浅谈电子测试测量中的人工智能应用

最近一年，ChatGPT等大模型犹如热浪铺面而来，迅速爆火全球，掀起了人工智能应用的一波浪潮。另一方面，谈起通信领域的电子测试测量，大家印象中似乎还是依赖传统的人工经验，基于各种仪表对性能指标进行分析，跟人工智能关联不上。实际上在这个领域，也有不少的人工智能应用空间，接下来我们就跟大家聊一聊这方面的内容。

一 首先我们分析一下目前电子测试测量遇到的一些挑战：

1、被测终端支持的协议越来越多

以华为的Mate60手机为例，需要支持4G，5G，蓝牙，Wi-Fi, NFC，GPS/北斗通信,USB等多种协议。另外，随着标准版本的迭代升级，协议也在持续更新，变得越来越复杂。在测试仪表（例如综测仪）与被测终端的信令交互过程中，对于所出现的问题排查起来变得异常困难，经常需要工程师对庞大的日志进行分析，定位问题。

2、协议标准复杂，难以理解

3GPP的无线协议非常复杂，涉及大量的技术原理。很多时候为了弄明白一个小的技术问题，工程师需要长时间地查阅规范和相关书籍，耗时耗力。

3、被测终端自身的人工智能应用尚无测试规范和体系

随着半导体技术的发展，终端的数据处理能力越来越强，具备了人工智能(AI)应用的基础。但是关于AI算法或者模块，如何验证其性能，目前业内还在探索，尚无相关的测试规范和体系可以参考。

4、测试仪表软硬件架构的改动

人工智能可以辅助仪表提升算法性能或者增强测试指标，但同时也对仪表的软硬件架构带来了挑战，需要专门的算力资源或者软件运行环境支持人工智能的应用

5、测试方法和测试环境的创新

以无线信道测量为例，搭建测试环境和遍历测试用例并非易事。如果可以利用数字孪生等技术对信道进行预测，基于数字化的平台产生信道数据，可以提高测试效率，产生更多的所需数据，有利于后期的仿真评估和分析。

以上的这些挑战，或多或少都跟AI有关。需要充分考虑AI的特点，针对不同的需求，对传统的电子测试测量方法进行相应的变革。

二 以下是潜在的应对方法或者应用领域：

1、制定通信人工智能的测试规范和体系

通信人工智能的测试规范和体系还在制定中。例如3GPP RAN4正在讨论如何测试AI的核心功能：推理、生命周期管理流程、数据生成和收集以及泛化验证等，其核心要求包括性能监控流程、功能/模型管理流程，以及相应的延迟和中断等。可以预计，随着标准化的进展，最终会定义出类似图1的参考架构。需要针对测试仪表开发出AI的相关模块和交互信令。

图1 测试AI的参考架构

2、利用AI高效地分析测试日志以及快速定位问题

AI可以辅助测试仪表或者研发人员对测试日志进行分析。需要在传统的日志分析软件中集成AI的能力，对测试过程中的问题进行快速定位和反馈。

3、辅助工程师解析协议的智能助手

可以用标准/协议为原始数据对人工智能模型进行训练，生成辅助工程师解析协议的智能助手。该助手可以对工程师在协议上的疑问进行快速精确的答复，加快问题的定位，辅助测试。

4、提升仪表本身的软硬件能力

需要升级仪表本身支持人工智能的软硬件能力，提升仪表的测试性能。对于模型比较复杂、需要强大算力环境的AI应用，可以将数据传到云端进行推理，返回推理结果。这就需要仪表或者后台分析软件支持和云端的远程交互能力，利用云端的环境对数据进行分析。

5、构建测试仪表的数字孪生环境

基于物理的仪表测试环境，构建数字孪生环境，两者进行交互和参数匹配，让数字孪生的测试环境尽可能的模拟物理测试环境。

关于人工智能的这些应对方法，业内还处于摸索的阶段。罗德与施瓦茨和业内合作伙伴一起，努力探索各种人工智能的应用，在这些平台中，将传统的射频仪表（例如信号源和频谱仪）和人工智能软件相结合，用于验证人工智能对传统通信算法的性能提升。相信在不久的将来，在电子测试测量领域大家可以看到越来越多的人工智能应用，让我们拭目以待。

审核编辑：刘清