1. 课程导入
在智能手机、平板电脑、可穿戴设备与车载通信终端中，Wi-Fi、蓝牙、GNSS、蜂窝（LTE/5G NR）以及 NFC 等无线制式往往同时工作于同一台设备内部。天线间距小、射频前端共用、基带时钟邻近，使得各制式之间不可避免地产生射频共存干扰。当 Wi-Fi 2.4 GHz 与蓝牙同频段收发、LTE B40 与 Wi-Fi 2.4 GHz 邻频共存、GNSS 弱信号被蜂窝谐波抬底噪时，用户看到的可能是吞吐量骤降、音频断续、定位漂移或通话掉线。射频共存自动化回归测试，正是为这类跨制式、跨场景、跨版本的问题建立可重复、可量化、可追溯的验证体系。
一、学习目标：从“能测”到“测得准、测得快、测得稳”
本课程的学习目标不是简单记住几个测试用例，而是建立一套完整的工程能力。完成学习后，你应当能够：
- 理解共存机理：说清阻塞、邻道、谐波、互调、杂散等干扰路径，以及灵敏度、吞吐量、PER、EVM、底噪抬升等关键指标的变化规律。
- 设计测试方案：根据制式组合、频段关系、功率等级和业务场景，确定测试矩阵、判定门限与通过准则。
- 搭建自动化环境：使用综测仪、程控衰减器、屏蔽箱、GPIB/USB/TCP 接口与脚本框架，实现用例自动执行、数据自动采集。
- 分析回归结果：从日志、CSV、仪表读数中定位失败用例，区分被测件问题、环境问题与脚本问题。
- 持续集成落地：把共存回归接入 CI 流水线，实现版本迭代中的快速反馈与质量门禁。
二、核心价值：为什么必须做自动化回归
射频共存问题具有三个典型特征：偶发性强、场景依赖重、版本敏感度高。手工测试往往只能覆盖少数几个“点”，而共存干扰常常出现在特定功率、特定信道、特定业务负载的组合下。自动化回归的价值体现在四个层面：
- 覆盖度：把制式、频段、信道、带宽、功率、业务类型组合成矩阵，人工难以穷举，脚本可以批量执行。
- 一致性：同一套用例、同一套门限、同一套采集流程，避免不同测试人员操作差异带来的误判。
- 可追溯：每次运行的仪表读数、日志、判定结果都留档，便于版本间对比和问题回溯。
- 效率：夜间或提交后自动触发，把数小时的手工操作压缩为无人值守的批量任务。
下面这张图展示了射频共存自动化回归测试的整体知识框架：从被测对象与干扰场景出发，经过测试环境、用例设计、自动执行、数据判定，最终回到问题定位与持续集成，形成闭环。
三、方法流程：一次完整回归的六个阶段
把自动化回归拆开看，它并不是“写个脚本跑一遍”，而是一条有输入、有处理、有输出的工程链路。典型流程如下：
| 阶段 | 主要工作 | 关键输出 |
|---|---|---|
| 需求与场景梳理 | 确定制式组合、频段关系、业务类型与优先级 | 共存场景清单 |
| 测试矩阵设计 | 把信道、带宽、功率、负载组合成可执行用例 | 用例表与门限表 |
| 环境搭建与校准 | 连接仪表、衰减器、屏蔽箱，校准线损与功率 | 环境配置文件 |
| 脚本开发与调试 | 实现仪表控制、场景切换、数据采集与判定 | 自动化脚本 |
| 批量执行与监控 | 按计划运行，记录日志、异常与重试 | 原始数据与日志 |
| 结果分析与归档 | 对比门限、定位失败、生成报告并入库 | 回归报告与趋势数据 |
四、案例场景：从一次 Wi-Fi 吞吐量骤降说起
某项目在版本升级后，用户反馈“连接蓝牙耳机时 Wi-Fi 下载变慢”。手工测试在实验室单点复现困难，因为需要同时满足：蓝牙处于 A2DP 播放、Wi-Fi 处于 2.4 GHz 信道 6、两者天线距离固定、且 LTE B40 同时上行。自动化回归的做法是：
场景编号: COEX-WIFI-BT-LTE-014
制式组合: Wi-Fi 2.4G CH6 + BT A2DP + LTE B40 上行
测试步骤:
1. 建立 Wi-Fi 下行 iperf 业务，记录基线吞吐量
2. 开启蓝牙 A2DP 播放，稳定 30 秒
3. 触发 LTE B40 上行满功率发射
4. 每 5 秒采集一次 Wi-Fi 吞吐量与 RSSI
判定门限:
Wi-Fi 吞吐量下降 <= 20% 且 无断流
结果:
版本 A: 下降 12%，通过
版本 B: 下降 47%，失败，需定位前端滤波与调度策略
这个案例说明：共存问题往往不是“能不能连”，而是“在特定组合下性能是否可接受”。自动化回归把这种组合固定下来，才能让版本间的差异暴露出来。
五、常见误区与复盘
- 误区一：只测单制式指标。 单制式灵敏度合格，不代表共存场景合格；共存要看的是干扰条件下的性能余量。
- 误区二：用例越多越好。 无优先级的全组合会拖慢回归周期，应按用户场景和风险等级分层。
- 误区三：只看通过率。 通过率掩盖了“临界通过”的隐患，应同时关注指标余量和版本趋势。
- 误区四：脚本写完就不维护。 仪表固件、被测件接口、测试环境都会变化，脚本需要版本管理和定期校准。
六、学习路径建议
本课程后续将沿着“原理—环境—用例—脚本—执行—分析—集成”的主线展开。建议的学习顺序是：先建立共存干扰的物理直觉，再熟悉仪表与测试环境，然后掌握用例设计和脚本框架，最后把回归接入持续集成。每学完一个模块，都尽量在自己的项目或实验环境中复现一个小场景，例如用一台综测仪加一个程控衰减器，完成一次 Wi-Fi 与蓝牙的共存对比测试。只有把知识落到可执行的测试动作上，自动化回归能力才真正属于你。