信號發生器自動化測試中如何模擬實際信號？

在信號發生器自動化（huà）測試中，模擬實際信號是驗證設（shè）備性能、發現潛在問題的（de）關鍵步驟。實際信號通常具有噪（zào）聲、非線性失真、動態變化等特性（xìng），因此需要從信號生成、環境模擬、硬件接口和測試驗證四（sì）個（gè）層麵進行綜合設計。以下是具體方法及實現（xiàn）示例：

一、信號生成：構建複雜測（cè）試（shì）信號

1. 基礎波形疊加

模擬（nǐ）實際（jì）信（xìn）號（hào）中常見的多頻分量，通過疊加不（bú）同頻（pín）率、幅度和（hé）相位的正弦波生成複雜信號。

• 示例：生成（chéng）包含主頻和諧波的信號

  python
  import numpy as np
  
  def generate_complex_signal(freqs, amps, phases, sample_rate, duration):
  """生（shēng）成多頻（pín）疊加信號
      Args:
          freqs: 頻率列表（Hz）
          amps: 幅度列表
          phases: 相位列表（弧（hú）度）
          sample_rate: 采樣率（Hz）
          duration: 持續時間（秒）
      Returns:
          NumPy數組，包含（hán）疊加後的信號
      """
  t = np.linspace(0, duration, int(sample_rate * duration), endpoint=False)
  signal = np.zeros_like(t)
  for freq, amp, phase in zip(freqs, amps, phases):
  signal += amp * np.sin(2 * np.pi * freq * t + phase)
  return signal
  
  # 示例：生成1kHz主頻+3kHz三次諧波的信號
  freqs = [1e3, 3e3]
  amps = [1.0, 0.3]  # 三次諧（xié）波（bō）幅度為基波的30%
  phases = [0, np.pi/4]
  signal = generate_complex_signal(freqs, amps, phases, sample_rate=10e3, duration=0.1)

2. 調製信號模擬

模擬通信中的調製（zhì）信號（如AM、FM、PM），驗證信號發生器對調製信號的響應（yīng）能（néng）力。

• 示例：生成（chéng）幅度調（diào）製（AM）信號

  python
  def generate_am_signal(carrier_freq, mod_freq, mod_index, sample_rate, duration):
  """生成AM調製信號
      Args:
          carrier_freq: 載波頻率（Hz）
          mod_freq: 調製頻率（Hz）
          mod_index: 調製指數（0~1）
          sample_rate: 采樣（yàng）率（Hz）
          duration: 持續時間（jiān）（秒（miǎo））
      Returns:
          NumPy數（shù）組，包含AM信號
      """
  t = np.linspace(0, duration, int(sample_rate * duration), endpoint=False)
  carrier = np.sin(2 * np.pi * carrier_freq * t)
  modulator = 1 + mod_index * np.sin(2 * np.pi * mod_freq * t)  # 調製信號（hào）
  return carrier * modulator
  
  # 示例：10kHz載波（bō），1kHz調製，調製指數0.5
  am_signal = generate_am_signal(10e3, 1e3, 0.5, sample_rate=100e3, duration=0.01)

3. 瞬態信號模擬（nǐ）

模擬實際中的突發信號（如脈衝、階躍變化），測試信號發生器的動態響應能（néng）力。

• 示例：生成帶上升（shēng）/下降沿的脈衝信號

  python
  def generate_pulse_signal(rise_time, fall_time, pulse_width, sample_rate, duration):
  """生成帶上升（shēng）/下降沿的脈衝（chōng）信號
      Args:
          rise_time: 上升沿時間（秒）
          fall_time: 下降沿時間（秒）
          pulse_width: 脈衝寬度（秒）
          sample_rate: 采樣率（Hz）
          duration: 總（zǒng）持續時間（秒）
      Returns:
          NumPy數組，包含脈衝信號（0~1）
      """
  t = np.linspace(0, duration, int(sample_rate * duration), endpoint=False)
  signal = np.zeros_like(t)
  # 上升沿（yán）（Sigmoid函數（shù）模擬）
  rise_mask = (t >= 0) & (t < rise_time)
  signal[rise_mask] = 1 / (1 + np.exp(-10 * (t[rise_mask] / rise_time - 0.5)))
  # 脈衝（chōng）平台
  plateau_mask = (t >= rise_time) & (t < rise_time + pulse_width)
  signal[plateau_mask] = 1
  # 下降沿
  fall_mask = (t >= rise_time + pulse_width) & (t < rise_time + pulse_width + fall_time)
  signal[fall_mask] = 1 / (1 + np.exp(10 * (t[fall_mask] - (rise_time + pulse_width)) / fall_time - 5))
  return signal
  
  # 示例：1ms上升沿，1ms下降（jiàng）沿（yán），5ms脈衝寬度
  pulse = generate_pulse_signal(1e-3, 1e-3, 5e-3, sample_rate=1e6, duration=0.02)

二、環境模擬：添加噪聲與失真

1. 添加高斯白噪聲

模擬實際電路中的熱噪聲或（huò）背景噪（zào）聲。

• 示例（lì）：

  python
  def add_gaussian_noise(signal, snr_db):
  """添加高斯白噪聲
      Args:
          signal: 原始信號（NumPy數組）
          snr_db: 信噪（zào）比（dB）
      Returns:
          帶噪聲的信號
      """
  signal_power = np.mean(signal**2)
  noise_power = signal_power / (10 ** (snr_db / 10))
  noise = np.random.normal(0, np.sqrt(noise_power), len(signal))
  return signal + noise
  
  # 示例：添加信噪比為20dB的噪聲
  noisy_signal = add_gaussian_noise(signal, snr_db=20)

2. 模擬非線性失真

通過（guò）多項式函數模擬放大器或傳輸通道的（de）非線性特性（如諧波失真、交叉調製）。

• 示例：

  python
  def add_nonlinear_distortion(signal, coeffs):
  """添加非線性失（shī）真
      Args:
          signal: 原始（shǐ）信號（NumPy數組）
          coeffs: 多項式係數列表（如[1.0, 0.1, 0.01]表示1*x + 0.1*x^2 + 0.01*x^3）
      Returns:
          失真後的信號
      """
  distorted = np.zeros_like(signal)
  for i, coeff in enumerate(coeffs):
  distorted += coeff * (signal ** (i + 1))  # i=0對應線性項，i=1對應二次項...
  return distorted
  
  # 示例：添加二次和三次諧波失真（係數0.1和（hé）0.01）
  distorted_signal = add_nonlinear_distortion(signal, coeffs=[1.0, 0.1, 0.01])

3. 模擬頻率（lǜ）響應失真（zhēn）

通（tōng）過濾波器模擬實際通道的頻率響應特性（如（rú）低通衰減、相位延遲）。

• 示例：

  python
  from scipy.signal import butter, lfilter
  
  def add_frequency_response(signal, cutoff, sample_rate, order=4):
  """添加低通濾波失真
      Args:
          signal: 原始信號
          cutoff: 截止頻率（Hz）
          sample_rate: 采樣率（Hz）
          order: 濾波器階數
      Returns:
          濾波後的信號
      """
  b, a = butter(order, cutoff / (0.5 * sample_rate), btype="low")
  return lfilter(b, a, signal)
  
  # 示例：模擬（nǐ）截止頻率為5kHz的低通濾波
  filtered_signal = add_frequency_response(signal, cutoff=5e3, sample_rate=10e3)

三、硬件接口模（mó）擬：DAC與反饋控（kòng）製

1. 模擬DAC輸出特性（xìng）

考慮DAC的分辨（biàn）率、量化噪聲和輸出範圍限製。

• 示例：

  python
  def simulate_dac(signal, bits=12, vref=5.0):
  """模擬DAC輸出
      Args:
          signal: 輸入（rù）信號（範圍（wéi）：-1~1）
          bits: DAC位數
          vref: 參考電壓（yā）（V）
      Returns:
          量化（huà）後的（de）DAC輸出（chū）（V）
      """
  max_val = 2 ** bits - 1
  scaled = (signal + 1) / 2 * max_val  # 縮放到（dào）0~max_val
  quantized = np.round(scaled)  # 量化
  return (quantized / max_val * 2 - 1) * vref  # 還原為電壓值（範圍：-vref~vref）
  
  # 示（shì）例：12位DAC，5V參（cān）考電壓
  dac_output = simulate_dac(signal, bits=12, vref=5.0)

2. 反饋環（huán）路（lù）模擬

模擬實際係統中的（de）閉（bì）環控製（如自（zì）動增益控製AGC），驗（yàn）證（zhèng）信號發生器的（de）穩定性。

• 示例：

  python
  def simulate_agc(signal, target_level=0.5, attack_time=1e-3, release_time=10e-3, sample_rate=1e6):
  """模擬（nǐ）AGC反饋環路
      Args:
          signal: 輸（shū）入信（xìn）號
          target_level: 目標幅度（dù）（0~1）
          attack_time: 上升時間（jiān）常數（秒）
          release_time: 下降時間常數（shù）（秒）
          sample_rate: 采樣率（Hz）
      Returns:
          經過AGC調整的信號
      """
  gain = np.ones_like(signal)
  env = np.abs(signal)
  alpha_attack = 1 - np.exp(-1 / (attack_time * sample_rate))
  alpha_release = 1 - np.exp(-1 / (release_time * sample_rate))
  for i in range(1, len(signal)):
  if env[i] > env[i-1]:  # 上升沿（yán）
  gain[i] = gain[i-1] * (1 - alpha_attack) + alpha_attack * (target_level / env[i])
  else:  # 下降（jiàng）沿
  gain[i] = gain[i-1] * (1 - alpha_release) + alpha_release * (target_level / env[i])
  return signal * gain
  
  # 示例：AGC調整突發信號
  agc_output = simulate_agc(pulse, target_level=0.7, sample_rate=1e6)

四、測試驗證：自動化測試流程

1. 測試用例設計

設計覆蓋不同場景的測試用例，包括：

• 基礎功能測試：單頻正弦波輸出精度。
• 動態性能測試：頻（pín）率/幅度跳變（biàn）的過渡時間。
• 噪聲與失真測試：信噪比（SNR）、總諧波失真（zhēn）（THD）。
• 長期穩定性測試：連續運（yùn）行24小時的幅度/頻率漂移。

2. 自動化測試框架

使用pytest或（huò）unittest框架，結（jié）合硬（yìng）件（jiàn）接口庫（如PyVISA、PySerial）實現自動化測試。

• 示例測試腳本：

  python
  import pytest
  import numpy as np
  from signal_generator import SignalGenerator
  from hardware import DACDriver
  
  @pytest.fixture
  def signal_gen():
  return SignalGenerator(sample_rate=10e6)
  
  @pytest.fixture
  def dac():
  return DACDriver(device_path="/dev/ttyUSB0")
  
  def test_sine_wave_accuracy(signal_gen, dac):
  """測試（shì）正弦波輸出精度"""
  freq = 1e3
  amp = 1.0
  signal_gen.set_parameters(freq, amp, "sine")
  samples = signal_gen.generate(duration=0.01)
  dac.write(samples)  # 寫入DAC
  # 從ADC讀取實際（jì）輸出（需硬（yìng）件支持）
  adc_samples = dac.read_adc(num_samples=len(samples))
  # 計算誤差（例如均方根誤差RMSE）
  rmse = np.sqrt(np.mean((samples - adc_samples) ** 2))
  assert rmse < 0.01  # 允許誤差<1%

3. 結果分析與（yǔ）報告

生成（chéng）測試報告，包含時域波形圖、頻譜分（fèn）析圖和（hé）關鍵指標（如THD、SNR）。

• 示例報告生成：

  python
  import matplotlib.pyplot as plt
  
  def generate_report(signal, noisy_signal, distorted_signal, freq):
  """生成測試報告"""
  plt.figure(figsize=(12, 8))
  # 時域（yù）波形
  plt.subplot(2, 1, 1)
  plt.plot(signal, label="原始信號")
  plt.plot(noisy_signal, label="帶噪聲信號（hào）")
  plt.plot(distorted_signal, label="失真信號")
  plt.title("時域波形")
  plt.legend()
  # 頻譜分析
  plt.subplot(2, 1, 2)
  fft_original = np.fft.fft(signal)
  fft_noisy = np.fft.fft(noisy_signal)
  fft_distorted = np.fft.fft(distorted_signal)
  freqs = np.fft.fftfreq(len(signal), d=1/10e3)
  plt.plot(freqs[:len(freqs)//2], np.abs(fft_original[:len(freqs)//2]), label="原始（shǐ）頻譜")
  plt.plot(freqs[:len(freqs)//2], np.abs(fft_noisy[:len(freqs)//2]), label="噪聲頻譜")
  plt.plot(freqs[:len(freqs)//2], np.abs(fft_distorted[:len(freqs)//2]), label="失真（zhēn）頻譜")
  plt.xlim(0, freq * 5)  # 顯（xiǎn）示前（qián）5次諧波（bō）
  plt.title("頻譜分（fèn）析")
  plt.legend()
  plt.tight_layout()
  plt.savefig("test_report.png")

五、關鍵（jiàn）注意事項

1. 信號同步：確保生成信號與硬件時鍾同步，避免采樣偏移。
2. 資源限製：模擬高采樣率或長持（chí）續時間信號時，注意內存和計算資源。
3. 硬件校準：定期校準DAC/ADC，消除係統誤差（chà）。
4. 可重複（fù）性：固定隨機種子（zǐ）（如np.random.seed(42)），確保測試可複現。

總結

通過多頻疊加、調製信號、噪聲與失真模擬，結合硬件（jiàn）接口和自動化測試框架，可全麵驗證信（xìn）號發生器在（zài）實際場景中的性能。關鍵步驟包括：

1. 信號生成：構建複雜測試信號（多頻、調製、瞬態）。
2. 環（huán）境模擬：添加噪聲、非線性失真和頻率（lǜ）響應失真。
3. 硬件接（jiē）口：模擬DAC輸出和反饋（kuì）控製。
4. 自動化測試（shì）：設計測試用例、執行自動化測（cè）試並生成報告。

這（zhè）種方法（fǎ）能夠高效發現信號發生（shēng）器（qì）的潛在問題，確保其在實（shí）際應用中的可靠（kào）性。