4. 射频测试仪器控制与自动化框架

在射频测试中，手动操作频谱仪、信号源、矢量网络分析仪不仅效率低，而且难以保证每次测量条件完全一致。自动化测试的核心，是把“仪器设置—激励施加—数据采集—结果判定”这一链路交给程序控制。本节围绕 SCPI 协议、Python/PyVISA 仪器控制、ADI 评估软件（ACE、IIO Oscilloscope）的自动化调用，以及测试脚本结构设计展开，目标是让读者能够搭建一条可复现、可扩展的射频自动化测试链路。

SCPI 协议：仪器控制的通用语言

SCPI（Standard Commands for Programmable Instruments）是建立在 IEEE 488.2 之上的仪器命令标准，它规定了命令的语法、数据格式和状态报告机制。SCPI 命令分为两类：以星号开头的公共命令（如 *IDN?、*RST、*OPC?）用于识别、复位和同步；以功能关键字开头的子系统命令（如 FREQ:CENT 2.4GHz、POW:AMPL -10dBm、CALC:MARK1:Y?）用于具体测量设置与读取。

SCPI 命令的书写有两条关键规则：一是命令树层级用冒号分隔，二是查询命令以问号结尾。例如设置中心频率为 2.4 GHz 并读取标记点幅度，典型序列为：

*RST
FREQ:CENT 2.4e9
FREQ:SPAN 100e6
CALC:MARK1:MAX
CALC:MARK1:Y?

返回的数据通常是 ASCII 字符串，如 -12.34，单位由当前仪器设置决定。需要注意的是，SCPI 命令本身不包含单位换算，程序必须根据仪器返回的数值和已知设置进行解释。对于高速采集，应优先使用二进制传输格式（如 FORM:DATA REAL,32），避免 ASCII 转换带来的额外开销。

Python/PyVISA：从命令到可执行脚本

PyVISA 是 Python 对 VISA（Virtual Instrument Software Architecture）库的封装，它屏蔽了 GPIB、USB、TCP/IP、串口等底层差异，让同一段代码可以控制不同接口的仪器。使用前需安装 NI-VISA 或 Keysight IO Libraries 作为后端，再通过 pip install pyvisa 安装 Python 包。

一个最小可用的连接与查询示例如下：

import pyvisa

rm = pyvisa.ResourceManager()
inst = rm.open_resource('TCPIP0::192.168.1.100::INSTR')
inst.timeout = 5000

print(inst.query('*IDN?'))
inst.write('FREQ:CENT 2.4e9')
inst.write('FREQ:SPAN 100e6')
inst.write('CALC:MARK1:MAX')
peak = float(inst.query('CALC:MARK1:Y?'))
print(f'Peak: {peak:.2f} dBm')
inst.close()

这里有几个工程上容易踩坑的点。第一，write 用于只写命令，query 用于写后读，混用会导致超时或数据错位。第二，timeout 必须根据测量类型设置，频谱扫描可能耗时数百毫秒，而 *OPC? 同步等待可以避免盲目延时。第三，资源地址字符串必须与仪器实际接口一致，TCP/IP 仪器通常使用 TCPIP0::IP::INSTR 格式。

ADI 评估软件的自动化调用

ADI 的 ACE（Analysis, Control, Evaluation）和 IIO Oscilloscope 是评估射频收发器、ADC/DAC 和时钟芯片的常用工具。ACE 提供图形化寄存器配置和板级控制，IIO Oscilloscope 则面向 Linux IIO 框架下的数据采集与频谱显示。两者都支持一定程度的脚本化：ACE 可通过其插件接口或导出的寄存器配置文件实现批量加载；IIO Oscilloscope 底层依赖 libiio，可通过 Python 的 iio 模块直接访问设备上下文。

以 IIO 设备为例，使用 Python 读取 ADC 采样数据的典型流程是：扫描上下文、查找设备、配置通道、创建缓冲区、读取数据块。示例代码如下：

import iio
import numpy as np

ctx = iio.Context('ip:192.168.1.50')
dev = ctx.find_device('cf-ad9361-lpc')
for ch in dev.channels:
    ch.enabled = True

buf = iio.Buffer(dev, 4096, cyclic=False)
buf.refill()
data = np.frombuffer(buf.read(), dtype=np.int16)
print(data[:8])

这段代码读取的是原始 I/Q 交织数据，后续需要根据采样率和通道顺序进行拆分与频谱分析。ACE 的自动化则更多体现在寄存器配置层面：将 ACE 中调试好的配置导出为脚本或 CSV，再通过 Python 调用相应的 DLL 或命令行工具批量写入，可以避免每次上电后重复手工点击。

测试脚本结构设计

一个可维护的射频自动化测试脚本，通常分为四层：仪器抽象层、测试用例层、数据层和报告层。仪器抽象层把每台仪器的 SCPI 命令封装成方法，例如 set_frequency()、read_marker()；测试用例层描述“测什么、在什么条件下测、判定门限是多少”；数据层负责原始数据、校准数据和结果数据的存储；报告层生成 CSV、JSON 或 HTML 结果。

下面是一个简化的测试脚本骨架，用于测量某射频前端在 2.4 GHz 处的增益：

class SignalGenerator:
    def __init__(self, inst):
        self.inst = inst
    def set_cw(self, freq_hz, power_dbm):
        self.inst.write(f'FREQ {freq_hz}')
        self.inst.write(f'POW {power_dbm}')
        self.inst.write('OUTP ON')

class SpectrumAnalyzer:
    def __init__(self, inst):
        self.inst = inst
    def measure_peak(self, freq_hz):
        self.inst.write(f'FREQ:CENT {freq_hz}')
        self.inst.write('CALC:MARK1:MAX')
        return float(self.inst.query('CALC:MARK1:Y?'))

def test_gain(sg, sa, freq_hz, input_dbm):
    sg.set_cw(freq_hz, input_dbm)
    output_dbm = sa.measure_peak(freq_hz)
    return output_dbm - input_dbm

这个骨架的关键在于：仪器对象只暴露业务方法，测试函数只关心输入输出和判定，不直接拼接 SCPI 字符串。这样当仪器型号更换时，只需替换抽象层实现，测试逻辑不受影响。

在实际项目中，建议把仪器地址、超时时间、校准因子等放入独立的配置文件（如 YAML 或 JSON），脚本启动时加载。这样同一套测试逻辑可以在不同工位、不同仪器组合上运行，只需切换配置文件。对于需要长时间运行的测试，还应在脚本中加入异常重试和日志记录，确保单次通信失败不会导致整个测试中断。