条发送配置命令。第三，迹线数据解析错误。某些仪器返回的数据格式为“dBm”带单位，而query_ascii_values默认期望纯数值，此时需要设置sa.values_format或使用sa.query_binary_values读取二进制数据。

风险提醒：在自动化测试中，仪器状态管理至关重要。如果脚本在测试中途崩溃，仪器可能停留在“扫描等待”状态，导致后续测试无法进行。建议在fixture的teardown部分添加仪器复位命令（*RST），并设置合理的超时时间（通常10-30秒）。另外，对于功率测量，务必先设置好参考电平和衰减，避免输入过载损坏仪器前端。

调试射频测试脚本时，推荐使用“分步验证”策略：先单独测试仪器连接和基本通信，再逐步增加配置命令，最后才加入数据解析和断言逻辑。利用pytest的-s选项可以显示print输出，方便观察中间变量值。对于复杂的迹线数据，可以先将原始数据保存到CSV文件，用Excel或Matplotlib可视化检查，确认数据格式正确后再进行自动化断言。