1. 课程导入与全景认知
射频（RF）产品的研发与量产，正面临一个越来越尖锐的矛盾：被测对象越来越复杂（多频段、多通道、MIMO、毫米波、宽带调制），而市场留给测试的时间窗口却越来越短。传统"手动调仪器、手动记数据、手动写报告"的方式，在单次测量上或许还能应付，一旦进入需要重复成百上千次的场景——比如功率扫描、频响校准、温度循环、批量一致性抽检——人力就会立刻成为瓶颈，而且人为记录带来的误差与不可追溯性，往往比测试本身更致命。
这正是本课程要解决的核心问题：如何用 Keysight 的射频测试仪器与软件生态，把"测量"从一次性的手工动作，变成可编程、可复用、可追溯、可分析的自动化数据流。
一、核心价值：从"测得到"到"测得准、测得快、说得清"
射频测试自动化的价值可以拆成三个层次来理解，它们对应着不同的痛点：
- 效率层：把重复性操作交给程序。例如一次 S 参数扫描，手动需要逐点设置频率、等待稳定、读取数值，而通过 SCPI 指令或 Python 脚本，可以在几秒内完成 201 个频点的采集，并自动保存为 CSV 或 Touchstone 文件。
- 质量层：消除人为读数与记录误差。仪器返回的是原始数值，脚本直接落盘，避免了"看错刻度、抄错小数点、漏记单位"这类低级但高频的错误。
- 洞察层：数据管理让测量结果可被批量分析。当你有 500 组 DUT 的增益、噪声系数、EVM 数据时，只有结构化存储才能快速画出分布直方图、找出异常批次、定位工艺漂移。
换句话说，自动化解决"手脚"的问题，数据管理解决"记忆和判断"的问题，两者合起来才构成完整的测试能力。
二、典型应用场景
本课程覆盖的场景并非抽象概念，而是射频工程师日常真实面对的任务。下面这张图给出了从"被测对象"到"数据结论"的典型链路，它也是理解后续各章节技术栈的骨架：
图中这条链路——被测对象 → 仪器 → 自动化控制 → 数据管理 → 结论——就是本课程的整体技术栈。后续每一章都会聚焦其中某一段，但始终不要忘记它服务于整条链路。
三、整体技术栈的四个层次
把上面的链路展开，可以更清楚地看到需要掌握的具体技能：
| 层次 | 关键内容 | 典型工具/接口 | 学习重点 |
|---|---|---|---|
| 仪器层 | VNA、信号源、频谱仪、功率计的基本操作与远程控制能力 | Keysight PNA / MXG / N9020B 等 | 理解仪器前面板操作与 SCPI 指令的对应关系 |
| 连接层 | 物理接口与通信协议 | LAN、USB-TMC、GPIB、VISA 地址 | 能正确识别仪器地址并建立稳定连接 |
| 控制层 | 用程序驱动仪器完成测量序列 | Python + PyVISA、SCPI、PathWave | 会写循环、会读返回值、会处理超时与错误 |
| 数据层 | 测量数据的存储、清洗、分析与可视化 | CSV、Touchstone、Pandas、数据库 | 能设计合理的文件命名与字段结构，便于批量分析 |
需要强调的是，这四个层次不是"学完一个再学下一个"的严格串行关系。更高效的方式是：先建立连接、跑通一次最简单的测量（比如读取一个频率点的功率值），再逐步扩展到扫描、多仪器协同、数据落盘与分析。本课程的学习路径正是按这个思路设计的。
四、一个最小可运行的示例：先跑通一次远程测量
在深入任何复杂内容之前，先看一个能立刻验证"自动化链路是否打通"的最小示例。假设你有一台 Keysight 信号发生器，通过 LAN 连接，IP 为 192.168.1.50，你想设置它输出 1 GHz、-10 dBm 的连续波信号：
import pyvisa
rm = pyvisa.ResourceManager()
# 建立连接（VISA 地址格式：TCPIP0::IP::inst0::INSTR）
sig_gen = rm.open_resource("TCPIP0::192.168.1.50::inst0::INSTR")
sig_gen.timeout = 5000 # 单位 ms
# 查询仪器身份，确认连接正确
print(sig_gen.query("*IDN?"))
# 设置频率与功率
sig_gen.write(":FREQ 1GHz")
sig_gen.write(":POW -10dBm")
sig_gen.write(":OUTP ON")
# 回读确认
print("频率:", sig_gen.query(":FREQ?"))
print("功率:", sig_gen.query(":POW?"))
这段代码的价值不在于它有多复杂，而在于它验证了三件事：VISA 地址是否正确、SCPI 指令是否被仪器接受、回读值是否与设定值一致。如果 *IDN? 返回了仪器型号，说明连接层通了；如果回读频率显示 1.000000E+09，说明控制层生效了。后续所有复杂的自动化测试，本质上都是在这个骨架上叠加循环、判断、多仪器协同和数据存储。
*IDN? 超时，优先检查三件事：仪器 IP 是否可达（ping 测试）、VISA 地址格式是否正确、仪器是否被其他软件占用（如 Keysight Connection Expert 中是否显示为可用状态）。
五、学习路径建议
基于上述技术栈，建议按以下顺序推进，每一步都尽量动手验证：
- 打通连接：用 Connection Expert 或 PyVISA 识别至少一台仪器，能读到
*IDN?。 - 单仪器控制：完成一次频率/功率设置与回读，理解 SCPI 的"写指令"与"查询指令"的区别。
- 扫描与循环：用 for 循环完成多频点或多功率点的采集，把结果存入列表。
- 数据落盘：将结果写入 CSV，字段包含时间戳、DUT 编号、频率、测量值、单位。
- 多仪器协同：让信号源与频谱仪配合，完成一次完整的增益或杂散测量。
- 数据分析：用 Pandas 读取多组数据，计算均值、标准差，绘制趋势图，识别异常点。
这六步并不要求一次全部掌握，但它们构成了从"会手动操作仪器"到"能构建自动化测试系统"的完整过渡。本课程后续章节会逐一展开每一步中的关键细节、常见陷阱和工程化写法。