3. 自动化回归测试概述
在射频共存测试中，产品一旦进入多轮迭代阶段，测试用例会迅速膨胀：Wi-Fi 2.4 GHz 与蓝牙共存、LTE B40 与 Wi-Fi 2.4 GHz 邻频、5G NR n78 与 Wi-Fi 5 GHz 带间干扰、GPS 与 LTE 谐波共存等场景，往往需要组合不同信道、功率等级、业务模型和天线配置。若每次都依赖人工重复执行，测试效率和一致性都难以保证。自动化回归测试正是为解决这一问题而出现的工程实践。
3.1 定义与核心原理
自动化回归测试，是指将已经验证过的测试用例通过脚本、测试框架或专用测试平台自动执行，并在每次软件、固件、硬件或配置变更后重新运行，以确认原有功能与性能没有被破坏。其核心原理可以概括为三点：
- 用例资产化：把测试意图、测试步骤、判定条件固化为可重复执行的脚本或配置，而不是停留在测试人员记忆中。
- 执行可重复：通过统一的仪表控制、信道配置、功率设置和判定逻辑，减少人为操作差异。
- 结果可追溯：每次运行都产生日志、指标和判定结果，便于对比历史版本、定位回归点。
在射频领域，自动化回归测试不仅是“跑脚本”，还涉及频谱仪、信号源、综测仪、屏蔽箱、射频开关矩阵等仪表的程控，以及被测设备（DUT）的射频链路切换。因此，它更接近一套“测试系统集成 + 用例管理 + 数据分析”的工程体系。
3.2 目的与适用场景
自动化回归测试的主要目的不是替代探索性测试，而是守住已有基线。具体包括：
- 验证新版本是否引入射频指标退化，例如灵敏度下降、EVM 恶化、邻道泄漏比变差。
- 验证共存场景下的吞吐量、丢包率、时延是否仍满足门限。
- 缩短回归周期，把原本数天的手工测试压缩到数小时甚至数十分钟。
- 为持续集成提供可量化的质量门禁，例如每次提交后自动跑核心共存用例集。
适用场景通常具备以下特征：用例稳定、判定明确、重复频率高、仪表可程控、测试环境相对固定。例如：
- Wi-Fi/BT/LTE/5G 多制式共存矩阵测试；
- 不同信道、带宽、MCS、功率等级的组合扫描；
- 射频指标一致性回归，如发射功率、频率误差、接收灵敏度；
- 软件版本升级后的快速冒烟与回归。
3.3 与手工测试的对比
自动化回归测试与手工测试并非对立关系，而是分工不同。手工测试擅长发现新问题、边界异常和体验类缺陷；自动化回归测试擅长稳定重复、批量执行和数据对比。下表从多个维度进行对比：
| 对比维度 | 手工测试 | 自动化回归测试 |
|---|---|---|
| 执行速度 | 慢，受人员操作限制 | 快，可并行、可夜间执行 |
| 一致性 | 易受操作习惯影响 | 步骤固定，重复性好 |
| 初期成本 | 低，可快速开始 | 高，需要框架、仪表程控和脚本开发 |
| 长期成本 | 随用例增加线性上升 | 维护得当则边际成本低 |
| 适用阶段 | 探索性、易变性、主观性测试 | 稳定用例、重复回归、批量组合 |
| 结果呈现 | 依赖人工记录 | 自动生成日志、曲线和报告 |
在射频共存测试中，手工测试往往需要工程师反复切换信道、调整衰减、记录吞吐量，容易在长时间测试中产生疲劳误差。自动化则可以把这些重复动作交给程序，让工程师把精力放在异常分析和标准制定上。
3.4 射频领域的特殊意义
射频共存测试的复杂度远高于普通功能测试。它同时涉及空间隔离、滤波器抑制、谐波、互调、阻塞、邻频泄漏等机理，任何一个参数变化都可能改变共存结论。自动化回归测试在射频领域的意义主要体现在：
- 覆盖组合爆炸：多制式、多信道、多带宽、多功率等级的组合数量巨大，人工无法穷举，自动化可以按矩阵扫描。
- 捕捉偶发问题：共存干扰常表现为概率性丢包或吞吐量波动，自动化可长时间重复运行并统计分布。
- 支撑版本对比：通过固定测试条件，自动对比新旧版本的灵敏度、吞吐量、EVM 等指标，快速定位退化点。
- 沉淀测试资产：把共存场景、仪表配置、判定门限固化为可复用资产，降低对个人经验的依赖。
3.5 方法流程与案例
一个典型的射频共存自动化回归流程如下：
- 确定回归范围：选择核心共存场景和关键射频指标。
- 搭建测试环境：DUT、综测仪、频谱仪、信号源、屏蔽箱、射频开关矩阵。
- 开发测试脚本：封装仪表控制、信道配置、功率设置、数据采集和判定逻辑。
- 执行与监控：按用例集运行，记录日志和原始数据。
- 结果分析：对比基线，输出通过率、退化项和异常曲线。
- 持续优化：根据失败原因修正脚本、门限或环境配置。
例如，某项目需要验证 Wi-Fi 2.4 GHz 与蓝牙共存时的吞吐量。自动化脚本可以按以下伪代码组织：
for channel in [1, 6, 11]:
for bt_mode in ["idle", "A2DP", "HFP"]:
set_wifi_channel(channel)
set_bt_mode(bt_mode)
set_interference_power(-60, -50, -40)
start_traffic(duration=60s)
result = measure_throughput()
assert result >= threshold[bt_mode]
log(channel, bt_mode, result)
运行后，系统自动生成各信道、各蓝牙模式下的吞吐量曲线。若发现 CH6 在 A2DP 模式下吞吐量从 85 Mbps 降至 42 Mbps，即可快速定位为回归问题，并进一步分析是滤波器抑制不足还是天线隔离度变化。
3.6 常见误区与复盘
在推进自动化回归测试时，团队常陷入以下误区：
- 追求 100% 自动化：把所有手工用例都脚本化，导致维护成本失控。应优先自动化高频、稳定、判定明确的用例。
- 忽视环境一致性：屏蔽箱、线损、衰减器、天线位置变化都会影响结果。自动化必须配套环境校准和线损补偿。
- 只看通过率：通过率不能反映指标退化趋势。应同时记录原始数据和历史曲线。
- 脚本缺乏可维护性：仪表地址、信道、门限硬编码，导致换环境即失败。应参数化配置并版本管理。
- 把自动化当一次性项目：自动化回归测试需要持续维护，用例、门限、仪表驱动都要随产品演进更新。
复盘时建议关注三个指标：回归执行时长、失败用例中真实缺陷占比、脚本维护工时占比。若维护工时持续高于执行收益，说明自动化范围或抽象层次需要调整。只有把自动化回归测试当作长期工程资产来经营，它才能在射频共存项目中持续发挥价值。