如何使用软件缩短一致性测试时间

高速数字工程师日常面临的一大挑战就是总有大量测试需要处理。每当新一代高速计算标准问世，都意味着工程师需要执行更多的测试，同时还要考虑更多的因素。本白皮书介绍了使用软件加速实施一致性测试的 4 种方法：

• 使用云技术加快数据处理速度。
• 使用人工智能优化算法。
• 通过数据分析简化故障诊断。
• 引入软硬件综合解决方案。

随着标准的数量激增测试项也随之增加消费者对数据永无止境的需求推动了数据中心标准不断更新换代。从全球来看，数据流量正在飞速持续增长。400G 将会迅速取代 100G，而 800G 很快也会来到我们身边。在网络基础设施流量持续增长的同时，高速数字总线也必须要提高速度才能跟上发展步伐。为了应对这样的情况，工程师纷纷投身于开发新技术，推动行业标准迈上新台阶。

新标准需要更多的测试和验证。设计和器件所需的测试时间持续飙升。业界曾经发起过一次关于产品上市速度影响因素的调查，结果表明，产品验证是测试工程师面临的最大挑战之一。工程师需要快速、准确地验证他们的设计，同时按照预定的时间将产品推向市场。调查发现，测试工程师使用的测试和验证工具五花八门（图 1）。但是，这些工具对于他们来讲真的适合吗？请继续阅读下面的内容，了解哪些软件工具可以帮助工程师缩短一致性测试和验证时间。

使用云技术加快数据处理速度

在传统的测试系统中，工程师会在同一个物理硬件上执行信号采集和信号分析。由于计算资源有限，采集和分析过程需要按顺序进行。在这种顺序处理过程中，工程师必须先完成对前一个信号的分析，才能开始采集下一个信号，这样就导致硬件无法得到充分利用，而且也限制了吞吐量。取决于分析 任 务的复杂程 度和处理器的速度，计算耗费的时间可能远远超过采集时间。复杂的计算会拖累整体吞吐量，并且在分析过程中采集硬件会处于空闲状态。

通过采用测量分解技术，工程师可以将分析工作转移到云端实施，从而加快分析（数据处理）速度，缩短总体测试时间。测量分解将会让仪器继续负责信号采集，而把信号分析工作委托给云端（图 2）。在测试序列发生器的帮助下，工程师可以同时执行多项测试，而不必逐项执行，由此大 大缩短了总体测试时间。例如，在示波器持 续捕获波 形的同时，云端服务器可以对波形进行分析和后期处理。借助云技术，您还可以将后期处理任务分配给一台或多台服务器来完成。

进一步了解如何通过云端的测量分解来加速 PCIe® 5.0 16G 发射机基础测试。PCIe 5.0 设计比以往的标准要复杂得多。工程师需要在物理层、数据链路层和事务层运行测试。通过结合使用 PCIe 电气性能验证和一致性测试软件与云端的测量分解，工程师可以自动执行PCIe 发射机测试并以灵活的报告格式显示结果。如果没有云端软件，对五个被测器件 (DUT)执行一组 24 项测试需要耗时约 42 分钟 ；而通过云端的测量分解，完成同一组测试只需要大约 11 分钟。PCIe5.0 发射机测试使用了一台云计算机。在云端添加多台计算机进行后期处理，可以进一步加快测试速度。

使用人工智能优化算法

具有机器学习能力的人工智能将会训练计算机按照示例执行任务，而无需依靠人工编程。深度学习技术通过名为人工神经网络的数学矩阵网络传送数据。在网络处理训练数据的时候，网络各部分之间的连接会做出调整，形成解释未来数据的能力。深度学习是无人驾驶汽车和语音控制设备背后的核心技术。采用深度学习算法的软件能够更快地分类、存储和分析信息，速度远远超过人工方式。

例如，人工智能软件可以加快完成双倍数据速率 (DDR) 器件测试。JEDEC 的 DDR 规范要求执行一系列测量以确保一致性，其中包括电气、时序和眼图等测试。在构建测试系统时，您需要定义各种关键参数，例如电压阈值、分析所使用的波形数量以及违规设置等。由于波形形状各异，因此工程师需要手动调整阈值，以便正确识别信号数据中的猝发脉冲。人工智能软件可以更迅速、更准确地找出阈值（图 3）。该软件使用聚类算法和神经网络建模，可以快速找到波形阈值。该软件还能够自动设置阈值，无需手动操作，从而让 DDR4 测试的整个设置过程进一步提速。

通过数据分析简化故障诊断

数据分析在测试与测量领域能够发挥重要作用，包括加快设计仿真、分析、验证、一致性测试和制造进程。有效的数据分析工具不仅能为工程团队节省资金，还能帮助他们将产品更快推上市场。下面的示例说明了如何通过数据分析来加速诊断一致性测试中的问题（图 4）。设计如果能够一次性通过所有一致性测试堪称是一件大好事，但每个新标准都要求进行更复杂的测试，为您带来各种不同的挑战。器件可能因为信号完整性问题或设计中的功能问题而无法通过一致性测试。

如果设计表现不如预期，设计人员需要迅速了解数据，找出问题的根本原因。根本原因分析意味着您需要总结问题报告并隔离、调试和分析故障。这个过程如果全靠手动完成往往相当耗时，需要用到多个数据来源和不同的应用软件。然而，借助数据分析软件，设计人员可以更快找出根本原因，因为数据可以通过浅显易懂的图表形式更直观地呈现出来。由于团队可以更便捷地共享和查看数据，因此他们能够更快地取得共识，找出解决问题的最佳方法。

想了解更多详情？欢迎下载 PDF 资料。