淺談電子測(cè)試測(cè)量中的人工智能應(yīng)用

最近一年，ChatGPT等大模型猶如熱浪鋪面而來(lái)，迅速爆火全球，掀起了人工智能應(yīng)用的一波浪潮。另一方面，談起通信領(lǐng)域的電子測(cè)試測(cè)量，大家印象中似乎還是依賴傳統(tǒng)的人工經(jīng)驗(yàn)，基于各種儀表對(duì)性能指標(biāo)進(jìn)行分析，跟人工智能關(guān)聯(lián)不上。實(shí)際上在這個(gè)領(lǐng)域，也有不少的人工智能應(yīng)用空間，接下來(lái)我們就跟大家聊一聊這方面的內(nèi)容。

一 首先我們分析一下目前電子測(cè)試測(cè)量遇到的一些挑戰(zhàn)：

1、被測(cè)終端支持的協(xié)議越來(lái)越多

以華為的Mate60手機(jī)為例，需要支持4G，5G，藍(lán)牙，Wi-Fi, NFC，GPS/北斗通信,USB等多種協(xié)議。另外，隨著標(biāo)準(zhǔn)版本的迭代升級(jí)，協(xié)議也在持續(xù)更新，變得越來(lái)越復(fù)雜。在測(cè)試儀表（例如綜測(cè)儀）與被測(cè)終端的信令交互過(guò)程中，對(duì)于所出現(xiàn)的問(wèn)題排查起來(lái)變得異常困難，經(jīng)常需要工程師對(duì)龐大的日志進(jìn)行分析，定位問(wèn)題。

2、協(xié)議標(biāo)準(zhǔn)復(fù)雜，難以理解

3GPP的無(wú)線協(xié)議非常復(fù)雜，涉及大量的技術(shù)原理。很多時(shí)候?yàn)榱伺靼滓粋€(gè)小的技術(shù)問(wèn)題，工程師需要長(zhǎng)時(shí)間地查閱規(guī)范和相關(guān)書(shū)籍，耗時(shí)耗力。

3、被測(cè)終端自身的人工智能應(yīng)用尚無(wú)測(cè)試規(guī)范和體系

隨著半導(dǎo)體技術(shù)的發(fā)展，終端的數(shù)據(jù)處理能力越來(lái)越強(qiáng)，具備了人工智能(AI)應(yīng)用的基礎(chǔ)。但是關(guān)于AI算法或者模塊，如何驗(yàn)證其性能，目前業(yè)內(nèi)還在探索，尚無(wú)相關(guān)的測(cè)試規(guī)范和體系可以參考。

4、測(cè)試儀表軟硬件架構(gòu)的改動(dòng)

人工智能可以輔助儀表提升算法性能或者增強(qiáng)測(cè)試指標(biāo)，但同時(shí)也對(duì)儀表的軟硬件架構(gòu)帶來(lái)了挑戰(zhàn)，需要專門的算力資源或者軟件運(yùn)行環(huán)境支持人工智能的應(yīng)用

5、測(cè)試方法和測(cè)試環(huán)境的創(chuàng)新

以無(wú)線信道測(cè)量為例，搭建測(cè)試環(huán)境和遍歷測(cè)試用例并非易事。如果可以利用數(shù)字孿生等技術(shù)對(duì)信道進(jìn)行預(yù)測(cè)，基于數(shù)字化的平臺(tái)產(chǎn)生信道數(shù)據(jù)，可以提高測(cè)試效率，產(chǎn)生更多的所需數(shù)據(jù)，有利于后期的仿真評(píng)估和分析。

以上的這些挑戰(zhàn)，或多或少都跟AI有關(guān)。需要充分考慮AI的特點(diǎn)，針對(duì)不同的需求，對(duì)傳統(tǒng)的電子測(cè)試測(cè)量方法進(jìn)行相應(yīng)的變革。

二 以下是潛在的應(yīng)對(duì)方法或者應(yīng)用領(lǐng)域：

1、制定通信人工智能的測(cè)試規(guī)范和體系

通信人工智能的測(cè)試規(guī)范和體系還在制定中。例如3GPP RAN4正在討論如何測(cè)試AI的核心功能：推理、生命周期管理流程、數(shù)據(jù)生成和收集以及泛化驗(yàn)證等，其核心要求包括性能監(jiān)控流程、功能/模型管理流程，以及相應(yīng)的延遲和中斷等。可以預(yù)計(jì)，隨著標(biāo)準(zhǔn)化的進(jìn)展，最終會(huì)定義出類似圖1的參考架構(gòu)。需要針對(duì)測(cè)試儀表開(kāi)發(fā)出AI的相關(guān)模塊和交互信令。

圖1 測(cè)試AI的參考架構(gòu)

2、利用AI高效地分析測(cè)試日志以及快速定位問(wèn)題

AI可以輔助測(cè)試儀表或者研發(fā)人員對(duì)測(cè)試日志進(jìn)行分析。需要在傳統(tǒng)的日志分析軟件中集成AI的能力，對(duì)測(cè)試過(guò)程中的問(wèn)題進(jìn)行快速定位和反饋。

3、輔助工程師解析協(xié)議的智能助手

可以用標(biāo)準(zhǔn)/協(xié)議為原始數(shù)據(jù)對(duì)人工智能模型進(jìn)行訓(xùn)練，生成輔助工程師解析協(xié)議的智能助手。該助手可以對(duì)工程師在協(xié)議上的疑問(wèn)進(jìn)行快速精確的答復(fù)，加快問(wèn)題的定位，輔助測(cè)試。

4、提升儀表本身的軟硬件能力

需要升級(jí)儀表本身支持人工智能的軟硬件能力，提升儀表的測(cè)試性能。對(duì)于模型比較復(fù)雜、需要強(qiáng)大算力環(huán)境的AI應(yīng)用，可以將數(shù)據(jù)傳到云端進(jìn)行推理，返回推理結(jié)果。這就需要儀表或者后臺(tái)分析軟件支持和云端的遠(yuǎn)程交互能力，利用云端的環(huán)境對(duì)數(shù)據(jù)進(jìn)行分析。

5、構(gòu)建測(cè)試儀表的數(shù)字孿生環(huán)境

基于物理的儀表測(cè)試環(huán)境，構(gòu)建數(shù)字孿生環(huán)境，兩者進(jìn)行交互和參數(shù)匹配，讓數(shù)字孿生的測(cè)試環(huán)境盡可能的模擬物理測(cè)試環(huán)境。

關(guān)于人工智能的這些應(yīng)對(duì)方法，業(yè)內(nèi)還處于摸索的階段。羅德與施瓦茨和業(yè)內(nèi)合作伙伴一起，努力探索各種人工智能的應(yīng)用，在這些平臺(tái)中，將傳統(tǒng)的射頻儀表（例如信號(hào)源和頻譜儀）和人工智能軟件相結(jié)合，用于驗(yàn)證人工智能對(duì)傳統(tǒng)通信算法的性能提升。相信在不久的將來(lái)，在電子測(cè)試測(cè)量領(lǐng)域大家可以看到越來(lái)越多的人工智能應(yīng)用，讓我們拭目以待。