当前位置: 首页 > article >正文

用Keysight/是德科技信号源与频谱仪,一步步搭建5G NR接收机动态范围与ACS测试环境

用Keysight信号源与频谱仪构建5G NR接收机测试环境的实战指南在5G基站研发与验证过程中接收机动态范围与邻道选择性(ACS)测试是验证设备抗干扰能力的关键环节。本文将基于Keysight N5182B矢量信号发生器和N9020B MXA频谱分析仪手把手演示如何搭建符合3GPP标准的测试环境。无论您是刚入行的射频测试工程师还是需要复现标准测试流程的硬件验证专家这份融合仪器操作细节与实战经验的指南都能提供直接可用的解决方案。1. 测试环境搭建与仪器准备1.1 硬件连接拓扑设计正确的物理连接是测试成功的前提。推荐采用以下连接方案[信号发生器1] → [合路器] → [衰减器] → [DUT] [信号发生器2] ┘ ↑ [频谱仪] ←───────┘注意确保所有连接线缆的阻抗匹配为50Ω使用高质量N型接头降低插入损耗。建议在合路器输出端预留20dB衰减余量防止信号过载损坏设备。关键仪器参数设置要点仪器型号关键参数推荐配置值N5182B输出功率范围-120dBm至20dBmN9020BRBW设置自动或1MHzN9020B参考电平比预期信号高10dB1.2 软件配置基础Keysight Signal Studio for 5G NR是生成标准测试波形的核心工具。安装时需注意确认软件版本支持3GPP Release 15/16规范安装最新补丁包获取完整测试信道配置激活Advanced Measurement许可证以解锁ACS测试模板首次使用时建议导入预设配置文件# 加载G-FR1-A2-1测试信道预设 import pyvisa rm pyvisa.ResourceManager() sg rm.open_resource(TCPIP0::192.168.1.101::inst0::INSTR) sg.write(:MMEM:LOAD:CCONFIG C:\\5G_Tests\\G-FR1-A2-1.cfg)2. 动态范围测试实施详解动态范围测试验证接收机在高斯白噪声(AWGN)环境下的解调能力。根据3GPP 38.141-1标准测试需在特定信噪比条件下验证吞吐量≥95%的指标。2.1 测试信号生成步骤主信号配置选择G-FR1-A2-1参考测量信道设置载波频率为DUT的工作频点调整输出功率至-70.4dBmFR1频段干扰信号添加% 生成AWGN干扰信号 fs 122.88e6; % 采样率 nSamples 1e6; noise wgn(nSamples, 1, -82.5, dBm); waveform [mainSignal, noise];功率校准技巧先单独测量主信号功率关闭主信号测量噪声信号功率同时开启时用频谱仪验证合成信号功率谱密度2.2 常见问题排查测试中可能遇到的异常现象及解决方法现象可能原因解决方案吞吐量波动大信号源时钟不同步启用外部10MHz参考时钟测试结果不重复连接器接触不良更换线缆并清洁接头灵敏度不达标噪声功率设置偏差重新校准噪声源功率提示动态范围测试建议从低信噪比开始逐步提高干扰水平避免一次性施加过大噪声导致测试结果无法恢复。3. 邻道选择性(ACS)测试全流程ACS测试模拟相邻信道存在强干扰信号时接收机对目标信号的解调能力。与动态范围测试不同ACS要求干扰信号采用与实际通信相同的调制方式。3.1 双信号源配置方法主信号参数参考灵敏度功率6dB如PREFSENS-101dBm则设为-95dBm使用QPSK调制确保基础解调可靠性带宽设置为5MHzFR1典型值干扰信号设置中心频率偏移±5MHz相邻信道调制方式256QAM高阶调制功率电平-52dBm广域基站要求配置示例表格参数项主信号干扰信号频率fcfc±5MHz带宽5MHz5MHz调制QPSK256QAM功率-95dBm-52dBm3.2 频谱仪监测要点使用N9020B进行实时监测时重点关注主信号与干扰信号的功率比是否符合测试要求两个信号的频谱泄露是否重叠相位噪声是否影响信号质量推荐频谱仪设置# 设置频谱仪扫描参数 FREQ:CENT fc FREQ:SPAN 20MHz BW:RES 100kHz BW:VID 300kHz DISP:TRAC:Y:RLEV -30dBm4. 测试自动化与效率优化手动操作既耗时又容易出错通过SCPI命令实现自动化测试可大幅提升效率。4.1 自动化测试脚本开发基于Python的自动化测试框架示例import pyvisa from time import sleep def acs_test(fc, p_main, p_interferer): rm pyvisa.ResourceManager() sg1 rm.open_resource(TCPIP0::192.168.1.101::inst0::INSTR) # 主信号 sg2 rm.open_resource(TCPIP0::192.168.1.102::inst0::INSTR) # 干扰信号 # 配置主信号 sg1.write(f:FREQ:FIX {fc}MHz) sg1.write(f:POW {p_main}dBm) sg1.write(:OUTP ON) # 配置干扰信号 sg2.write(f:FREQ:FIX {fc5}MHz) sg2.write(f:POW {p_interferer}dBm) sg2.write(:OUTP ON) # 执行测试 sleep(10) result dut.get_throughput() return result 954.2 测试数据管理建议建立结构化数据存储体系原始数据保存每次测试的IQ波形文件过程数据记录仪器状态参数截图结果数据整理为CSV格式便于分析典型数据记录表示例测试时间测试类型主信号功率干扰功率吞吐量测试员2023-08-15 14:30ACS-95dBm-52dBm96.2%张三2023-08-15 15:15动态范围-70.4dBm-82.5dBm95.8%李四在实际项目中我们发现信号源的相位噪声特性会显著影响ACS测试结果。特别是在高频段如3.5GHz测试时建议使用性能选件更高的信号源型号如N5182B-1EP其相位噪声指标比基础型号改善约5dBc/Hz1MHz偏移能更真实反映DUT的ACS性能。

相关文章:

用Keysight/是德科技信号源与频谱仪,一步步搭建5G NR接收机动态范围与ACS测试环境

用Keysight信号源与频谱仪构建5G NR接收机测试环境的实战指南 在5G基站研发与验证过程中,接收机动态范围与邻道选择性(ACS)测试是验证设备抗干扰能力的关键环节。本文将基于Keysight N5182B矢量信号发生器和N9020B MXA频谱分析仪,手把手演示如何搭建符合…...

Stable Yogi Leather-Dress-Collection效果展示:皮衣与角色发型/配色/背景的智能协调

Stable Yogi Leather-Dress-Collection效果展示:皮衣与角色发型/配色/背景的智能协调 1. 惊艳的2.5D皮衣穿搭生成效果 Stable Yogi Leather-Dress-Collection是一款基于Stable Diffusion技术的2.5D皮衣穿搭生成工具,它能智能协调角色发型、服装配色与背…...

AIGlasses OS Pro 系统管理:操作系统级优化与C盘清理释放空间

AIGlasses OS Pro 系统管理:操作系统级优化与C盘清理释放空间 你是不是也遇到过这种情况?兴致勃勃地准备部署一个新的AI模型,结果系统弹出一个刺眼的红色警告:“磁盘空间不足”。点开C盘一看,那个熟悉的红色条块已经快…...

MogFace(CVPR 2022)人脸检测实战:ResNet101模型适配PyTorch 2.6部署教程

MogFace(CVPR 2022)人脸检测实战:ResNet101模型适配PyTorch 2.6部署教程 1. 引言:从零部署高精度人脸检测工具 你是否遇到过这样的情况:想要快速检测一张合影中有多少人,或者需要从照片中精准定位人脸位置…...

SkyWalking - 官方 Roadmap 解读:v10+ 新特性与云原生方向

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕SkyWalking这个话题展开,希望能为你带来一些…...

长江经济带综合矢量数据集|含长江+黄河+胡焕庸线+110城|WGS84坐标|SHP格式|

🔍 数据简介 本数据集整合 长江干流、黄河干流、胡焕庸线(黑河—腾冲线) 以及 长江经济带110个核心城市 的权威边界与中心点,统一采用 WGS84地理坐标系(EPSG:4326),格式为标准 Shapefile&#x…...

Z-Image-Turbo-辉夜巫女一文详解:LoRA模型原理、Xinference服务架构与Gradio交互逻辑

Z-Image-Turbo-辉夜巫女一文详解:LoRA模型原理、Xinference服务架构与Gradio交互逻辑 1. 模型与镜像概述 1.1 什么是Z-Image-Turbo-辉夜巫女 Z-Image-Turbo-辉夜巫女是基于Z-Image-Turbo模型的LoRA版本,专门针对生成"辉夜巫女"风格图片进行…...

通义千问2.5-7B工具调用实战:Function Calling接入Agent

通义千问2.5-7B工具调用实战:Function Calling接入Agent 想不想让你的AI助手不仅能聊天,还能帮你查天气、发邮件、甚至控制智能家居?今天,我们就来聊聊如何让通义千问2.5-7B-Instruct这个“全能型选手”学会使用工具,…...

SOONet实战案例:新闻媒体自动提取‘领导人讲话关键金句’对应视频时段

SOONet实战案例:新闻媒体自动提取领导人讲话关键金句对应视频时段 1. 项目背景与需求场景 在新闻媒体制作和内容分析领域,经常需要从长篇视频中快速定位和提取关键片段。特别是对于重要会议、新闻发布会等场合,如何快速找到领导人讲话中的&…...

UVa 12117 ACM Puzzles

题目描述 ACM\texttt{ACM}ACM(儿童机器协会)计划为儿童设计一种新型拼图。所有拼图的尺寸都是 3N3 \times N3N ,并使用 222222 种特定的拼图块(某些块可以重复使用)。为了防止假冒产品,ACM\texttt{ACM}ACM …...

无电软触摸板:气动传感技术突破极端环境限制

坦佩雷大学的研究人员开发出了全球首款无需电力即可感知接触力、面积和位置的软性触摸板。该设备利用气动通道,使其能够在磁共振成像仪等不适合电子设备的环境中使用。软体机器人和康复辅助设备等软性装置也能受益于这项新技术。 这款触摸板完全由软硅胶制成&#x…...

LSTM时序预测与UI-TARS-desktop整合:智能工作流预测系统

LSTM时序预测与UI-TARS-desktop整合:智能工作流预测系统 1. 引言 你有没有遇到过这样的情况:每天在电脑前重复着相似的操作流程,比如打开特定软件、处理文件、发送邮件,这些重复性工作既耗时又容易出错?或者作为团队…...

GLM-OCR与卷积神经网络视觉原理科普

GLM-OCR与卷积神经网络视觉原理科普 你是不是也好奇,像GLM-OCR这样的工具,是怎么从一张充满干扰的图片里,准确无误地“认出”那些文字的?它背后依赖的卷积神经网络,听起来高深莫测,但它的工作原理其实可以…...

在Ubuntu 18.04上搞定GAMMA遥感软件:从依赖库到加密狗驱动的保姆级避坑记录

在Ubuntu 18.04上搞定GAMMA遥感软件:从依赖库到加密狗驱动的保姆级避坑记录 如果你正在Ubuntu 18.04上尝试安装GAMMA遥感软件,那么这篇文章就是为你准备的。作为一名遥感领域的科研人员,我深知GAMMA软件在InSAR处理中的重要性,也体…...

LIO-SAM部署WHU-TLS Tunnel数据集实战:从环境搭建到数据预处理

1. WHU-TLS Tunnel数据集详解 WHU-TLS Tunnel数据集是武汉大学发布的全球最大规模地面激光扫描点云基准数据集,专为三维重建和SLAM算法评估设计。这个数据集最吸引我的地方在于它包含了11种典型场景的17.4亿个三维点云数据,其中隧道场景数据对地下空间建…...

地平线2026年春季校园招聘正式启动!

点击阅读原文,即可投递简历!...

基于springboot美发门店管理系统设计与实现.7z(源码+论文)

[点击下载链接》》》] 随着信息技术在管理上越来越深入而广泛的应用,管理信息系统的实施在技术上已逐步成熟。本文介绍了美发门店管理系统的开发全过程。通过分析美发门店管理系统管理的不足,创建了一个计算机管理美发门店管理系统的方案。文章介绍了美…...

从Flask到WASI微服务:单文件Python应用72小时完成跨平台重构(附GitHub Star破千的开源模板)

第一章:从Flask单体到WASI微服务的范式跃迁 传统 Flask 应用以 Python 进程为边界,依赖全局解释器锁(GIL)和动态类型系统,在云原生环境中面临冷启动慢、资源隔离弱、跨语言集成难等固有瓶颈。WASI(WebAssem…...

rosserial_mbed_lib:ARM Cortex-M上的轻量ROS 1串行通信库

1. rosserial_mbed_lib 概述:面向 ARM Cortex-M 的 ROS 轻量级串行通信库 rosserial_mbed_lib 是专为 mbed OS 平台(特别是基于 ARM Cortex-M 系列微控制器,如 NXP LPC1768、ST STM32F4xx/F7xx/H7xx、Renesas RA6M5 等)定制的 …...

监督学习中的分类方法

监督学习是机器学习的重要分支,分类任务是其核心应用之一。分类方法旨在根据输入数据的特征预测其所属类别。常见分类方法包括决策树、支持向量机、朴素贝叶斯、逻辑回归等。决策树决策树的基本概念决策树是一种基于树状结构的监督学习算法,用于分类或回…...

FireRed-OCR Studio惊艳效果:低质量模糊文档仍保持92%结构还原精度

FireRed-OCR Studio惊艳效果:低质量模糊文档仍保持92%结构还原精度 1. 工业级文档解析新标杆 在日常办公和学习中,我们经常遇到这样的困扰:纸质文档需要数字化、扫描件模糊不清、表格结构难以保留。传统OCR工具往往只能识别文字&#xff0c…...

大麦抢票自动化系统进阶指南:双端策略与实战优化

大麦抢票自动化系统进阶指南:双端策略与实战优化 【免费下载链接】ticket-purchase 大麦自动抢票,支持人员、城市、日期场次、价格选择 项目地址: https://gitcode.com/GitHub_Trending/ti/ticket-purchase 面对热门演出票务的激烈竞争&#xff0…...

SDRPlusPlus×铁路通信:信号解析实战指南的6个关键方法

SDRPlusPlus铁路通信:信号解析实战指南的6个关键方法 【免费下载链接】SDRPlusPlus Cross-Platform SDR Software 项目地址: https://gitcode.com/GitHub_Trending/sd/SDRPlusPlus 当你需要对铁路专用通信系统进行技术分析时,如何高效捕获和解码G…...

ArrayList、HashSet、HashMap 核心知识点+常用操作速记

文章目录ArrayList、HashSet、HashMap 核心知识点常用操作速记1. ArrayList 核心知识点1.1 核心特性1.2 常用操作速记1.2.1 创建1.2.2 增/改操作1.2.3 查询操作1.2.4 删除操作1.2.5 遍历操作(核心极简代码示例)1.2.6 基础属性操作1.3 补充知识点&#xf…...

TradingAgents-CN:基于辩论机制的多智能体金融决策系统技术实现

TradingAgents-CN:基于辩论机制的多智能体金融决策系统技术实现 【免费下载链接】TradingAgents-CN 基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版 项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN 在复杂的金融市场中&…...

一. Docker容器技术

一 Docker简介及部署方法 1.1 Docker简介 Docker之父Solomon Hykes:Docker就好比传统的货运集装箱 [!NOTE] 2008 年LXC(LinuX Contiainer)发布,但是没有行业标准,兼容性非常差 docker2013年首次发布,由Docker, Inc开发 1.1.1 什么…...

Office LTSC 2021离线安装ISO镜像制作全攻略(含ODT配置详解)

Office LTSC 2021离线安装ISO镜像制作全攻略(含ODT配置详解) 在企业IT管理中,批量部署办公软件是每个技术团队都会面临的常规任务。微软Office LTSC 2021作为长期服务通道版本,以其稳定性和长期支持特性成为许多组织的首选。然而不…...

5步打造专属BongoCat模型:从零基础到个性化定制实践教程

5步打造专属BongoCat模型:从零基础到个性化定制实践教程 【免费下载链接】BongoCat 让呆萌可爱的 Bongo Cat 陪伴你的键盘敲击与鼠标操作,每一次输入都充满趣味与活力! 项目地址: https://gitcode.com/gh_mirrors/bong/BongoCat 你是否…...

为什么你的Llama3本地推理延迟高达8s?——深入CUDA Graph、PagedAttention与vLLM动态批处理的3层性能压测对比报告

第一章:Python 大模型推理本地私有化部署方案在数据安全与合规性要求日益严格的背景下,将大语言模型(LLM)推理能力完全私有化部署于本地环境已成为金融、政务、医疗等关键行业的刚需。本章聚焦基于 Python 生态的轻量级、可复现、…...

Qt导航栏组件C02:配置中心树形菜单与面包屑联动

目录 一、引言 二、最终效果预览 三、核心实现原理 3.1 布局结构设计 3.2 核心技术点 四、代码实现详解 4.1 项目结构 4.2 导航组件的核心代码 五、总结 源码下载 系列编号:C-02 导航风格:浅色单栏侧边栏,三级树形配置菜单,顶部面包屑实时同步路径,树与面包屑双向联动跳转…...